[发明专利]一种金属拉深件微小裂纹冲击性信号的识别方法

摘要

本发明公开一种金属拉深件微小裂纹冲击性信号的识别方法，先采用声发射传感器对金属拉深件微小裂纹声发射冲击性信号进行采集，对采集的信号进行前置放大、滤波和A/D转换预处理，将预处理的信号输入计算机中，再进行小波包分析，对小波包分解后的不同频段的数据进行重构，采用时间序列的方法对去噪后的声发射信号进行时序分析，建立时序模型，最后在计算机中结合模糊综合评判方法与最大隶属度原则实现对金属拉深件的状态辨别。本发明能提高特征参数反映实际工况的准确度，在保证获得足够信息的前提下，可以大大减少采样数目，频率定位准确且清晰，适合于在线监测的高要求场合。

主权项

1.一种金属拉深件微小裂纹冲击性信号的识别方法，采用声发射传感器对金属拉深件微小裂纹声发射冲击性信号进行采集，对采集的信号进行前置放大、滤波和A/D转换预处理，将预处理的信号输入计算机中，其特征是采用如下步骤：(A)将计算机中的预处理信号进行小波包分析，对小波包分解后的不同频段的数据进行重构，根据分解所得不同频带的信号，将环境噪声信号、摩擦磨损信号对应频带的权数置零，合成其它所有频带的信号，完成对声发射信号去噪；(B)在计算机中采用时间序列的方法对去噪后的声发射信号进行时序分析，建立时序模型，建模内容如下：1)采用式(1)的自回归模型研究声发射信号的时域、频域及能量特征，估计自回归模型的参数；x_k＝φ₁x_k-1+φ₂x_k-2+…+φ_nx_k-n+a_k，式中：x_k，x_k-1，…，x_k-n表示信号幅值，φ₁，φ₂，…，φ_n表示自回归模型参数，a_k表示白噪声，表示a_k的方差；采用尤耳-沃克方程估计法估计出和这n+1个参数；2)根据最小最终预报误差准则由样本对模型定阶，根据模型的预报误差来判明自回归模型的阶数是否合适，最终预报误差定义为：FPE(n)=σa2·N+nN-n---(2)]]>式中：N是观测数据长度，n为自回归模型的阶数，FPE(n)表示模型阶数的函数，当n增大时，模型残差方差下降，但(N+n)/(N-n)值增大，取使FPE(n)最小的n值作为模型的最佳阶数；3)根据式(3)的系统输入、输出的自功率谱与传递函数的关系，得出时间序列{x_k}的自回归谱图：S_out(w)＝S_in(w)|H_x(w)|²                                              (3)式中：S_in(w)为输入白噪声的功率谱密度，S_out(w)为输出白噪声的功率谱密度，T_s为采样时间，Δ为采样间隔，H_x(w)为传递函数，也称为频率响应特性函数，其中：S_in(w)＝σ_a²·T_s                                                      (4)4)根据时间序列{x_k}的自回归谱图，提取声发射信号时序模型的特征参数，在自回归谱图中要提取的特征参数有：总能量、高频能量、高频能量比、谱峰峰值和中心频率；从自回归谱图提取能量由下式(6)实现：E=Σi=1NPSD(i)Δf---(6)]]>式中：N为自回归谱图上特定分析频带内谱线的数目；PSD(i)为对应于第i条谱线的功率谱密度函数值；Δf为频率分辨率；(C)在计算机中结合模糊综合评判方法与最大隶属度原则实现对金属拉深件的状态辨别，步骤如下：1)根据金属拉深件各种资料统计出故障发生时所有可能表现出的各种征兆，构成征兆集X＝{x₁，x₂，…，x_n}；2)根据金属拉深件各种资料和实际的经验统计出各种故障状态构成的集合为Ω＝{w₁，w₂，…，w_m}；3)首先对Ω中的一个故障w_i(i＝1，2，...，m)作单故障模糊评判，确定被评判对象对征兆集x_j(j＝1，2，…，n)的隶属度r_ij，得出第i个故障w_i的单故障模糊集：r_i＝(r_i1，r_i2，…，r_in)由m个故障的评价集构造出一个总的评价模糊矩阵R=r11r12···r1nr21r22···r2n············rm1rm2···rmn]]>R即是故障论域U到征兆域X的一个模糊关系，μ_R(ω_i，x_j)＝r_ij表示ω_i和x_j之间隶属关系的程度；4)用a_i(i＝1，2，...，m)表示第i个故障w_i在总评价中重要程度的权数，各权数组成的集合为故障论域U上的模糊子集A，记作：A=a1w1+a2w2+···+amwm]]>或者A＝(a₁，a₂，…，a_m)式中：a_i(0≤a_i≤1)为w_i对A的隶属度；5)作模糊变换来进行模糊综合评判：B=A·R=a1,a2,···,am·r11r12···r1nr21r22···r2n············rm1rm2···rmn=b1,b2,···,bm]]>B为征兆集X上的模糊子集，b_j(j＝1，2…，n)为征兆x_j综合评判所得模糊子集B的隶属度；按照最大隶属度原则选择最大的b_j所对应的征兆x_j作为综合评判的结果。