（机械电子工程专业论文）振动筛损伤的声发射信号处理方法研究.pdf

太原理工大学硕士研究生学位论文 振动筛损伤的声发射信号处理方法研究 摘要 金属结构件在交变载荷作用下，出现疲劳裂纹是常见的故障之一。 由于交变载荷的作用，裂纹不断扩展，常导致结构件的断裂，因而对疲 劳裂纹的监测是非常必要的。然而对结构的裂纹进行在线监测是很困难 的，而在交变载荷作用下检测早期疲劳裂纹就尤为困难。声发射作为一 种动态无损检测方法，它要求在荷载状态下进行检测，并且对缺陷的变 化极为敏感，可以检测到微米数量级的疲劳裂纹变化，其灵敏度比其他 方法高。因此，近年来用声发射测试材料疲劳裂纹的方法很受重视，因 而成为探测疲劳裂纹的重要手段之一。 功率谱估计是从所接收的声发射时域信号中获取有价值声发射源 信息的方法之一。本文首先对声发射时域信号进行了功率谱估计，结果 表明，以f f t 为基础的经典谱分析对声发射时域波形信号较难获得良好 效果，原因是声发射时域波形信号的短数据序列数据特性所决定。而现 代谱声发射信号分析能得到较好的谱分析结果，选择适应所分析数据结 构的现代谱算法是取得良好声发射波形信号分析结果的基本保证。理论 分析显示：用a r 模型对声发射信号进行分析是较好方法。试验证明， 用a r 模型对声发射信号进行功率谱估计，可准确提取裂纹的声发射信 号特征，以实现对金属材料裂纹损伤的自动识别。实验结果表明：该方 太原理工大学硕士研究生学位论文 法识别准确可行，应用灵活方便。 人工神经网络技术作为一种信号处理手段已经取得了巨大的进展。 神经网络具有很强的并行性、容错性和自学习能力，通过对典型样本的 学习，完成知识的获取，并将知识分布存储在神经网络的拓扑结构连接 权值中，用来对未知样本进行识别，避免了传统专家系统知识获取过程 中的概念化、形式化和知识库求精三个阶段的不断反复。运用“小波包 一能量”法提取信号特征量，作为神经网络的输入向量，在b p 网络的结 构设计方面，设计一个隐含层神经元数目可变的b p 网络，通过误差对 比，确定出了最佳的神经元隐含层数目，并采用不同的训练函数对网络 进行训练，综合分析认为，采用l e v e n b e r g m a r q u a r d tb p 学习算法，收 敛速度快，网络的训练误差也比较小，通过给b p 神经网络输入声发射 信号作为模式识别。在m a t l a b 6 5 的环境下建立了神经网络识别模型， 并利用神经网络非线性和具有学习和记忆功能，对网络进行有教师的训 练，从而确定神经网络识别模型。研究表明，该方法可以有效地对声发 射信号进行模式识别。 关键词：裂纹声发射，b p 神经网络，功率谱估计，m a t l a b 太原理工大学硕士研究生学位论文 r e s e a r c ho na es i g n a lp r o c e s s i n g 匝t h o d o f b r a t i n gs c r e e nd a m a g e a b s t r a c t u n d e rt h ea l t e r n a t el o a d i n g , a c c r u i n gf l a wi nm e t a ls t r u c t u r ei so n eo f f a u l t st h a th a p p e ni nm e t a l 咖c t u r ef r e q u e n t l y a st h ee f f e c to fa l t e m a t e l o a d i n g ，t h ef l a wi nt h em e t a l 曲m c t u r ec o u l dd e v e l o pc o n t i n u o u s l y , a n da t t h eb e g i n n i n g , t h ef a t i g u ef l a wi sv e r yt h i n ，t h e r e f o r ei nt h i sc a s e ，d e t e c t i n g f l a ws e e m st ob ev e r yd i f f i c u l t a sad y n a m i cn o n - d e s t r u c t i v et e s t i n g t e c h n i q u e ，a c o u s t i ce m i s s i o n ) s i g n a ln e e d st ob ea c q u i r e du n d e rt h e l o a d i n g ，a n di ti ss e n s i t i v et ot h ef a u l t t h ef a u l ta ss m a l la sm i c r o nc o u l db e d e t e c t e db ya e t e c h n i q u e ；i t ss e n s i t i v ed e g r e ei sh i g h e rt h a no t h e rm e t h o d s t h e r e f o r et h ea e t e c h n i q u eb