声发射信号分类研究.pdfVIP

电声基础 匡0@D饷@响 囿 匡0@@ ⑨囿@⑥凹酏6@ 文章编号 ：1002—8684(2008)11—0035—04 声发射信号分类研究 · 论文 · 刘卫 东．陶 锐 (中国矿业大学 信 电学院，江苏 徐州 221008) 【摘 要】声发射信号具有时变的特征，对声发射信号进行短时分析技术，并采用快速傅里叶变换后提取信号的有 效特征 ．进而采用fisher准则对信号特征数量进行压缩，最后采用神经网络技术对信号进行分类 ，分类结果表 明这 种方法对声发射信号特别有效。 【关键词】声发射；短时分析；fisher准则；神经网络 【中图分类号】TN911．72 【文献标识码】A AE SignalClassification Research LIU Wei—dong．TAO Rui (SchoolofInformation ElectricalEngineering，ChinaUniversityofMining Technology，XuzhouJiangsu221008，China) A【bstract】Inview ofthetime—varyingcharacteristicsofAE(AcousticEmission)signals，theshort—timeanalysis andFFT(FastFourierTransform)areusedtoextractthesignalcharacteristicsofeffective．Thenhtefishercriterion is used to compress the number of sing a1． Finally the neuralnetwork is employed for signal classification． Classification resultsshow thatthemethod isparticularly effective in temr softheAE signa1． 【Keywords】AE；short-timeanalysis；fishercriterion；neuralnetwork 1 引言 国内外资料表明，要想声发射在无损监测中取得 突破性进展 ，最基本 的问题就是声源信号的鉴别。在监 测现场，一般环境复杂 ，声源众多，与有效的声发射信 号混合在一起 ，这对分析声发射信号，有效地监测微观 裂隙发育的动态特性带来了很大的困难。因此，利用声 发射信号进行预测预报的关键就是精确地去除噪声和 干扰信号，准确地提取有效的声发射信号以进行信号 分析。模式识别技术的应用为信号的分类提供了有力 的支持 ，模式识别的关键是特征选择与提取，许多研究 声发射信号是时变信号 ，对其进行处理时，需要对 者对此进行了多方面的研究，并针对不同的识别对象 ， 其进行截断，即加窗处理。根据数字信号处理理论 ，2 提出了相应的特征提取准则和方法。笔者重点针对声 个信号的时域相乘 ，在频域则是卷积 ，矩形信号频谱高 发射信号进行特征选择和提取的研究。 频成份必将影响信号的高频部分。因此，一般采用高频 2 声发射短时分析 分量 幅度较小 的窗 函数 ，以避免这些影 响。汉 明 笔者所采用的声发射信号是由铅笔芯折断产生