声发射信号处理及源定位方法研究

发布时间：2020-11-02 16:09

　　 声发射(AcousticEmission,AE)是无损检测和评估中的一种重要方法,可广泛应用在石油化工、航天航空、材料实验和交通运输等领域。大型工业基础设施的运行安全性和可靠性是当前研究的热点问题,如果不能对其在服役过程中的性能和寿命给予有效的检测和评估,就很难避免灾难性事故的发生。本文针对声发射检测过程中的关键技术进行了研究,主要包括以下几个方面的工作:(1)从声发射信号的共性出发,分析声发射信号的传播、衰减和散射模型,以及噪声对特征参数分形维的影响。基于快速独立分量分析算法(FastICA)降噪理论,对比分析4种不同判据的FastICA模型对降噪结果的影响。与其它降噪算法比较,结果表明FastICA降噪效果更好,并将FastICA降噪后的声发射特征参数和原信号的特征参数进行比对,进一步验证FastICA算法在声发射信号降噪中的可行性和有效性。(2)针对声发射检测过程中事件判定不准的问题,本文采用基于聚类分析的声发射信号处理方法,提高了声发射事件提取准确率。根据声发射定位要求,研究三角定位算法和超定定位算法,并根据算法不同特点采用牛顿迭代法和信赖域法对定位方程进行求解。通过蒙特卡洛模拟实验对比研究两种算法在理想和非理想情况下的计算性能和定位性能,并分析速度误差和时间误差对两种算法的影响。通过断铅实验比较了 AEWin、三角定位和超定定位的定位结果,分析结果表明,基于超定定位算法具有更高的定位精度和更好的算法稳定性。(3)设计完整和V型槽两种Q235B板材试样的弯曲实验,采用时频历程和相关分析对损伤过程中的声发射信号特征参数进行分析。通过机理分析得出,当材料存在损伤时AE信号的活性会增强的更迅速,更易达到屈服点,并且会伴随新的特征频率出现;AE特征参数之间的相关关系只对声发射源敏感,而与产生该信号的结构损伤形式无关。基于AR模型对Q235材料拉伸过程中的声发射信号进行特征提取,将AR模型参数作为BP神经网络的输入,实现了试样在不同损伤阶段的识别。通过与其它方法进行对比分析,发现基于AR和BP神经网络的模式识别方法识别率更高。(4)自主开发一套“声发射检测数据分析系统”的软件,其主要功能包括:声发射信号采集模块、信号处理模块、显示模块和文档保存模块。该系统能够完成声发射信号波形分析,声发射源定位和模式识别等工作。
【学位单位】：东南大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：TH878
【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及意义
    1.2 国内外研究现状
        1.2.1 声发射信号处理研究现状
        1.2.2 声发射源定位方法研究现状
    1.3 主要研究内容
第2章 声发射信号处理
    2.1 声发射传播特性和噪声分析
        2.1.1 声发射信号的散射和衰减
        2.1.2 声发射噪声来源及其对分形维的影响
    2.2 小波降噪原理和方法
    2.3 ICA降噪原理和方法
        2.3.1 ICA基本模型
        2.3.2 数据预处理
        2.3.3 FastICA算法
    2.4 断铅实验分析
    2.5 本章小结
第3章 声发射源定位
    3.1 声发射信号事件判定
        3.1.1 初始声发射事件判定
        3.1.2 多目标声发射事件判定
            3.1.2.1 聚类测度计算
            3.1.2.2 聚类过程
        3.1.3 实验分析
    3.2 三角定位算法
        3.2.1 直线定位算法
        3.2.2 三角定位算法
    3.3 超定定位算法
    3.4 定位性能评价
        3.4.1 研究平台
        3.4.2 理想情况下两种算法的计算性能比较
        3.4.3 非理想情况下两种算法的计算性能
    3.5 实验及对比分析
        3.5.1 样本制作和传感器布置
        3.5.2 实验过程
        3.5.3 实验结果分析
    3.6 本章小结
第4章 声发射信号特征分析与模式识别
    4.1 Q235B弯曲损伤声发射监测实验
        4.1.1 实验试样
        4.1.2 实验仪器与参数设置
        4.1.3 实验方案
        4.1.4 薄板弯曲损伤过程
    4.2 声发射信号特征分析
        4.2.1 声发射信号时域参数特征
        4.2.2 声发射信号频域参数特征
    4.3 声发射信号相关分析
    4.4 声发射信号模式识别
        4.4.1 BP神经网络原理
        4.4.2 试样制备与实验数据
        4.4.3 基于AR时序建模进行特征提取的BP网络识别
    4.5 本章小结
第5章 声发射检测数据分析系统开发
    5.1 系统性能需求分析
    5.2 系统总体框架设计
    5.3 系统功能模块设计
        5.3.1 声发射信号数据获取模块
        5.3.2 声发射数据处理模块
        5.3.3 声发射数据显示模块
        5.3.4 结果文档提交模块
    5.4 本章小结
第6章 总结和展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间发表的学术论文

【参考文献】

相关期刊论文 前10条

1 金中薇;姜明顺;隋青美;赛耀樟;路士增;曹玉强;张法业;贾磊;;基于广义互相关时延估计算法的声发射定位技术[J];传感技术学报;2013年11期

2 顾海贝;刘武刚;孙飞;张凯;;基于神经网络算法的复合材料板声发射源定位[J];导弹与航天运载技术;2012年01期

3 胡昌洋;杨钢锋;黄振峰;毛汉领;;声发射技术及其在检测中的应用[J];计量与测试技术;2008年06期

4 刘国华;黄平捷;龚翔;顾江;周泽魁;;基于分形维和独立分量分析的声发射特征提取[J];华南理工大学学报(自然科学版);2008年01期

5 何建平;王宁;;基于小波变换的岩体AE波形特征研究[J];工矿自动化;2007年04期

6 金解放;赵奎;王晓军;赵康;;岩石声发射信号处理小波基选择的研究[J];矿业研究与开发;2007年02期

7 李伟;方江涛;戴光;;基于独立分量分析和小波变换的低碳钢点蚀声发射信号特征提取[J];化工机械;2007年02期

8 黄晓燕;罗建;;自适应时延估计算法在被动声定位系统中的应用[J];探测与控制学报;2007年02期

9 龚斌;金志浩;齐辉;闻邦椿;;无须测量声速的声发射源定位方法研究[J];仪器仪表学报;2007年01期

10 字正华;石庚辰;;基于LMS自适应算法的瞬态信号时延估计[J];探测与控制学报;2006年01期

相关博士学位论文 前3条

1 刘严岩;多传感器数据融合中几个关键技术的研究[D];中国科学技术大学;2006年

2 李伟;低碳钢点蚀声学检测与信号处理技术研究[D];大庆石油大学;2006年

3 王强;基于声信号检测的管道TPD预警系统研究[D];浙江大学;2005年

相关硕士学位论文 前1条

1 王彬;基于声发射技术的预应力混凝土损伤检测理论及应用[D];江苏大学;2006年

本文编号：2867263