e c o m e so n eo ft h em a i nm e t h o d st h a tc o u l db e a p p l i e d t od e t e c tm a t e r i a lf a t i g u ed a m a g e r e c e n t l y t h ep o w e rs p e c t r a le s t i m a t i o ni so n eo ft h em e t h o d st h a tc a no b t a i n v e r yu s e f u li n f o r m a t i o nf r o ma c o u s t i ce m i s s i o ni n s p e c t i o nd a t a i nt h i sp a p e r , a c o u s t i ce m i s s i o ns i g n a li sp r o c e s s e db yt h ep o w e rs p e c t r a le s t i m a t ea tf i r s t t h er e s u l t ss h o wt h ec l a s s i c a ls p e c t r a la n a l y s i sb a s e df f ti sn o ts u i t a b l ef o r i i i 太原理工大学硕士研究生学位论文 a c o u s t i ce m i s s i o n s i g n a l ，b e c a u s et h ea c o u s t i ce m i s s i o ns i g n a l i ss h o r t s e q u e n c ed a t am o d e l t h em o d e ms p e c t r a la n a l y s i sh a ss t r o n ga b i l i t i e st o a n a l y z ea c o u s t i ce m i s s i o ns i g n a l c h o o s i n ga na p p r o p r i a t em a t c ho fs p e c t r a l e s t i m a t i o nm e t h o di st h ek e yf a c t o rb a s e do nt h a tt h ei d e a lr e s u l t so f a c o u s t i c e m i s s i o nd a t am o d e lc o u l db eo b t a i n e d t h ec a l c u l a t i n gr e s u l td i s p l a y st h a t a r p o w e rs p e c t r a le s t i m a t i o ni s as u i t a b l em e t h o do fa c o u s t i c a le m i s s i o n s i g n a lp r o c e s s i n g b yt h a t ，t h ec h a r a c t e r i s t i c so ff l a wc o u l db ea b s t r a c t e d f o r ma c q u i r i n gs i g n a l t h er e s u l ti n d i c a t e st h a tt h i sm e t h o di sa c c u r a t ea n d f e a s i b l e a r t i f i c i a ln e u r a ln e t w o r kt e c h n o l o g ya sam e a n so fs i g n a lp r o c e s s i n g h a sm a d et r e m e n d o u sp r o g r e s s i th a sv e r ys t r o n gp a r a l l e ln a t u r e ? ? ，t h e w r o n gp e r m i t t i n ga n da b i l i t yo fl e a m i n gf o r mi t s e l t h r o u g ht y p i c a ls a m p l e s t u d y , i tc a nc o m p l e t et h ea c q u i s i t i o no f k n o w l e d g e ，a n dk n o w l e d g e i ss t o r e d i nt h ec o n n e c t i n gr i g h tv a l u eo ft h en e r v ed i s t r i b u t i o nn e t w o r k , u s e dt o i d e n t i f yu n k n o w ns a m p l e s ，a v o i d i n