[發(fā)明專利]磁聲發(fā)射信號(hào)無量綱特征參數(shù)提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910398662.1
• 申請(qǐng)日: 2019-05-14
• 公開（公告）號(hào): CN110045002B
• 公開（公告）日: 2022-08-09
• 發(fā)明（設(shè)計(jì)）人: 李志農(nóng);吳莎;曾文鈞;沈功田;沈永娜
• 申請(qǐng)（專利權(quán)）人: 南昌航空大學(xué)
• 主分類號(hào): G01N27/72
• 分類號(hào): G01N27/72;G01N27/82
• 代理公司: 南昌市平凡知識(shí)產(chǎn)權(quán)代理事務(wù)所 36122
• 代理人: 張文杰

本發(fā)明公開了一種磁聲發(fā)射信號(hào)無量綱特征參數(shù)提取方法，通過Unwinding AFD算法將信號(hào)分解為單分量函數(shù)，通過選擇能量差較小的單分量函數(shù)組成重構(gòu)信號(hào)；在不同勵(lì)磁條件下分別提取低周疲勞狀態(tài)和高周疲勞狀態(tài)下的磁聲發(fā)射信號(hào)傳統(tǒng)特征參數(shù)和無量綱特征參數(shù)，通過歸一化處理，將傳統(tǒng)特征參數(shù)與無量綱特征參數(shù)進(jìn)行對(duì)比，取得無量綱特征參數(shù)對(duì)早期故障微觀組織結(jié)構(gòu)狀態(tài)和應(yīng)力狀態(tài)分析結(jié)果。本發(fā)明克服了傳統(tǒng)聲發(fā)射信號(hào)特征參數(shù)振鈴計(jì)數(shù)受門限值大小的影響；又解決了有效值電壓作為特征參數(shù)對(duì)早期故障不敏感的問題。能更精細(xì)、準(zhǔn)確的描述磁聲發(fā)射信號(hào)變化，能夠做到對(duì)磁聲發(fā)射信號(hào)進(jìn)行很好的分析，從而指導(dǎo)相關(guān)的無損檢測(cè)技術(shù)現(xiàn)場(chǎng)的實(shí)際應(yīng)用。

技術(shù)領(lǐng)域

本發(fā)明涉及一種磁聲發(fā)射信號(hào)提取技術(shù)，特別涉及基于自適應(yīng)Fourier分解的磁聲發(fā)射信號(hào)無量綱特征參數(shù)提取方法。

背景技術(shù)

磁聲發(fā)射技術(shù)作為一種新型磁性無損檢測(cè)技術(shù)，其在鐵磁性金屬材料早期疲勞狀態(tài)檢測(cè)方法展現(xiàn)出極大的潛力。目前針對(duì)磁聲發(fā)射信號(hào)處理提取的特征參數(shù)主要有：振鈴計(jì)數(shù)、幅度和有效值電壓，其中有效值電壓用來表征磁聲發(fā)射信號(hào)的能量，振鈴計(jì)數(shù)以及幅度用來表征磁聲發(fā)射信號(hào)的強(qiáng)度。但是，振鈴計(jì)數(shù)受到門限值大小的影響，而有效值電壓對(duì)于鐵磁性材料早期疲勞狀態(tài)并不敏感，這就使得我們的磁聲發(fā)射信號(hào)并不能很好地材料的微觀組織結(jié)構(gòu)和應(yīng)力狀態(tài)的變化狀態(tài)，從而很難實(shí)現(xiàn)將磁聲發(fā)射技術(shù)用于材料早期疲勞狀態(tài)的快速檢測(cè)。其次，與聲發(fā)射信號(hào)相比，磁聲發(fā)射信號(hào)較弱，幅度也偏低，容易被外部的因素所干擾，對(duì)磁聲發(fā)射的現(xiàn)場(chǎng)應(yīng)用具有很大的制約作用。

