基于小波谱白化与自适应小波重构的木材损伤声发射源直线定位法研究

针对木材断裂声发射（acoustic emission,AE）信号源定位问题,提出了一种基于小波谱白化与信号相关性分析的木材表面AE源直线定位算法。首先,为得到木材断裂时产生的AE信号,使用万能力学试验机进行三点弯曲加载试验,在试件表面相距固定距离的3个位置采集试件断裂时产生的AE信号,设置采样率为500 kHz。然后,为合理补偿AE信号在传播过程中损失的高频部分提升信号分辨率,提出一种小波谱白化算法。为降低噪声信号的影响,提出了一种自适应的小波重构算法。最后,通过信号相关性分析法,计算信号到达各传感器的传播时差,并采用基于时差直线定位算法进行AE源定位。结果表明,木材断裂过程中,AE信号通过木材表面和木材内部2种途径传播,由于传播介质不同造成不同的传播速度。使用原始、小波谱白化重构、自适应小波重构的3种AE信号进行AE源定位时,木材表面AE源的定位误差为11.3%、2.6%、3.7%,木材内部AE源的定位误差为10.7%、2.9%、4.5%。AE信号的重构算法直接影响基于时差的AE源定位算法精度,特别是使用小波谱白化法能够显著提升AE信号分辨率同时提升计算时差的准确性进而提升AE源定位精度。     

应用小波谱白化对胶合木表面AE源定位算法的改进

针对声发射(AE)信号在胶合木板表面各向异性传播时的AE源定位问题,提出一种小波谱白化与信号相关性分析相结合的胶合木板表面AE源定位算法.首先,根据ASTM-E976标准在橡木胶合木板表面产生AE源,并在橡木胶合木板表面相距固定距离的4个位置采集原始AE信号,设置采样率为500 kHz.其次,采用小波谱白化算法减少胶层的影响以及合理补偿AE信号的高频缺失,为降低噪声信号的影响,提出一种自适应的小波重构算法.最后,依据试验结果拟合得到AE信号由胶合木板顺纹理方向到横纹理方向的传播速度变化公式,在此基础上根据信号相关性分析法计算信号到达各传感器的传播时差,并采用基于时差的定位算法确定AE源的位置.结果表明:使用原始、自适应小波重构法、小波谱白化法重构的3种AE信号进行定位时,两处AE源的定位结果为100.0％、67.1％、6.0％和41.5％、66.3％、2.8％.AE信号的重构算法直接影响基于时差的AE源平面定位算法精度,特别是使用小波谱白化法能够有效降低噪声信号、胶层的影响,合理补偿AE信号的高频缺失,提升信号分辨率,同时提升计算时差的准确性进而提升AE源定位精度.     

基于奇异谱和相关性分析的木材声发射源直线定位算法研究

针对木材声发射（acoustic emission,AE）信号的随机特性,提出了一种基于奇异谱和信号相关性分析的木材表面AE源直线定位算法。首先,依据ASTM标准通过折断铅芯的方式分别在樟子松和榉木试件表面产生AE源,并在顺纹理方向布置2个AE传感器,其中采样频率设置为500 kHz。然后,采用奇异谱分析（singular spectrum analysis,SSA）算法提高AE信号的信噪比,再分别基于信号相关性和最大值分析2种方法计算AE信号在木材表面顺纹理方向的传播速度。最后,依据AE信号传播时差和计算速度,基于时差定位原理设计AE源定位算法。并针对SSA处理前后的AE信号,采用不同定位算法进行比较试验。结果表明,直接对原始AE信号采用基于信号相关性和最大值分析方法确定信号传播速度时,樟子松试件2个不同位置AE源的定位误差分别为51.8%、55.7%和75.7%、46.6%;榉木试件2个不同位置AE源的定位误差分别为52.0%、44.8%和37.7%、45.5%。而对于经SSA处理后的AE信号,樟子松试件相应的定位误差分别为5.1%、33.2%和2.6%、31.7%;榉木试件相应的定位误差分别为3.1%、54.9%和5.1%、22.9%。因此,对原始AE信号进行SSA降噪处理后,再基于信号相关性分析方法确定信号传播速度,能够显著提高木材表面AE源的定位精度。     

