声发射源特征识别的最新方法浅谈.docxVIP

声发射源特征识别的最新方法浅谈作者： 佚名 文章来源： 本站原创 阅读次数：266添加时间：2006-11-22 18:50:44[ 来自：李光海等 ] 摘要 本文介绍了多传感器数据融合、时频能量模式分析及分形理论识别声发射源特征的方法，说明基于波形分析的现代信号处理技术是揭示声发射源及信号传播规律的重要手段。 关键词 声发射（AE） 多传感器数据融合 信时频能量模式 分形理论 1 前言 与其他无损检测方法相比，声发射检测技术有其自身优点，尤其是对大型构件的整体性检测，更能表现出其经济、快速和合理的特点。工程上无损检测的目的是为了对检测对象的缺陷进行定位、定量和定性分析。人们对声发射源的定位（线性、平面和空间）和定量（能量、幅度、活性等）方面都进行了较深入的研究，并且已经制定了相应的判别标准（如GB/T18182等）。但对声发射源的定性方面研究得较少，其中的主要原因之一是声发射仪器的制约，使人们无法对声发射信号进行全波形采集。随着计算机软、硬件技术的飞速发展，基于计算机的测量技术也有了质的提高。已经出现了全波形数字化采集的声发射仪器，这给声发射源的定性识别带来了可能，也有人开始进行声发射模式识别方面的研究[1,2]。对于声发射波形的分析，我们根据采集到的波形进行合理的软硬件设置，以提取任何感兴趣的声发射参数，而这已经大大超越传统意义上的声发射参数技术。另外，通常工程上使用的构件都是一个方向的尺寸远小于另外两个方向尺寸的板状构件，而从板波理论可知，声发射信号在传播过程中会产生多种模式的波，而不同模式的波其传播速度不同，若能针对某一模式的波进行时差和波速的计算，就能实现声发射源更精确的定位。本文将简述声发射源识别的最新研究成果，主要包括：声发射源的多传感器数据融合识别技术、时频能量模式分析技术和声发射信号的分形处理技术。 2 声发射源多传感器数据融合识别技术 在声发射检测中，为了达到较为精确的定位，通常采用时差定位方法，这就需要两个或两个以上的传感器组合使用。如平面三角形定位，用三个传感器为一个定位组。而在以前人们所做的声发源特性识别方面的研究，都只是针对某一传感器的信号进行分析识别。由于声发射信号具有瞬态性和随机性，属于非平稳的随机信号，并且是由一系列频率和模式丰富的信号组成，而且在声波的传播过程中，又存在着衰减、反射、折射与模式转换，所以对同一声发射源的分析识别，定位组的各个传感器的结果可能不相同。在这种情况下，要想获得较高的识别可信度，就必须有一种方法对所获得的矛盾信息进行处理，对检测到的信号进行合理支配和使用，把多个传感器关于同一声发射源冗余或互补信息依照某种准则进行组合，减少识别过程中的不确定性，才能获得对声发射源的正确判断。尤其是对同一检测对象，我们采用不同类型的声发射传感器(如宽带、谐振等)，到底更应该相信那个传感器的结果？更复杂的情况，当同时存在超声或者应力应变等传感器的检测结果时，如何利用所有类型和不同位置传感器的信息，得到最为真实的结果，就显得非常重要。 2.1基于D-S理论的声发射源识别方法[3] 从声发射源发出的信号经过传输介质到达传感器，信号会发生变化或损失，各个传感器检测到的波形信号一般是不完整、不精确、模糊的，甚至可能是矛盾的，即包含着过程的不确定性。我们只能根据这些不确定性信息进行分析推理，最终得出声发射源的定性判别。不确定性推理最常用的方法有：Bayes方法和D-S证据理论两种。与Bayes方法相比，D-S证据理论有一个非常突出的优点，就是无需先验概率和条件概率，这对声发射检测这类几乎没有先验知识和专家库的新型技术显得非常有用，而且各个传感器之间的证据是相互独立的，每个定位组的探头数一般为三、四个，推理链不长，使用D-S规则非常方便。 对于声发射源识别的数据融合模型结构按数据抽象的层次划分主要有三类：数据级融合，特征级融合和决策级融合。根据声发射信号的特点，一般选择最高层次的融合方法，即决策级融合。由于球罐、桥梁等大型构件，通常采用数十个通道同时进行信号采集，而且一般声发射检测持续的时间较长，当进行全波形采集时数据量非常大，要对所有定位相关组的传感器进行集中决策处理会大大降低系统的效率和实时性。所以，在各个传感器局部目标识别的基础上，进行全局决策的结构比较适合声发射检测的特点，操作起来非常灵活，也有利于减少系统的复杂程度，使整个决策系统清晰可靠。在一个或几个传感器判断失效的情况下仍能继续工作，即系统具有一定的容错能力，总能得到一个唯一的识别结果。这对保证工程检测结果能够得到一个最终的安全性评价十分必要。此外，在工程上对于同一个声发射源还可能进行其他检测方法的复验(如采用超声、射线检测等)，以保证最终结果可靠。采用这种决策级的融合结构可以方便地对不同类型传感器或者检测方法的局部识别结果进行扩充融合，