澳門大學(xué)數(shù)學(xué)系錢濤教授經(jīng)過潛心鉆研提出了一種新的數(shù)學(xué)變換，稱之為自適應(yīng)傅里葉分解，其具有比傳統(tǒng)傅里葉變換收斂速度快且能表達(dá)瞬時(shí)頻率的特點(diǎn)。錢濤^[1]提出自適應(yīng)Fourier分解算法是貪婪算法(匹配追蹤)的變異和實(shí)現(xiàn)，適用于Hardy H²和L²空間。將自適應(yīng)Fourier分解算法應(yīng)用于給定信號(hào)，可獲得基本信號(hào)中的一系列擴(kuò)展，稱為單分量，其具有非負(fù)分析相位導(dǎo)數(shù)(函數(shù))，或等效地、有意義的瞬時(shí)頻率。與貪婪算法一致的原理表明，自適應(yīng)Fourier分解算法產(chǎn)生(預(yù))單組分系列具有有效的能量衰減，這也導(dǎo)致在計(jì)算機(jī)運(yùn)行時(shí)間方面的有效逐點(diǎn)收斂。錢濤^[2]將Hardy空間中的函數(shù)分解成正交有理系統(tǒng){B_n}中基本函數(shù)的線性組合，這些組合是移位Cauchy核的Gram–Schmidt正交化過程中得到的，而這就使得有限能量的四元數(shù)值信號(hào)能夠自適應(yīng)分解。錢濤^[3]對(duì)該方法的進(jìn)一步深究是自適應(yīng)傅里葉分解研究的延續(xù)，它在不是平穩(wěn)光滑的溫和條件下提供收斂速率，因此結(jié)果表明在平均意義上對(duì)應(yīng)于傅里葉級(jí)數(shù)的參數(shù)的選擇是最優(yōu)的，同時(shí)還提出了自適應(yīng)有理正交系統(tǒng)與移位Cauchy核及其導(dǎo)數(shù)的相關(guān)序列之間的變換矩陣。Liming Zhang^[4]提出了基于自適應(yīng)傅里葉分解算法的時(shí)頻分析方法，文章從三個(gè)方面介紹了基于AFD的時(shí)頻分析原理：瞬時(shí)頻率分析，頻譜分析和頻譜圖分析，并且進(jìn)行了實(shí)驗(yàn)，將傅里葉變換的收斂速度和短時(shí)傅里葉變換的時(shí)頻分布進(jìn)行了比較，結(jié)果表明所提出的方法比傅立葉變換和短時(shí)傅里葉變換都表現(xiàn)得更好。Jonathan Chauvin^[5]提出了自適應(yīng)濾波器上的傅立葉基分解系數(shù)的方法，該分解是基于物理的發(fā)動(dòng)機(jī)動(dòng)力學(xué)時(shí)變模型設(shè)計(jì)的，在連續(xù)和離散情況下使用Lyapounov函數(shù)證明了收斂性，并且介紹了實(shí)驗(yàn)的測(cè)試平臺(tái)和開發(fā)環(huán)境。梁瑜^[6]采用自適應(yīng)傅里葉分解算法，將滾動(dòng)軸承振動(dòng)信號(hào)分解為一系列單一分量信號(hào)的同時(shí)計(jì)算每一個(gè)單分量的峭度，然后將結(jié)果從由大到小進(jìn)行排列，找到其穩(wěn)定的拐點(diǎn)，最后對(duì)找到的穩(wěn)定拐點(diǎn)前的所有分量信號(hào)求和然后作共振解調(diào)以此作為滾動(dòng)軸承故障的方法，通過研究發(fā)現(xiàn)該方法相較于傳統(tǒng)的共振解調(diào)方法能夠更加有效地診斷出滾動(dòng)軸承的故障。胡愛軍等人^[7-8]利用EEMD將滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行分解，并根據(jù)峭度最大準(zhǔn)則選取分解后的IMF進(jìn)行包絡(luò)解調(diào)，從而有效地提取故障特征信息。蘇文勝^[9]采用基于互相關(guān)系數(shù)和峭度準(zhǔn)則的EMD降噪對(duì)滾動(dòng)軸承信號(hào)進(jìn)行預(yù)處理，突出高頻共振成分,可以更好地診斷滾動(dòng)軸承早期故障。劉德軍^[10]針對(duì)串聯(lián)電弧故障主線路電流檢測(cè)方法易受非線性負(fù)載額定電流波形影響的問題，根據(jù)電導(dǎo)和極化過程產(chǎn)生介質(zhì)損耗電流的原理，提出一種基于剩余電流采集和峰值脈沖指標(biāo)識(shí)別的檢測(cè)方法。有量綱特征參數(shù)雖然會(huì)隨著損傷的發(fā)展而變化，但是易受到工作條件的影響，而無量綱特征參數(shù)不易受到工作狀況的影響，能夠更好地反映疲勞狀態(tài)下磁聲發(fā)射信號(hào)的信號(hào)特征。峭度指標(biāo)和脈沖指標(biāo)對(duì)沖擊脈沖類疲勞損傷比較敏感，當(dāng)早期疲勞損傷發(fā)生時(shí)，大幅度脈沖不多，因此均方根值變化不明顯，但是這兩個(gè)特征參數(shù)值顯著上升。隨著疲勞損傷的發(fā)展反而會(huì)下降，這就表示它們對(duì)早期疲勞損傷敏感但是穩(wěn)定性不太好，而均方根值對(duì)早期疲勞損傷不太敏感，但是穩(wěn)定性較好。張清華^[11]提出無量綱特征參數(shù)(Dimensionless characteristic parameter)由兩個(gè)具有相同量綱量的比值構(gòu)成，用其表達(dá)某一特定體系時(shí)具有一定的物理意義。解云峰等^[12]通過遺傳編程的方法對(duì)既有參數(shù)進(jìn)行了重新組合和優(yōu)化，提出了一個(gè)新的無量綱指標(biāo)N(N＝(K_v+C_f)²-2C_lfI_f；K_v為峭度指標(biāo)、C_f為峰值指標(biāo)、C_lf為裕度指標(biāo)、I_f為脈沖指標(biāo))，將提出的信的無量綱指標(biāo)用于旋轉(zhuǎn)機(jī)械的并發(fā)故障診斷，結(jié)果表明該參數(shù)對(duì)文中所列的幾種并發(fā)故障能夠達(dá)到比較好的識(shí)別效果。