gt h et r a d i t i o n a le x p e r ts y s t e m st h r e e s t a g e sc o n s t a n t l yr e p e a t e da m o n gk n o w l e d g ea c q u i s i t i o np r o c e s s c o n c e p t u a l i z a t i o n ，f o r m a l i z a t i o na n dk n o w l e d g eb a s e t h ep r i n c i p l e s o f a r t i f i c i a ln e u r a ln e t w o r ka r ed e s c r i b e di nt h i sp a p e r , t h e ”w a v e l e tp a c k e t - e n e r g y ”f r o mt h ec h a r a c t e r i s t i c so fa c q u i r i n gs i g n a l si s u s e da sn e u r a l n e t w o r km p u tv e c t o r i nt h eb pn e t w o r ks t r u c t u r ed e s i g n , t h ed e s i g no fa h i d d e nl a y e rw i t hv a r i a b l en u m b e ro fb pn e t w o r ki se s t a b l i s h e d b a s e do n 太原理工大学硕士研究生学位论文 t h ee r r o rb yc o n t r a s t , t h eb e s tn e r v en u m b e rc a l lb ei d e n t i f i e di nt h eh i d d e n l a y e r , a n dt h r e ed i f f e r e n tt r a i n i n gf u n c t i o n sa r ea d o p t e dt ot r a i nt h en e t w o r k t h r o u g hi n t e g r a t e da n a l y s i s ，u s i n gl e v e n b e r g - m a r q u a r db ps t u d ya l g o r i t h m ， n e t w o r k _ t r a i n i n ge r r o r sa r er e l a t i v e l ys m a l l ，t h ea c o u s t i ce m i s s i o ns i g n a li s u s e di nb pn e u r a ln e t w o r ka sap a t t e mo f r e c o g n i t i o n i nm a t l a b 6 5 ，n e u r a l n e t w o r km o d e li d e n t i f i c a t i o ni s c r e a t e da n d t a k i n ga d v a n t a g eo f n o n l i n e a r i t ya n dt h ea b i l i t yo fl e a r n i n ga n dm e m o r yo f n e u r a ln e t w o r k ， t h i sm o d e li sf i x e db yt r a i n i n gs t r u c t u r eo fn e t w o r kw i t h t r a i n i n gs a m p l e s i nt h er e s e a r c hi th a ss h o w nt h em e t h o dc a l lr e a l i z ep a t t e r nr e c o g n i t i o no f t h ea c o u s t i ce m i s s i o ns i g n a l se f f e c t i v e l y k e yw o r d s ：t h ef l a w ，b pn e u r a ln e t w o r k , t h ep o w e r s p e c t r a le s t i m a t e ， m a t l a b v 太原理工大学硕士研究生学位论文 第一章绪论 1 1 概述 随着现代化大生产的高速发展，人们更加关注设备的安全问题，当这些现代化 的设备一旦发生了故障，所带来的严重后果也非过去可比，有的还会成为人类历史 的悲剧。例如，1 9 8 6 年，美国的“挑战者”号航天飞机失事损失高达1 2 亿美元。 前苏联的切尔诺贝利核电站的核泄漏事故，对整个地区的人员、生态环境都是无法 估量的损失。因断裂、疲劳，腐蚀和磨损而造成的破坏占美、日等国家每年国民经 济总值的6 8 。