木材表面声发射信号源的三角形定位方法

为了确定木材表面声发射源的发生位置,首先采用高速采集设备设计了基于Lab VIEW的多通道声发射信号采集平台,并采用小波分析方法从原始声发射信号中析取有用信号;然后根据信号传播的时延差确定声发射信号在木材表面的平均传播速率;最后依据基于时差的三角形几何定位原理,提出木材表面声发射信号源定位方法,并通过铅芯模拟声发射源的测试试验加以验证。结果表明该方法能够以较高的精度确定木材表面声发射信号源位置。     

基于信号相似度小波重构与时差的胶合木表面声发射源定位

针对声发射（acoustic emission,AE）信号在胶合木表面各向异性传播时的AE源定位问题,提出一种基于信号相似度小波重构与时差的表面AE源定位算法。首先,依据ASTM-E976标准通过铅芯折断在试件表面产生AE源,并采用NI高速采集设备构建基于LabVIEW的3通道AE信号采集平台,采样频率设定为500 kHz。其次,设计一种基于信号相似度的自适应小波重构算法,对原始信号进行降噪并重构AE信号波形。最后,依据试验结果拟合得到AE信号在胶合木表面360°范围内的传播速度公式,结合AE信号的传播规律设计AE源定位算法,并产生AE源以测试定位效果。结果表明,2组胶合木表面的AE源定位误差分别为5.2%、5.3%,基于信号相似度小波重构与时差的胶合木表面AE源定位算法能够有效地确定声发射源的位置。     

应用独立成分分析和小波分解对木材声发射信号的析取

选取常温气干状态表面无缺陷的樟子松(Pinus sylvestris var.mongolica Litv.)实木为试验材料,制成长800 mm、宽60 mm、厚30 mm的试件。使用UTM5105型万能力学试验机对试件进行破坏性试验,以500 kHz的采样频率采集木材三点弯曲试验产生的声发射(AE)信号,截取试验后期幅值无显著变化的一段原始信号作为研究对象。采用依据负熵最大化的快速独立成分分析(FastICA)盲源分离算法将原始信号分离成噪声和声发射信号,再对分离后的声发射信号进行5层小波分解后重构声发射信号波形;对重构声发射信号进行频域分析,通过与已知声发射信号的频域特征比较,验证信号析取的有效性。结果表明：构建的依据独立成分分析和小波分解(FastICA-Wavelet)的声发射信号析取方法,能够从混有声发射信号的类噪声信号中分解出声发射信号,利用小波分解能够进一步降低非独立噪声成分的影响。     

基于声发射技术的木材害虫信号特征检测

针对木材害虫声发射（AE）信号检测问题,研究杨树木段中麻点豹天牛幼虫AE信号波形特征及其信号的能量,为钻蛀害虫声音的监测提出一种新的方法。取一段具有麻点豹天牛幼虫的杨树木段,通过采样频率为500 kHz的2通道木材蠕变声发射信号采集系统采集原始AE信号。对采集到的原始信号滤波后进行小波分解,通过对各层高频信号的分析获取AE信号的频域特征,并对其进行重构与信号解析。结果表明,麻点豹天牛幼虫AE信号的主频主要集中在30 kHz附近,其信号的能量在16:00最高,反映了该幼虫在15:00-16:00较活跃。     

基于小波分析的樟子松表面和内部声发射信号频域研究

为准确计算樟子松断裂时在表面和内部传播的声发射（acoustic emission,AE）信号传播速度,对樟子松表面和内部传播AE信号的有效频段进行研究。为得到樟子松断裂时候产生的AE信号,使用万能力学试验机进行三点弯曲压断试验,并在试件表面相距固定距离的2个点采集原始AE信号。为得到不同频段的AE信号,对原始AE信号进行小波分解并重构AE波形。针对不同频段的AE信号,采用信号相关性分析法计算信号到达2个传感器的传播时差,以此计算AE信号的传播速度。根据AE信号在不同介质中的传播规律以及AE信号的传播速度判断AE信号的传播介质和AE信号的主要频率。结果表明,当AE信号在樟子松表面传播时,AE信号的有效频段为15~62 kHz。当AE信号在樟子松内部传播时,AE信号的有效频段为125~250 kHz。使用有效频段内信号计算AE信号的传播速度,可显著提升计算得到的AE信号传播速度的准确性。     

