解析流體電磁閥在復雜環境下的聲發射信號去噪及信號分析方法

由于受信號采集和處理的限制，早期的聲發射儀器很少具備對信號進行瞬態波形捕捉和實時處理的能力，因此信號分析中用得較多的是參數分析方法。在各個應用領域，人們通過多年的實踐總結出許多經驗，濕度傳感器探頭, 不銹鋼電熱管, PT100傳感器, 流體電磁閥,鑄鋁加熱器,加熱圈通過對聲發射參數的分析，建立表征和映射關系。如美國的ASTM和ASME標準，以及我國的國標 GB/T18182[1]等都是以聲發射的參數來進行監測對象的無損評價和**性評價。Prine D. W.等[2]為了用聲發射評價焊接過程中缺陷的嚴重性，對幾種鋼和結構材料進行解剖，并用金相方法測量裂紋的尺寸，發現聲發射參數(總計數)與裂紋大小之間存在著密切的關系。在斷裂力學上，Dunegan H.L.等[3]利用聲發射總計數N來表述金屬材料中的應力強度因子K值和裂紋擴展速率的關系。Rice[4]和Ravindra .H .V[5]還利用了刀具在切削過程的聲發射信號的能量分布關系分別預測刀具裂紋擴展程度、監測刀具的工作狀況。復合材料的聲發射研究中，Nanjo[6] 和Vaidya[7]均發現纖維斷裂產生低幅值的聲發射信號(40-60dB)，而晶間裂紋產生高幅值的聲發射信號(65-85dB);金周庚[8]在碳 /環氧復合材料的聲發射特征研究中發現振鈴計數、幅度、持續時間、恒載聲發射延續時間、費利希蒂比是區別復合材料構件各損傷階段、損傷類型、力學特性的主要參數。

　　參數分析法中為了能找到聲發射源的特性和內在規律，人們通常使用關聯圖分析法，即將幅度、持續時間、能量、到達時間、均方根電壓值、撞擊數、撞擊數率、外接參數等之間任意兩個變量做關聯分析。從聲發射參數的關聯圖中可以找出聲發射信號的變化規律，以區分不同特性的信號。如在壓力容器或管道中，內部介質的泄漏信號可以認為是連續信號，因而與容器或管道內部的缺陷發出的AE信號相比，其信號的持續時間相對較長，通過一些參數(如通道號)對持續時間的關聯圖我們可以及時發現介質的泄漏。美國MONPAC聲發射檢驗俱樂部以聲發射信號計數與幅度的關聯圖的形態來評價金屬壓力容器聲發射檢驗數據的質量。關聯圖分析法是參數分析法中*主要和常用的方法，人們也通過多年的實驗總結了一些非常實用的經驗。

　　隨著工程實踐的需求和聲發射技術應用研究的深入，研究工作者們在沿用前人定義的聲發射參數的基礎上，根據研究需要不斷定義新的參數，使得參數對聲發射逆源問題的分析更加深入。Shiwa等提出用波形比率和衰減率評價薄膜層的破壞。在實際的應用研究中，往往根據實際情況選用多個合適的聲發射參數構成特征參量，對逆源問題進行多角度多層次的分析，以提高分析的能力和精度。當然，對參數方法，還可以運用一些現代信號處理手段去發現一個內在的規律和特征的關聯性。如沈功田[10] 對金屬壓力容器聲發射源應用常規參數如能量、持續時間、幅度、計數、到峰計數和上升時間，通過神經網絡和灰色關聯分析等手段成功區分裂紋擴展、殘余應力釋放和機械磨擦引起的聲發射信號。在復合材料和土木工程結構方面Belchamber、Murthy和Chichibu等人應用幅度、持續時間等常規參數進行了模式識別，也能將一些不同的聲發射信號區分開來。

　　聲發射信號波形分析

　　波形分析是指通過分析聲發射(AE)信號的時域波形或頻譜特征來獲取信息的一種信號處理方法。理論上講，波形分析應當能給出任何所需的信息，因而波形也是表達AE源特征的***的方法，并可獲得信號的定量信息。所以從聲發射技術發展的初期，人們就意識到波形分析在識別聲發射源及評價被測對象中的重要作用，并想通過各種方法來獲取聲發射源產生的原始波形信號，但由于硬件達不到采集、實時處理和存取要求，以及信號處理手段不完善，所以一直制約著聲發射波形分析技術的發展。隨著軟硬件技術的飛速發展，人們開始研制全波形聲發射檢測儀器，并利用現代信號處理手段進行波形的分析與處理，以得到更多的聲發射源信息。通常實驗室試件和工程構件多以板狀結構為主，因此，研究板中聲發射信號的特點，研究不同機理的源產生波形的異同(以及相應的頻譜和相關特性的異同)并進而尋找識別方法就顯得更有意義。美國學者 Gorman等人在復合材料板的聲發射波形特征方面做了不少工作，并提出了"模態聲發射"的概念，用以區分過去人們習慣了的參數分析方法[14]。如圖3 中所示鋼板上鉛芯折斷所產生擴展波(E波)和柔性波(F波)。