而在我们国家二十世纪八十年代的结构损伤事故率比工业化国 家高十倍还多，人员累计伤亡居国内劳动安全事故第二位。因此，防止这类事故的 发生成为紧迫的任务。而防止这类事故的发生的根本途径是研究结构材料损伤的故 障诊断( 尤其是早期故障诊断) 的理论和技术，实现结构损伤的早期识别，及时采取 措施，防止损伤的发展，保证这些系统安全、可靠、长寿命、高效地运行。故结构 材料损伤监测具有重要的理论意义和巨大的经济效益。 故障诊断技术具有很强的学科交叉性，尤其是现代控制理论，信号处理，模 式识别、最优化方法、决策论、人工智能等的迅速发展，为解决复杂系统的故障诊 断问题提供了理论基础，形成了许多具体的方法。故障信号特征提取为故障准确诊 断的前提条件。近三十年来，各类机械设备基于实时监测( 包括振动监测) 的故障诊 断技术的研究和应用，促进了故障信号处理和特征提取技术的发展。这些技术包括 时域信号波形分析和统计特征值提取：基于f f t 分析的高斯平稳随机信号现代谱分 析技术：自功率谱和互功率谱、高阶谱、倒谱、复倒谱( 也包括与之相对应的自相 关与互相关函数、高阶自相关函数等时域分析) ：非平稳信号的时频分析和多元统计 分析等。故障诊断技术还涉及到材料的选择、制造工艺、结构设计、断裂力学等多 种学科和专业技术领域。随着力学、材料科学、物理学、化学领域的学科交叉与发 展，可从缺陷的背景和损伤、断裂机制来研究从材料变形、损伤到失效的全过程。 太原理工大学硕士研究生学位论文 而计算机数据处理、模式识别的技术发展为与早期故障相关的微弱信号的捕捉和提 取，提供了有利的手段。与此同时，对无损检测技术也提出了越来越高的要求。声 发射技术由于其独特的动态无损检测特性，近年来，已经在原子能、航空、航天、 冶金材料等工业领域得到了广泛的应用。声发射检测的信号分析处理直接关系到检 测的效果以及安全评估效果，影响到整个声发射技术的实用性和可靠性，因而显得 尤为重要。目前，各种信号处理方法如灰色系统理论、模糊理论等已被人们用在声 发射信号上。 声发射信号数据量大，处理难度高，加上其他诸如环境噪声的影响，使得提取 一些基本参量有一定困难。首先，表现为噪声干扰，许多重要信息被掩盖。虽然实验 时采取各种措施尽可能减少环境噪声，但仍有一些环境噪声难以消除不可避免的混杂 在有用的信息中。其次，声发射事件波形记录结果相互重叠。最后，各种类型的波相 互重叠，波形难以分辨。诸如此类情况都会给信号处理结果带来误差。各种机理的声 发射源都会产生瞬态弹性波，瞬态弹性波经过声发射传感器被转变为电压一时间的电 信号。必须对声发射传感器输出的电信号要进行信号分析处理后才能获得有用信息。 声发射信号处理的目的是要对产生声发射信号的声发射源进行尽可能详细的描述，也 就是希望进行声发射信号一声发射源产生的瞬态弹性波一声发射源的反推理。由于在 大多数实际应用和研究过程中对声发射源产生的原始瞬态弹性波进行直接记录和观 察很困难，例如承载焊接裂纹产生的原始瞬态弹性波只有经过焊接材料中波的传播和 传感器转变后才能传到接收仪器，因而声发射仪器不能得到声发射源发出的和传感器 声能电能变换前的瞬态弹性波。声发射信号处理实质上是要根据不完整，受到畸变 和干扰并混合有大量噪声源的声发射信号信息中获得声发射源的信息特征和描述。 小波分析是近年来发展起来的一种新的信号处理方法，它在时域和频域上同时 有着良好的分析能力。而训练过的神经网络能存储有关过程的知识，能直接从定量的 故障信息中学习，可以通过对象的各种状态信息训练网络，再用训练好的网络对当前 所测得的数据信息进行识别，确定故障。因此，人工神经网络非常适合应用于故障诊 断系统。其中，在故障诊断领域中用得最多也最有效的是前向多层神经网络，由于该 网络在学习( 训练) 过程中采用了b p 算法，故称为b p 网络。b p 神经网络以其并行分布 式处理、联想记忆、自组织及自学习能力和极强的非线性映射能力，特别适合于多故 2 太原理工大学硕士研究生学位论文 障、多征兆的复杂模式识别问题。利用小波变换进行瞬态信号的消噪、滤波以及提取 信号特征量的能力，神经网络模式识别的能力，将小波分析和神经网络结合用于声发 射检测，可以有效地促进声发射技术的发展。 故障诊断实质就是状态的识别，诊断过程主要有三个步骤：第一步是检测设备 状态的特征信号，如振动、噪声、温度等；第二步是从所检测到的特征信号中提取 征兆；第三步是故障的模式识别。其任务就是发现故障并分离出发生故障的部位、 判别故障的种类、估计故障的大小及进行评价与决策本课题以大型振动机械为研 究对象，进行结构损伤的声发射监测与裂纹信号提取方法研究。 本文对从振动筛下横梁上所提取的声发射裂纹信号和无裂纹时的噪声信号进 行对比，寻找裂纹信号特征，在功率谱分析研究的基础上，利用神经网络进行模式 识别，以便更准确、更有效的对振动筛的结构完整性做出评价。 1 2 声发射检测技术简介 声发射是近年来得到快速发展的无损检测新技术之一声发射监测是一种动态 无损检测方法，但它与其他无损检测方法有所不同，声发射信号是在外部条件作用 下产生的，对缺陷的变化极为敏感，可以检测到微米数量级的显微裂纹变化，检测灵 敏度很高。此外，因为绝大多数材料都具有声发射特性，所以声发射检测不受材料限 制，可以长期连续地监视缺陷的安全性和超限报警，这是声发射检测优于其他无损 检测的地方。