木材模拟声发射源的产生与特性

针对如何人为模拟木材损伤声发射(AE)源信号问题,采用折断铅芯、薄木条2种方式分别在樟子松、榉木试件中产生模拟AE源.通过小波处理、信号相关性分析,研究不同模拟AE源的信号特征和传播速度.其中折断铅芯试验依照ASTM-E976标准;折断薄木条产生模拟AE信号试验是在试件端面施加冲击力,引起断裂,以模拟木材发生点断裂时产生的AE信号.所有试验的AE信号采样频率均设定为500 kHz.依据木材AE信号的频率范围,采用5层小波分析的方法重构AE信号波形,进而分析2种模拟AE源信号的频率组成与分布.最后,采用两点时差定位法计算2种AE信号在试件顺纹理方向的传播速率.结果表明:2种方式产生的AE信号的频率组成和分布没有明显差异.折断樟子松、榉木试件端面薄木条产生的AE信号在断裂初期、断裂阶段的平均传播速度分别为786.5、1085.1 m·s-1和1145.2、1557.6 m·s-1;折断铅芯时,AE信号在樟子松、榉木试件中的平均传播速度分别为760.9、1120.5 m·s-1.折断铅芯产生的模拟AE源能够较好地反映木材在特定损伤阶段产生的AE信号频率特征,但在研究木材AE信号传播规律时,折断薄木条试验方法更为客观.     

依据瞬时频率的木材损伤过程声发射信号辨识

针对木材损伤断裂过程中声发射(AE)信号识别的问题,提出一种基于瞬时频率的AE信号辨识方法。首先,采用三点弯曲的方式对马尾松试件做损伤试验,利用采样频率为500 kHz的4通道NI USB-6366采集卡收集原始AE信号。然后,通过小波分析的方法对采集的原始信号降噪处理,并对降噪后的信号进行频率分析,再根据频率范围及产生原因的不同定义了两类AE信号。最后,通过Hilbert变换分别获得两类AE信号的瞬时频率,并统计两类AE事件频率。试验结果表明,基于瞬时频率统计的AE事件频率能够客观反映试件的应力水平,同时,木材损伤过程中主要产生断裂AE和变形AE信号,且断裂AE信号的频率范围明显高于变形AE信号的频率范围。     

基于小波变换的木材声发射驻波信号特征研究

为研究木材损伤断裂时的声发射(AE)信号所激发的驻波信号特征与木材固有特性之间的关系,采用薄木条折断的方式产生AE源,在小波变换的基础上分析驻波频率,并计算纵波传播速率,依据弹性波理论计算出木材顺纹弹性模量(MOE)。首先,在2种不同长度的木材试件一端分别加工出8根80 mm×10 mm的薄木条,通过外加冲击力折断木条以产生AE源,通过放置在试件端面的2个传感器采集原始AE信号,采样频率设定为500 kHz。然后,根据驻波特性确定原始信号的驻波阶段,进而对该阶段AE信号进行4层小波分解,依据分解后信号的时频域特征析取驻波信号波形。最后,依据驻波产生原理计算纵波传播速率,并结合弹性波理论计算试件的MOE。结果表明,拉伸试验测得樟子松和榉木试件的MOE分别为9.30 GPa和11.63 GPa, 800 mm樟子松和榉木试件通过驻波计算所得MOE分别为9.37 GPa和12.34 GPa,与实测MOE的误差分别为0.75%和5.24%;600 mm的樟子松和榉木试件通过驻波计算所得MOE分别为9.31 GPa和11.81 GPa,与实测MOE的误差分别为0.10%和1.55%。     

基于瞬时频率的木材声发射事件辨识与损伤监测

为了从能量的角度客观评价木材损伤程度,依据应变能释放产生的声发射（AE）信号特征,提出一种基于信号瞬时频率的AE事件辨识方法,并依据AE事件的发生密度从能量的角度进行损伤动态监测。采用小波分析的方法对原始信号进行降噪预处理,用经验模态分解（EMD）进行波形重构。依据AE信号的频率分布特征将AE信号分为2类,并对应地定义DAE和FAE 2类AE事件。通过Hilbert变换获得AE信号的瞬时频率,依据瞬时频率计算2种AE事件发生的密度,依此判断和预测木材的应力变化及损伤趋势。结果表明,FAE信号频率明显高于DAE信号频率,并且当DAE事件密度维持较高水平时,意味着材料以弹性形变为主;相反当FAE事件密度维持较高水平时,说明材料正在发生频繁的断裂,从而为木材损伤程度的研判提供评价依据。