　　圖3 模態聲發射中E波和F波

　　過去己有不少學者對波形分析技術作過相當深入的研究。五十年代，Pekeris[15]和Knopoff[16]等研究過半無限空間(厚板)中深埋源引起的"震中"表面位移這一理論問題，其實質是求解在脈沖源作用下半無限空間的Lamb問題。Breckenridge等研究了厚板中階躍載荷產生的表面位移，其實驗結果已成為人們后來校驗聲發射傳感器瞬態響應的基礎[17]。Hsu和Sachse等利用卷積積分法并使用數值計算，求出在階躍聲源作用下板的表面位移，或反過來，通過表面位移求解聲源的形狀從而進行聲源識別[18]。耿榮生[19]利用波形分析方法對飛機雷達罩開膠故障進行了評價，通過接收激勵信號在雷達罩中的傳播，并對該接收波進行處理和分析來獲取有關粘接質量的信息。波形分析也能對聲源準確定位起到一定的作用，Ziola等[20]通過使用波形分析的方法，對復合材料板中聲源的定位進行了研究，并獲得了比參數法更高的定位精度。總之，有了聲發射波形，研究者們開始著手對這些波形信號進行分析，針對聲發射信號的特征，人們通常采用以下分析處理方法。

　　經典譜和現代譜分析

　　頻譜分析方法可以分為經典譜分析和現代譜分析兩大類，它們都是聲發射信號處理中*常用的分析方法。經典譜分析法以傅立葉變換為基礎，簡單、方便，但是其分辨率不高，且譜估計誤差較大。現代譜分析法以合適的參數模型來擬合信號或用數學上正交處理方法分離信號，提高了譜的分辨率和譜估計的統計穩定性。兩種譜分析方法都是通過把聲發射信號從時域轉換到頻域，在頻域中研究聲發射信號的各種特征，找到識別聲發射源本征信息。因為從理論上講，不同的聲發射源發出的信號都含有反應其本質特征的信息。譜分析就是要對時域信號不能發現的信息，以期在頻域中得到反應映。

　　近年來，人們在頻譜分析方面做了大量的探索，并取得了許多非常有意義的成果。由于聲發射技術應用的范圍非常廣泛，這些研究工作也遍布各個領域。 Cawthorne, M.等[21]利用波形的頻譜特征監測直升機轉動系統的動態部件的疲勞，取得了良好的效果。楊占才等[22]通過對汽車發動機活塞-缸套磨損過程產生的聲發射信號進行了分析，發現了聲發射信號功率譜特征變化反映了活塞-缸套間隙的不同，從而利用頻譜指標來判斷發動機活塞-缸套的磨損程度。在過去的幾年里，運用譜分析的方法對復合材料的損傷模式進行識別的研究非常多，如De Groot[23]在對環氧復合材料四類損傷模式的聲發射信號的特征研究中發現：不同損傷模式產生聲發射信號的頻譜分量各不相同，每一類損傷模式對應一個特征頻率分布范圍;在金屬材料的焊接缺陷研究方面，Bentley和Beesleyl[24]應用寬頻帶探頭和譜分析技術分析了鋼焊縫內缺陷的聲發射信號，他們發現能夠識別裂紋和夾渣類缺陷的*重要特征是頻率分量。劉時風[25]建立了功率譜與典型焊接缺陷聲發射源的對應關系。 R.Hou[26]等用聲發射監測管道內漿體顆粒的含量和流量，通過統計規律和聲發射信號頻譜分析，建立了管內介質的固體含量、流量和譜分量的量化模型，從而達到了工藝參數控制的目的。

　　以上前人的大量工作說明聲發射信號的頻譜能反映聲發射源的特征，并且相似的聲發射源產生的聲發射信號具有相似的頻譜分布特征;不同聲發射源的聲發射信號的特征可以通過頻譜分布信息得以體現。因此，頻譜分析能夠揭示聲發射源信號的特征和它的動態特性。但信號的頻譜分析要求被分析的信號是周期性的平穩信號，并且譜分析是一種忽略局部信息變化的全局分析方法。從圖1中可以看出聲發射信號是一種隨時間變化的非平穩隨機信號，某個時段細節特征對聲發射信號的分析特別重要，因此用頻譜分析不是分析聲發射信號特征的有效方法，分辨率不高且譜估計的誤差較大。我們應該尋找一種更符合聲發射信號特征的處理方法。

　　小波分析

　　信號分析和處理方法的研究是聲發射源識別和評價技術的關鍵問題之一，也是聲發射技術的主要發展方向。不論是突發的還是連續的聲發射信號都具有瞬態性和隨機性，屬于非平穩的隨機信號，并且是由一系列頻率和模式豐富的信號組成。對于這種類型的信號分析和處理應能同時提供時域和頻率域的分析，即聲發射信號處理方法應具有時頻分析能力。