本文工作目标是对金属结构的声发射信号进行数字处理来判断金属结 构是否完整，是否有损伤裂纹出现。材料或结构受外力或内应力作用产生变形或断 裂，以弹性波形式释放出应变能的现象称为声发射( a c o u s t i ce m i s s i o n 简称a e ) 。 它是一种较新的无损检测技术。声发射也称为应力波发射，各种材料声发射的频率 范围很宽，从次声频、声频到超声频。声发射是一种常见的物理现象，如在耳边弯 曲锡片，就可以听见劈啪声，大多数金属材料塑性变形和断裂时也有声发射产生， 但在一般情况下，声发射信号较弱，人耳不能直接听见，需借助灵敏度较高的电子 仪器检测。而用电子学的方法检测、分析声发射信号以评价缺陷发生、发展的规律 和推断声发射源的位置的技术称为声发射技术 1 。 作为一种较新的无损检测技术，声发射检测技术与常规无损检测技术：渗透、 3 太原理工大学硕士研究生学位论文 磁粉、涡流、射线、超声检测相比较具有两个基本特点： ( 1 ) 敏感于动态缺陷，而不是静态缺陷；即不像其他无损检测技术是在缺陷 出现后，采用静态检测来发现，而是在缺陷的萌生和扩展过程中，进行实时监测。 ( 2 ) 弹性波来自缺陷本身，从而可以获得有关缺陷的丰富信息以及检测的高 灵敏度和高分辨率。 以上两大特点导致了声发射检测技术具有以下优点 2 ； ( 1 ) 可以得到缺陷的动态信息，并以此评价缺陷的实际危害程度，以及结构 的整体性和预期使用寿命。 ( 2 ) 对于大型构件，不需要移动传感器做繁杂的扫查操作，只需布置好足够 数量的传感器，经一次加载或试验过程，即可大面积检测确定缺陷的位置和监视缺 陷的活动情况，操作简单，省工，省时。 ( 3 ) 可以提供随载荷、时间、温度等处施变量而变化的实时瞬态或连续信息， 适用于过程监控以及早期或临近破坏的预报。 ( 4 ) 对被检工件的接近要求不高，适用于其它无损检测方法难以或不能接近 的环境下的检测。 ( 5 ) 对构件的几何形状不敏感，适用于检测形状复杂的构件。 ( 6 ) 几乎所有材料在变形或断裂时均产生声发射，适用范围广。 声发射技术虽然具有上述一系列的优点，但在实际的应用中也存在着一定的局 限，其局限性表现为： ( 1 ) 声发射不能提供静态缺陷的情况，因为只有在动态受力情况下才会产生 声发射现象。 ( 2 ) 声发射的不可逆性使测量应在第一次加载时进行，如果已经加过载，则 未超过上次加载载荷时不会有声发射产生，因此，进行声发射检测前，需知道它的 承载历史。 ( 3 ) 声发射过程中伴有大量的噪声，不注意排除噪声，将可能得到错误的结 果，因此，声发射测量技术的应用和噪声信号处理技术密不可分。 声发射检测技术从6 0 年代以来，得到了许多国家的重视。其研究主要围绕声 发射源识别和声发射源评价正，反两个问题。在压力容器的结构完整性评价、转动 4 太原理工大学硕士研究生学位论文 设备的故障诊断、泄漏检测和复合材料声发射研究等方面取得了显著的成果，此外， a e 还可以用于材料的疲劳、蠕变、脆断、应力腐蚀、焊缝和焊接过程的监测，应用 范围已覆盖航空、航天、石油、石油化工、铁路、汽车、建筑、电力等领域。总之， 声发射技术正面临着一个全新的更高层次的发展前景 3 ，4 ，5 j 。 声发射检测技术不但具有整体性、快速及时性、经济性等特性，还对缺陷的 类型做出危害等级评估。如同体材料中内应力的变化产生声发射信号。引起材料内 应力变化的因素很多，如位错、孪生、裂纹形成和扩展、相变、磁效应、表面效应 等等。从声源发出的弹性波最终到达材料的表面，由换能器接受并转换为电信号， 经前置放大器放大后，由计算机处理分析，人们然后根据观测到的声发射信号分析 与推断材料产生的声发射机制，从而进一步判断出材料是否完整可靠，一般声发射 系统包括；声发射源、换能器、前置放大器、信号采集处理和记录系统。声发射检 测原理方框图如图1 1 所示【6 】。 图1 - 1 声发射检测原理示意图 f i g 1 - 1 a c o u s t i c e m i s s i o nt e s t i n gs c h e m a t i cp l a n 1 3 国内外声发射技术研究概述 声发射是一种常见的物理现象，例如岩石开裂、骨头断裂和各种固体材料断裂 过程中发出的声音都是声发射现象。早期的声发射技术应用大约在公元前6 5 0 0 年， 古人在制陶过程用听窑炉陶器凝固过程中发出的声音来判断制造的陶器是否完好 阴。本世纪初人们开始用专用仪器研究金属材料中的声发射现象。目前，人们已将 声发射技术广泛应用于：金属材料、复合材料、陶瓷材料、机械故障诊断、岩石及 岩石监测、混凝土结构、焊接过程控制、机械加工和核工业等领域 8 ，9 】。 5 太原理工大学硕士研究生学位论文 1 3 1 国内声发射技术研究状况 我国声发射技术开发与应用起步较晚，其特点是首先着眼于应用，通过文献查 阅可以了解到近几年来的主要研究内容包括： 疲劳裂纹的声发射信号检测技术疲劳裂纹的萌生和扩展是机械零件在变载荷 作用下的主要失效形式。利用模态声发射的基本理论分析裂纹的声发射波形，建立 声发射参数与裂纹扩展速度之间的关系。结果表明：声发射技术不失为一种动态检 测零件疲劳裂纹的有效方法 1 0 。 