基于EMD-SVD的声发射信号特征提取及分类方法.pdfVIP

第22卷 6期 应用基础与工程科学学报 Vo1．22，No．6 2014年 12月 JOURNALOFBASICSCIENCEANDENGINEERING Dec~mber2014 文章编号：1005—0930(2014)06—1238—010 中图分类号：TB52+9 文献标识码：A doi：10．16058／j．issn．1005—0930．2014．06．020 基于 EMD．SVD的声发射信号特征 提取及分类方法 徐 锋，刘云飞 (南京林业大学信息科学技术学院，江苏 南京210037) 摘要：针对胶合板损伤声发射(AE)信号的非平稳性和损伤类别特征相互重叠的 实际情况，提出了基于经验模态分解(EMD)和奇异值分解(SVD)相结合的信号 特征提取与识别方法．首先对AE信号进行EMD分解，运用互相关系数和方差 贡献率筛选出包含主要信息的本征模态函数 (IMF)分量；其次对各 IMF分量构 建的初始特征矩阵进行 SVD分解，将得到的奇异值作为表征各损伤信号的特征 向量；最后建立Mahalanobis距离判别函数对各损伤信号进行识别分类．五层胶 合板损伤的实测数据表明，该方法能够方便地提取出AE信号特征并对其损伤 类型进行有效的识别． 关键词：声发射；经验模态分解；奇异值分解；特征提取；Mahalanobis距离 声发射(AcousticEmission，AE)是材料受外力或内力作用产生变形或断裂时，以弹性 波的形式释放应变能的现象 ¨j．目前AE技术已被应用于多个领域，但对木质胶合板的损 伤监测，AE技术鲜有报道．胶合板的损伤模式主要包括基体开裂、纤维断裂、脱胶、分层 等，每一种损伤都对应特定的AE信号．然而，不同的损伤模式通常以组合形式出现，类别 特征相互重叠 J，同时由于传播介质的各向异性和多源性噪声的污染，加大了AE信号鉴 别的难度．因此，提取各声源信号特征与识别其损伤模式是 AE技术应用的首要任务和核 心技术． 文献[3]应用短时傅里叶变换分析了均质装 甲(RoiledHomogeneousArmor，RHA)变 形和断裂过程中AE信号的特征，但此方法适合分析特征尺度大致相同的信号，窗口没有 自适应性，对非平稳的AE信号不够理想．文献 [4—5]分别利用小波 (包)变换对AE信号进 行多层分解，构建各频段能量序列为表征各损伤或故障信号的特征向量，其缺陷是小波基 选择困难，分解层数难以确定． 经验模态分解(EmpiricalModeDecomposition，EMD)是一种非常适合于非线性、非平 收稿 日期：2014一O1—14；修订 日期：2014—07—11 基金项 目：江苏省第七批 “江苏省六大人才高峰”项 目(DZXX-149—148)；江苏高校优势学科建设工程一期项 目(苏 政办发 2011．137—5)；南 京林业大 学科技创新基金 (163070080)；南京林业 大学 “十五”人才基金 (163070505) 作者简介：徐锋 (1977一)，男，在职博士生，讲师．E-mail：xufeng@njfu．corn．cn 通信作者：刘云飞 (1962一)，男，博士，教授．E-mail：lyf@njfu．corn．cn No．6 徐 锋等：基于EMD-SVD的声发射信号特征提取及分类方法 稳信号的分析方法，其本质是对信号进行平稳化和线性化处理，把复杂的信号分解成有限 个瞬时频率有意义、幅度或频率受调制的本征模态分量 (IntrinsicModeFunction，IMF)． EMD技术现已广泛应用于海洋波动数据分析、设备诊断学和信号特征提取等研究领 域 J，并且取得了不错的效果，但在AE信号处理尤其是木质材料激发的AE信号处理方 面国内外研究甚少．矩阵奇异值是矩阵的固有特征，具有较好的稳定性，当矩阵元素发生 小的变动时，奇异值变化很小，同时矩阵奇异值还具有比例不变性和旋转不变性 J，因此 其符合模式识别中特征提取的要求．近年来，奇异值分解 (SingularValueDecomposition， SVD)在信号处理、数据压缩等方面都有广泛应用