　　小波理論從一開始就是數學家和工程師們共同創造的，從小波分析產生的開始就與實際工程問題緊密聯系在一起，因而它不僅有嚴密的數學理論基礎，而且也解決許多工程實際的問題。目前小波分析主要在分形、圖像處理、信噪分離、語音信號處理、信號特征提取和故障診斷等方面得到廣泛的應用。在聲發射信號處理方面主要是利用小波分析的信噪分離和良好的時頻局部化特性，以提取聲發射信號的特征找出其內在規律，達到識別聲發射源，了解其傳播特性的目的。還有一個有趣的用途就是，分離出我們感興趣的某些頻率的信號，用這些相對穩定的信號(無頻散，即波速一定)到達不同傳感器的時間，實現聲發射源的**定位。Wang. Q把小波變換與相關分析結合起來對轉子的摩擦聲發射信號進行定位研究，得到了比聲發射信號直接做相關定位精度高的結論[27]。

　　小波分析給聲發射信號處理技術帶來了新的生機，大量的文獻報導了小波分析在聲發射信號處理研究中取得了其它信號處理方法所不能獲取的研究成果，這說明小波分析是目前分析聲發射信號的*佳方法。同時由于聲發射檢測技術是一門實用性技術，所以把小波分析應用到聲發射檢測工程中，解決工程中的實際問題是聲發射信號小波分析的研究目的和發展方向[28]。但是同時看到，任何一種方法都不是萬能的，都有它的適用范圍。要真正地達到對聲發射源進行**的定性、定量和定位，還必須充分地根據聲發射信號的特點，結合各種信號處理手段優點，通過大量的工程檢驗，找出*合理的分析方法。

　　神經網絡識別

　　八十年代以來，以人工神經網絡(ANN)技術、專家系統(ES)為標志的人工智能技術的應用已滲透到各個領域，并在信號處理、模式識別、非線性優化、自動目標識別、傳感技術等方面取得了許多令人鼓舞的進展。這主要得益于它們在解決高度非線性和嚴重不確定系統推理方面的巨大潛力，為許多難以建立**數學模型的過程(如聲發射信號的傳播過程)及對象識別帶來新的希望。對聲發射信號分析處理的*終目的是實現對聲發射源的識別，人工神經網絡是目前實現模式識別的主要方法，因此也成為聲發射信號處理研究的主要內容之一[60]。

　　聲發射信號中包含有聲發射源的模式特征信息，但是由于傳播過程、介質特性、儀器響應的影響，從聲發射源到聲發射信號之間的映射是非線性的，很難進行這些不確定過程的**建模，而這正是人工神經網絡的長處，所以用人工神經網絡對聲發射源進行識別是一條頗具潛力的途徑。人工神經網絡用于聲發射檢測技術*早是由 Rangwala在1987年完成，他介紹了一種運用神經網絡和聲發射技術對刀具工作狀態進行監測的方法;Grabec和Sachse應用人工神經網絡對聲發射信號進行處理，并在其后的研究中，不斷運用神經網絡技術對聲發射信號進行處理[29]。Barga等人應用誤差反傳神經網絡對模擬飛機框架試樣的聲發射波形信號進行模式識別，其結果可以對裂紋擴展和摩擦信號加以識別[30]。Yang和Dumont[31]設計了一個多層復合的人工神經網絡對聲發射信號進行自動分類。Eric等人利用聲發射信號幅度參數結合神經網絡技術，來預測鋁合金的焊接強度，取得了很好的效果。約翰霍普金斯大學的James 運用神經網絡研究了復雜結構的定位實驗[32]。

　　目前，人工神經網絡在聲發射技術中的應用，都是針對某一具體的對象，缺乏一種帶有普遍指導意義的方法，而且在神經網絡的結構上缺乏對聲發射信號的針對性，所以還需要做更深入的研究和總結工作。

　　聲發射信號的相關分析

　　在信號處理中經常要研究兩個信號的相似性，或一個信號經過一段延遲后自身的相似性，以實現信號的檢測、識別與提取等。如同頻域里的譜分析一樣，時域里的相關分析幾乎在信號處理的所有領域里都有應用，例如圖象處理、衛星遙感、雷達探測、通信及控制工程、醫療和生物工程等。聲發射信號分析中，也常常用到相關分析技術。例如，可以通過聲發射源的時域信號或頻域信號進行聲源的相似性分析，從而達到聲發射源模式識別的目的[33]。

　　相關分析在聲發射信號處理中，還有一個重要應用是在連續聲發射信號的分析中。常用的測量兩個突發型聲發射波之間時差的技術不適用于連續型聲發射源,而互相關技術既適用于斷續波之間的時差或時間延遲測量,也適用于連續波之間的時差或時間延遲測量 ,這一技術已被成功地應用于管道聲發射檢測的泄漏源定位。