应用声发射技术估计结构剩余寿命的研究从可靠性理论的基本观点出发，推 导出一个确定构件剩余寿命的数学公式，在此基础上，利用声发射技术中某些对疲 劳损失较为敏感的特征参数，能够比较准确地确定构件的剩余寿命c 1 1 。 声发射技术在设备故障诊断中的应用利用声发射技术可以实现故障信息的实 时采集，同时使用计算机对进行信息分析、处理，以此为原理构成了在线故障诊断 监测系统，原理可靠，手段先进，能够及时准确地捕捉微弱的故障信号，极大地提 高了设备运行的安全性 1 2 。 声发射技术在含能材料研究中的应用将声发射技术应用在含能材料中，对在含 能材料中应用声发射检测技术的途径进行比较，已提出将几种无损检测手段综合应 用，并对含能材料性能研究、安全评估、库存可靠性研究及损伤、老化数值模拟等 方面提供可靠的试验数据和理论依据 1 3 。 发电厂主要设备状态的声发射监测利用声发射技术监测汽轮机动静部分的摩 擦故障，采用声发射信号与振动信号综合可以准确找出故障原因，同时利用声发射 信号可以监测压力容器及管道裂纹与泄漏c 1 4 】 1 3 2 国外声发射技术研究状况 声发射是近年来得到快速发展的无损检测新技术之一，国外的专家在这方面做 了大量的工作，研究项目主要包括： t h o m a sme 等人研究了石墨环氧树脂复合材料纵向开裂与纤维断裂时的声发射 现象，发现纵向开裂对应的声发射特征为低幅度、短持续时间、低计数和低能量， 而纤维断裂正好与纵向开裂相反 1 5 。 6 太原理工大学硕士研究生学位论文 t i a n ，y 等人运用短时傅立叶变换分析声发射信号，并把所得信号的频谱作为人 工前向神经网络的输入，从而识别出噪声和声发射信号，对裂纹的危害程度进行判 断 1 6 。 声发射在压力容器检测方面，美国m a n s a n t o 化学工业公司到2 0 世纪9 0 年代 初已应用声发射技术成功检验了几千台大型压力容器，其中许多检测是在运行过程 中进行的 1 7 。该项工作在日本和欧盟许多国家也得到广泛研究和应用 1 8 ，1 9 。 j y i j i i nl o u 等人对陶瓷基复合材料纵向拉伸试验进行了研究，发现当应力超 过比例极限时，开始产生基体裂纹与a e 信号，在硬化阶段前的非线性段，a e 计数 与相应应变值呈线性关系，在硬化开始点，a e 信号达到饱和 2 0 。 r o b e r t stm 等对疲劳裂纹的声发射现象进行了监测，提出应用声发射记数表 示应力密度因子幅度，建立了声发射参数( 振铃率) 与疲劳裂纹扩展速度相互关系 的数学模型 2 1 。 1 4 本论文主要内容 大型直线振动筛是洗煤厂的主要设备之一，作为振动机械，不仅工作强度大， 且工作环境十分恶劣，连续工作使其结构极易产生疲劳断裂。因此，及时发现结构 的早期损伤，对合理地安排设备的维修、更换，以避免重大的人身事故及设备严重 损伤是具有非常重要的现实意义的。下横梁作为振动筛的重要结构，是振动筛的主 要承载部件，是易发生疲劳损伤的结构。本文将下横梁作为损伤结构识别的研究目 标，在广泛阅读国内外有关资料的基础上，提出利用小波分析以及小波神经网络模 式识别等技术对振动筛下横梁的声发射信号进行分析处理研究，期望在声发射信号 处理方面取得实质性的进展，以提高裂纹的检测质量，同时，对于声发射技术的推 广应用也具有重要的意义和实际价值。 声发射检测到的是一些电信号，根据这些电信号来解释结构内部的缺陷变化往 往比较复杂，需要丰富的知识、经验和其他实验手段的配合。另一方面，声发射检 测环境常常有强的噪声干扰，加上受到声发射自身特性、声发射信号传播介质、传 感器的特性和声发射仪器测量等多种因素的影响，所采集的信号波形十分复杂。因 此，如何从所采集到的信号中提取到所关注的声发射信号，获得有关声发射源的信 7 太原理工大学硕士研究生学位论文 息一直是人们面临并努力加以解决的难题。 近年来神经网络的研究发展十分迅速。神经网络以其许多优点在智能故障诊断 中受到越来越广泛的重视，而且已显示出巨大的潜力，并为智能故障诊断技术的研 究开辟了一条新的途径。本文基于b p 网络算法模型，提取的信号特征在信号整个 频段进行小波包五层分解和重构，把整个频段平均分为3 2 个频带，求取各个频带 的能量值，构造相应的训练样本集，作为神经网络的输入向量，通过对已知样本集的 训练学习，使网络具有联想记忆和模式匹配等功能，从而达到故障检测和故障诊断 的目的。 本课题研究的目的在于改进和提高声发射技术在疲劳裂纹检测方面的效果和 精度，通过对实验数据进行多角度处理分析，寻找出可行的方法。主要研究内容如 下： 1 对振动筛下横梁进行了室内加载实验，采集声发射波形信号； 2 讨论了小波分析理论在信号特征向量提取方面的应用； 3 分析了噪声的来源，对如何抑制环境噪声进行了研究； 4 对所采集的数据信号进行了频谱分析，并将小波分析用于声发射信号分析处 理进行了可行性研究，在此基础上，利用松散型小波神经网络进行信号特征提取和 故障模式识别，从而为现场数据处理提供必要的参考。 8 太原理工大学硕士研究生学位论文 第二章声发射信号检测处理方法概述 声发射技术作为一种动态无损检测方法已经广泛用于各种材料或结构的稳定 性评价。