聚类分析在声发射信号处理中的应用.pdfVIP

第 28卷 第 4期 沈 阳 化 工 大 学 学 报 Vo1．28 No．4 2014．12 JOURNAL OF SHENYANG UNIVERSrrY OFCHEM ICAL TECHNOLOGY Dec．2O14 文章编号：2095—2198(2014)04—0360—05 聚类分析在声发射信号处理中的应用 金志浩 ， 叶 陈 ， 陆景阳 ， 李志定 ， 吴旭景 (1．沈阳化工大学 能源与动力工程学院，辽宁 沈阳 l10142；2．葫芦岛特种设备监督检验所， 辽宁 葫芦岛 125001； 3．中国石化集团宁波工程有限公司，浙江 宁波315103) 摘 要 ：针对声发射信号分类识别的问题，首先将信号特征参数 中的幅度、能量、振铃计数与持 续时间作为聚类分析的特征属性进行聚类，然后将每类中距离聚类中心较近的信号作为样本训练 神经网络 ，最后利用训练好的神经网络对剩余的信号进行模式识别．实验结果表明：此方法不仅省 去 了神经网络对样本进行人工标示的繁琐过程，而且提高了神经网络训练效率． 关键词 ：声发射信号； 聚类分析 ；神经网络；模式识别； 信号处理 doi：10．3969／j．issn．2095—2198．2014．04．016 中图分类号 ：TN9l1．72 文献标识码：A 声发射 (AE)检测 ¨是动态缺陷检测的有 要有大量高质量人工标识的训练样本，这在一定 效手段，随着 AE技术广泛应用于工程实践中， 程度上影响了该方法的实用性．聚类分析可以自 如何有效地对AE信号进行特征提取和分类识 组织、自适应地进行在线学习，并不需要事先定义 别逐渐成为研究热点．耿荣生等 利用模态声 该如何分类，同时也不需要训练样本，信号数据是 发射理论 ，根据扩展波、弯曲波、切变波的不同声 按 自身的相似性而分类的，但其分类效果往往不 速和频率特性，有效识别噪声和有用 AE信号； 太理想．针对这一问题，文中将聚类分析和神经网 YUJintao等 利用谐波小波包提取信号各频段 络相结合，更加有效地对信号进行了分类识别． 的能量特性，用于声发射源类型的识别；徐锋 本文选取信号中幅度、能量、振铃计数、持续 等 应用经验模态分解提取胶合板损伤声发射 时间这4个代表性特征参数 作为特征参量， 信号特征作为神经网络特征参量，对其损伤类型 采用最常用的k—means算法来进行聚类分析，然 进行了有效识别；金文等 提出三比值计算法 后选取每类中距离聚类中心较近的一些信号作 并建立声发射源特征的物元模型，准确判断出表 为神经网络的训练样本，最后用训练好的神经网 征症状隶属于某种声发射源．这些研究对声发射 络对信号进行分类识别． 检测在故障模式识别上有着重要指导意义． 1 聚类分析的理论基础 典型的AE信号总是由发生在很短时间内 的阶跃式位移脉冲引起，由于在很多情况下，结 由于聚类分析在声发射领域的应用较少，为 构和传播路径基本都是固定的，所以，接收到的 此简要介绍聚类分析的一些基本概念 ． AE信号波形基本保持不变．因此，传感器接收 1．1 聚类概念 到的同一类源信号应该具有较高的相似性 ． 人工神经网络能够实现不同声发射信号之间的 设有n个样品的P元观测数据组成一个数 分类，但其分类结果的好坏取决于训练样本，需 据矩阵： 收稿 日期： 2013—12—11 基金项 目： 国家重点基础研究发展计划(2011CB706504) 作者简介： 金志浩 (1964一)，男，浙江东阳人，教授 ，博士 ，主