基于聲發(fā)射的狀態(tài)評價與定位技術研究.pdf

1、聲發(fā)射(Acoustic Emission，AE)信號處理是聲發(fā)射技術的重點研究內容，也是無損檢測評估中的關鍵環(huán)節(jié)。AE信號對結構內部損傷程度、類型和位置的識別是AE檢測技術研究的核心。AE信號按照其產生的物理本質分為典型和二次型，傳統(tǒng)的信號處理方法對此并沒有區(qū)分。分別探討這兩種類型AE信號在產生機理、傳播特性和波形特征等方面的共性和特性，研究相應的AE信號處理和分析方法，也是急需解決的問題。
　　本文從工程應用的角度，分別研究了

2、兩種AE信號的產生機理和處理方法，一方面，針對二次型AE信號，以旋轉機械碰摩AE信號為研究對象，深入研究了AE信號的預處理、定位和識別的新方法;另一方面，針對典型AE信號，以煤巖樣沖擊破裂的AE信號為研究對象，提出了對AE波形的特征提取方法和對煤巖體沖擊破裂狀態(tài)預測的新方法。本文主要內容包括:
　　針對金屬自由板內AE信號的傳播特性進行了深入的理論分析和實驗驗證，提出了一種對AE傳感器信號的多模抑制和頻散補償?shù)念A處理方法。實驗結果

3、表明，該方法能有效分離出AE信號中的主要成份A0和S0，濾除高階模態(tài)波的干擾，減弱AE監(jiān)測信號中波包擴展和變形程度，以及合成與頻散補償出單一模態(tài)波，進而為AE源類型分析提供依據(jù)。
　　針對旋轉機械碰摩AE信號的寬帶、多模態(tài)和頻散特性，引入了基于頻率聚焦理論的近場多重AE源定位算法，并推導了頻率聚焦矩陣的計算公式。針對算法對聚焦頻率和聲源位置初值的依賴性，進一步對算法進行完善，提出了基于頻率自動聚焦的近場AE源定位方法。研究結果表明

4、，兩種方法均具有較好的分辨相干信號的能力，后者對AE源的定位精度較高、計算量小，可為碰摩初期故障的檢測提供有效依據(jù)。
　　結合AE信號能量在空間分布上具有稀疏性的特點，引入稀疏分解理論，提出了時域多快拍近場AE源定位算法，構建了特征子帶陣列信號在空間上稀疏分解的凸優(yōu)化模型，得到AE信號在整個空域中能量分布的稀疏系數(shù)。針對近場雙AE源定位中較遠AE源的定位精度不理想且計算復雜度高等問題，從子帶分解和粗-細網格的優(yōu)化搜索策略角度出發(fā)，

5、提出了基于頻率多快拍的近場AE源稀疏分解定位算法。實驗結果表明，改進的方法定位精度高，計算量小，實用性強，具有很好的解相干能力，可以有效地應用于碰摩AE信號的定位檢測中。
　　基于深度學習框架下的卷積神經網絡，提出了一種轉子碰摩故障AE信號識別新方法。對頻散補償后的AE信號提取語譜圖特征，從時間、頻率和能量角度構建不同工況下AE信號的狀態(tài)參數(shù)，利用卷積神經網絡對碰摩故障進行識別。該方法直接對AE信號的語譜圖特征學習和識別，避免了人

6、為選擇某些局部特征而造成的信息丟失，能更全面的描述AE信號的碰摩特征。實驗結果表明，該方法具有較好的碰摩故障識別性能。
　　在AE信號預測煤巖沖擊破裂研究中，首先，分析了煤巖內部斷裂發(fā)出的AE信號的產生機理，從無標度區(qū)域的優(yōu)化搜索方面改進了GP關聯(lián)維數(shù)特征。實驗結果表明，改進的GP關聯(lián)維數(shù)對巖樣從穩(wěn)定期到破裂階段的演變更加敏感，在噪聲環(huán)境下具有較強的魯棒性，是用于巖石破裂狀態(tài)識別的有效特征。在此基礎上，針對AE信號的高頻和低頻特征