声发射检测的目的就是尽早地发现声发射源和尽可能多地得到声发射源的 信息。目前，常用的声发射信号的处理方法有特征参数法和波形分析法。 2 1 声发射信号的基本特征 声发射是物体受到外部条件作用使其状态发生改变而释放出来的一种瞬时弹 性波。实验表明，声发射信号通常有如下一些特征： 1 声发射信号是上升时间很短的振荡脉冲信号，上升时间约为1 旷1 0 弋，信 号的重复速度很高。 2 声发射信号有很宽的频率范围，通常从次声频到3 0 m h z 。 3 声发射信号一般是不可逆的，就是说声发射信号具有不复现性。同一试件在 同一条件下产生的声发射只有一次，这就是所谓的凯塞( k a i s e r ) 效应。 4 声发射信号的产生机理各式各样，且频率范围很宽，使声发射信号具有一定 的模糊性。 声发射信号的上述特性主要由材料的强度、应变速率、晶体结构、温度状态等 因素决定。 2 2 影响材料声发射特性的有关因素 不同材料的声发射特性差别很大，即使是同一材料也有很大不同，这说明其影 响因素很复杂。其中除了凯塞尔效应即不可逆效应外，可概括为外部影响因素和内 部影响因素 2 2 1 。 1 外部有关因素 外部因素包括：试验条件、试件形状、变形速度、试验温度、加载方式等。同 一材料在相同的试验条件下，厚度不同，声发射特性也不同，这被成为声发射的体 积效应研究表明，试件的厚度对裂纹扩展所产生的突发型声发射信号的幅度有影 9 太原理工大学硕士研究生学位论文 响。 试验的温度也会影响试样的变形和断裂形式，同一材料在高温易于塑性变形， 此时连续型声发射较为活跃，当温度下降，塑性断裂往往转为脆性断裂，容易出现 突发型声发射信号。 许多材料的声发射特性与变形速度有关，被称为声发射的应变速率效应。试样 在拉伸试验时，常常在屈服点附近声发射计数率达到最大值。声发射信号的平均强 度也随应变速率的增大而增大 2 内部有关因素 试件内部的晶体结构、均匀性、热处理引起的组织结构变化等，都会改变材料 的声发射特性。材料的晶体结构是影响声发射信号幅度的一个基本因素。一般各向 异性大的晶体结构声发射信号的幅度也大，如六方晶体比立方晶体在变形时声发射 信号要强。晶体的结构对声发射信号的影响取决于变形的机理，非扩散型相变会出 现强烈的声发射，而扩散型相变几乎不出现声发射。 均匀性也影响材料的声发射特性。存有杂质的、第二相的金属材料和由不同的 材料合成的复合材料，其声发射特性较原材料有明显的不同。 热处理工艺不同，比如晶体的细化、强度的提高、组织结构的变化、变形方式 和断裂方式的变化等，都将引起声发射信号的显著差异。 以上所有因素对于合理选择检测条件，正确解释试验结果，均为需考虑的基本 问题。 2 3 声发射信号的表征参数 在声发射检测中，传感器检测到的信号通常有两种类型：( 1 ) 连续型：幅度低 而发射次数很多的连续波形，如塑性变形和泄露信号。( 2 ) 突发型：信号的幅度一 般比连续型发射高，发生的部位限制在某个区域，脉冲的形状也不相同。 连续信号参数包括：振铃记数、平均信号电平和有效值电压；突发型信号表征 参数主要有：波击记数、振铃记数、幅度、能量记数、上升时间、持续时间和时差。 传感器每振荡一次输出一个脉冲，称为振铃。声发射信号波形从超过阈值开始到最 大幅值所需时间称为上升时间。 1 0 太原理工大学硕士研究生学位论文 以下是常用信号表征参数的含义及其用途 2 3 ： 1 波击( h i t ) 和波击记数 波击是指某一通道检测到的瞬态声发射信号；对波击个数进行记数，称为波击 记数，又可分为总记数和记数率。总记数是从开始实验起到某一特定时间结束时的 总的波击记数，它反映了声发射信号的总量；记数率为单位时间内的波击记数，它 则反映了声源的频度。 2 事件记数( e v e n t s ) 对一个事件记一次数的方法称为事件记数，它是由一系列间隔不等、幅度不等 的衰减振荡所组成。可分为事件总记数和事件记数率。 3 振铃记数( c o u n t s ) 振铃记数是指振铃脉冲越过门槛值的次数，某一特定时间内总的振铃记数称为 振铃总记数，单位时间内的振铃记数叫做振铃记数率。振铃记数发简单，因此在声 发射监测中被普遍采用，但受阈值的影响较大。 4 幅度( a m p l i t u d e ) 幅度是指声发射波形的峰值振幅，通常用d b 表示，可表示为： 幅度( d b ) = 2 0 l o g ( v m a x l p v ) 一前置放大器增益( d b ) ( 2 - 1 ) 5 持续时间( d u r a t i o n ) 在一个声发射波击中，声发射信号从第一次越过阈值到最后一次越过阂值所经历 的时间称为持续时间。能大概反映信号的强度和频度。 6 上升时间( r i s et i m e ) 指声发射信号从第一次越过阈值到最大振幅所用时间，以表示，用于机电 系统噪声的鉴别。 7 能量记数( e n e r g y ) 在声发射实验中，较多地是使用振铃记数方法。但这种方法存在着某种缺陷， 例如振铃记数随信号频率而变；只是间接地考虑了信号的幅度；记数与重要的物理 量之间无直接关系等。因而提出了能量测量方法。它同时以信号的幅度和时间的长 度来作为能量的量度标尺。