[發明專利]基于AR-HMM的聲發射信號識別方法

有效

• 申請號: 201210498452.8
• 申請日: 2012-11-29
• 公開（公告）號: CN103852525A
• 公開（公告）日: 2014-06-11
• 發明（設計）人: 于洋;張明宇;楊平
• 申請（專利權）人: 沈陽工業大學
• 主分類號: G01N29/44
• 分類號: G01N29/44
• 代理公司: 沈陽智龍專利事務所(普通合伙) 21115
• 代理人: 宋鐵軍

?

技術領域：本專利涉及無損檢測領域聲發射檢測技術及現代信號處理技術，設計了基于AR-HMM的聲發射信號識別方法，用于罐底腐蝕聲發射檢測信號的識別。

背景技術：聲發射在線檢測技術具有連續在線檢測、對檢測環境及構件的形狀要求不高、可實現大范圍檢測的特點，近年來受到業內的普遍關注，成為國際上主要的罐底無損檢測方法之一。罐底腐蝕的有效聲發射源主要三類：（1）當儲罐處于嚴重腐蝕損傷時，在受力條件的改變下儲罐局部范圍會產生一定的形變；（2）罐底存在著的裂紋、未融合、未焊透等缺陷在液位的變化下發生開裂；（3）儲罐發生腐蝕時產生氧化物的開裂或剝離。提取聲發射信號的特征值，識別出聲發射信號的類型，是聲發射信號識別的關鍵。

聲發射信號具有瞬態性和多態性，是典型的非穩態信號。模糊識別、人工神經網絡、統計識別等傳統的識別方法，由于隸屬函數很難建立，樣本需求量大，不能從整體角度考慮識別等缺點，不能很好地反應聲發射信號的特性。隱馬爾科夫模型(?Hidden?Markov?Model，HMM)是馬爾科夫鏈的一種，由于其本身就可以完成統計學習和概率推理，因此不需要知道待求解問題的精確條件，對分析特征量重復再現性不佳、信息量大的非穩態信號具有獨特的優勢。自20世紀80年代以來，HMM多被應用于語音識別領域，近年來，HMM也被引入到處理機械振動信號方面，但在聲發射檢測領域的應用還是空白。

發明內容：

發明目的：本發明涉及一種基于AR-HMM的聲發射信號識別方法，其目的是解決以往的方法效果不理想的問題。

技術方案：本發明是通過以下技術方案實現的：

一種基于AR-HMM的聲發射信號識別方法，其特征在于：該方法的具體步驟如下：?

獲取不同聲發射源的多組聲發射信號；

（一）、對提取到的聲發射信號進行去噪，求零均值等預處理；

（二）、把經過預處理的不同聲發射源、多組聲發射信號等長度的分為n段，對每段提取相同階次的AR模型參數；

（三）、取每段1/3~1/2靠前范圍的、與信號相關性強的AR模型參數組成整個信號的特征值，將多組特征值作為多觀測序列HMM的觀測值；

（四）、對獲得到的AR特征值進行矢量量化；

（五）、選取HMM的初始參數，輸入一系列預處理后的特征值，建立每種聲發射源所對應缺陷的HMM模型；

（六）、把待識別聲發射類型的觀測序列輸入到建立好的HMM庫中，選取最大輸出概率值所對應的聲源類型作為識別結果。

?“（1）步驟”中的聲發射信號分為三種，即鋼板裂紋的開裂、腐蝕形成的鋼板薄弱區的受載變形、腐蝕產生的氧化物的剝離，對聲發射信號預處理的方法為：選用db16小波基對腐蝕、氧化物剝離、鋼板裂紋聲發射信號做5層分解去噪，把去噪后的信號零均值化，提取出聲發射信號變化的動態部分。

AR模型的Yule-Walker方程為：

???（1）

其中，為常數，是AR模型的參數，為白噪聲序列誤差，x（n）為檢測到的聲發射信號；

“（2）步驟”中的AR模型參數的提取利用Burg法，該方法的具體步驟如下：

1）確定初始條件:?前向預測誤差???????????????????????????（2）

后面預測誤差???????????????????????????（3）

自相關函數????????????（4）

2）由式（5），求出反射系數K_m

??????????????????????（5）

3）由式（6）求出前后向預測誤差

??????????（6）

4）根據式（7）確定m階AR參數及前后向預測誤差之和，

??????????????????????????????????(7)

當m=1時AR模型參數,。

聲發射信號的采樣點數為1024，把經過預處理后的聲發射信號，每128個點為一組，共等分為8段，用Burg算法對這8段分別提取55階AR模型參數。

（5）~（6）步驟中使用Baum-Welch算法實現HMM識別，初始概率π=[1,0,0,0,0,0,0,0]，由于聲發射具有記憶性，所以狀態轉移矩陣為上三角矩陣，觀察矩陣B滿足下列約束條件：

HMM的訓練速度很快，三個訓練模型曲線在10步以后都已達到收斂。