声发射能量反映声发射源以弹性波形式释放的能量声 发射信号的幅度平方后进行包络检波，用包络线所包围的面积就可以度量信号所包 太原理工大学硕士研究生学位论文 含能量的相对值可分为总能量和能量率 8 ，平均频率( a v e r a g ef r e q u e n c y ) 确定整个声发射波击的平均频率，以i d d z 为单位，与振铃计数和持续时间有关， 计算公式如下：平均频率= 振铃计数持续时间。 9 有效值电压( r m s ) 采样时间内，信号电平的均方根值，以v 表示。与声发射的强度有关，测量方 便，不受阂值的影响，适用于连续型信号，主要用于连续型声发射活动性评价。 1 0 平均信号电平( a s l ) 采样时间内，信号电平的均值，以d b 表示。适用于对幅度动态范围要求高而 时 间分辨率要求不高的连续型信号，也用于测量背景噪声水平。 1 1 时差( t ) 同一个声发射波击到达各传感器的时间差，以螂表示决定于声源的位置、传 感器间距和传播速度，用于声源的定位。 2 4 声发射信号的分析方法 2 4 1 特征参数法 由于信号处理技术的限制，早期声发射仪器很少具备对声发射信号进行瞬态捕 捉和实时处理的能力，处理声发射信号一直较多使用的是参数分析法。常用的参数 分析法有记数法、能量分析法、幅度分析法等，参数分析方法相对比较简单，对仪 器硬件的要求较低，易于实现实时监测，因而得到了广泛的应用。 记数法是处理声发射脉冲信号的一种常用方法。目前应用的记数法有：声发射 事件记数和振铃记数率以及它们的总记数，另外还有一种对振幅加权的记数方法， 称为“加权振铃”记数法。记数法的缺点是易受样品几何形状、换能器的特性及连 接方式、阈值电压、放大器等工作状况的影响。 由于记数法处理声发射信号存在以上缺点，尤其对连续型声发射信号更为明 显，因而通常采用测量声发射信号的能量来对连续型声发射信号进行分析。目前， 1 2 太原理工大学硕士研究生学位论文 声发射信号的能量测量是定量测量声发射信号的主要方法之一。 波形特征参数法是通过统计声发射波形特征参数，画出直方图和趋势图等来评 估材料或结构的稳定性。由于纪录、存储等硬件的限制，声发射波形特征参数处理 是在电器回路中进行的，其优点是分析速度快可实现实时处理。 沈功田在其博士论文中通过对压力容器各种声发射源信号特征参数进行人工 神经网络模式识别分析，提出了采用人工神经网络模式识别对压力容器声发射源信 号进行定量分析的概念：通过对压力容器各种声发射源信号特征参数进行灰色关联 度分析，建立了压力容器声发射源的灰色关联特征识别方法。 2 4 2 声发射信号的谱估计方法 随着声发射技术应用领域的不断扩大，越来越多的应用领域要求高的信号分 辨能力、高的噪声信号滤波能力以及信号分类和信号模式识别能力。而这些要求是 目前以特征参数声发射信号为基础的非谱估计方法难以达到的。波形分析是通过分 析声发射信号的时域或频域波形来获得信息的一种信号处理方法。可以预见，以波 形声发射信号数据为基础的谱估计方法将得到各个领域的更广泛的应用。谱估计可 分为经典谱估计和现代谱估计两大类。 经典谱估计方法已经在声发射技术中得到应用，主要在材料形变声发射建筑 材料、机械切削损伤等领域进行声发射信号分析，采用的经典谱估计方法均为简单 f f t 变换谱估计。从目前已经获得的用简单f f t 变换经典谱估计处理声发射信号的 结果来看，谱估计在声发射信号处理中有强大的生命力，有良好的应用前景。有些 过去用波形特征参数分析方法分离噪声困难而无法应用声发射技术的场合，现在用 谱估计方法处理声发射信号能得到良好结果。随着声发射技术应用领域的拓宽和深 入，越来越多的应用领域要求高的信号分辨率能力，高的噪声信号滤波能力，信号 分类和信号模式识别能力。这些高性能的信号处理能力是目前以特征参数声发射信 号数据为基础的非谱估计方法难以达到的。可以预见，以波形声发射信号数据为基 础的谱估计方法将会越来越多的应用于各声发射技术应用领域。 现代谱估计方法在语音分析、地震波信号分析、雷达信号分析等领域已获得 巨大应用成功，被证明是一种适用于要求高分辨力复杂波形信号分析的分析手段， 1 3 太原理工大学硕士研究生学位论文 声发射波形信号类似于语音、地震波信号，都是短记录、非周期随机信号。 1 经典谱估计方法 经典谱估计是以傅立叶变换为基础，又称为线性谱估计方法。它主要包括间接 法和直接法以及在此基础上的改进方法 2 4 。 ( 1 ) 间接法又称为自相关法或b t 法。它是由随机信号的n 个观察值x ( o ) ， x ( n 一1 ) ，估计出自相关函数r 。( 所) ，然后再求r 。( 用) 的傅立叶变换作为功率谱的估 计 s 眇) = r 。( m ) e - 1 ”i m i en -1(2-2) ( 2 ) 直接法又称为周期图法。它是直接由傅立叶变换得到的，设有限长实序列 x ( n ) 的傅立叶变换为 x ( e p ) = x ( n ) e - 舯 ( 2 3 ) 则周期图的计算公式为 ，( 们= 专p 。p ) 1 2 ( 2 4 ) 在m a t l a b 的函数工具箱里，调用函数为p e r i o d o g r a m ( x ) ( 3 ) 改进的直接法( w e l c h 法) 直接法和间接法的方差很大，而且当数据太长 时，谱曲线起飞加剧；数据长度太小时，谱的分辨率又不好