应用小波谱白化法对木材表面声发射源直线定位算法的改进

针对信号噪声显著影响木材表面声发射(AE)源定位精度的问题,提出了一种应用小波谱白化与信号互相关分析的木材表面AE源直线定位算法.首先,依据ASTM-E976标准采用折断铅芯的方式在木材表面产生模拟声发射源,在试件表面相距固定距离的两个位置采集AE信号,采样频率设定为500 kHz.然后,提出一种应用信号相关度的自适应小波重构算法,用于降低噪声影响并重构AE波形,为了补偿AE传播过程高频部分的衰减,提出了一种小波谱白化重构算法.最后,通过信号相关性分析,计算AE信号到达两个传感器的时差,进而计算AE信号的传播速度,并依据直线定位法计算AE源的位置.试验结果表明:使用原始、自适应小波重构、小波谱白化重构的3种AE信号进行AE源定位时,两组试验的误差分别为42.9％、25.1％、2.5％和37.7％、35％、4.1％.AE信号重构算法将直接影响定位算法精度,特别是使用小波谱白化法能够显著提高AE源定位算法精度.     

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。     

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.     

L型结构木材中声发射信号传播特征

针对木材结构尺寸及介质改变对应变能传播的影响,研究应力波在变结构的L型试件中的声发射（acoustic emission,AE）特性。首先,参照ASTM-E976标准,在樟子松L型试件表面不同位置产生AE源,并利用采样频率为500 kHz的AE采集系统获取试件表面4个固定位置的AE信号。其次,依据小波分析原理对原始AE信号进行降噪并重构AE波形,进而研究木材结构变化对AE信号频域特征的影响。最后,基于对比分析,研究空气介质对于信号传播特性的影响。结果表明,当AE源位于锯材处时,信号以纵波和横波混合的形式单向传播,木材的结构变化主要影响低频信号成分,使得信号呈现高频带分布;而空气介质对于其时频域均有显著影响;当AE源位于薄板时,木材结构变化、传播路径及空气介质对于AE信号时频域特性均有显著影响。     

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。     

马尾松胶合木胶层对声发射信号传播特性的影响

采用NI高速采集设备构建木材声发射信号采集平台,通过铅芯折断的方式在马尾松胶合木表面模拟产生AE源。然后对采集的原始信号进行5层小波分解并重构AE信号波形,进而获得AE信号的时频域特征。最后,根据信号相关性分析和时差定位方法,研究AE信号沿胶接横纹和指接横纹方向上的传播速率。研究表明,AE信号在胶合木表面传播时,AE信号中频率较低的成分在通过胶层时能量衰减更加显著,并且在胶接横纹和指接横纹方向上的传播速率存在明显差异,进一步指出指接胶层对信号传播速率的影响比胶接胶层更明显。     

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%。     

依据声发射事件信息熵对樟子松木材顺纹动态弹性模量的测算方法

以气干状态无明显缺陷的樟子松（Pinus sylvestris var.mongolica Litv）实木为试材,制成轴向800 mm、弦向60 mm、径向30 mm的试件（含水率12.8%,密度0.42 g/cm³）;应用三思纵横UTM5105电子万能力学试验机对试件进行三点弯曲试验,在试件表面顺纹方向3个固定位置实时采集试件损伤过程的声发射（AE）信号;应用小波分析对原始声发射信号进行降噪并重构,确定声发射事件阈值,统计每秒的声发射事件数,再以6 s的声发射事件作为信息片段并计算其信息熵,依据每个信息片段信息熵辨识木材损伤过程;采用时差定位法确定声发射信号的顺纹传播速度,并依据木材各损伤阶段声发射信号顺纹传播的平均速度计算木材顺纹动态弹性模量。结果表明：当信息片段信息熵低于平均信息熵时说明木材进入了新的损伤阶段,试件损伤过程分为弹性阶段、塑性阶段、脆断阶段、后续断裂阶段;应用构建的依据声发射事件信息熵对木材顺纹动态弹性模量算法测试,试件损伤过程中,声发射信号顺纹传播平均速度为4 915.8 m/s、相应的木材顺纹动态弹性模量为10.2 GPa。     

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。     

木材无损检测技术中的应力波传播时延估计算法

为了准确测量应力波在木材内部的传播时间,提高木材内部缺陷识别的精度,提出了一种基于小波变换和高阶统计量的广义相关时延估计算法。该方法利用滤波算法,将采集到的应力波信号进行滤波去噪,然后输入到广义互相关时延模型,求出传播时延估计值。仿真和实际的木材检测实验结果表明:提出的算法比传统的定时器计时法时延估计精度提高81.5%,并具有较强的抗干扰能力。     

Application of Wavelet Random Coupling Model in Monthly Rainfall Prediction

A Trous algorithm of wavelet transform was used to decompose wavelet signal, and the cross-correlation analysis was used to analyze the sequence of each wavelet transform, and then the mathematical model correspond with wavelet transform sequence was established, finally wavelet random coupling model was obtained by wavelet reconstruction algorithm. Then, according to the rainfall data in crop growth period of Farm Chahayang from 1956 to 2008, the wavelet random coupling model was established to fit the model prediction test. The results showed that the prediction and fitting accuracy of the model was high, the model could reflect the rainfall variation regulation in the region, and it was a practical prediction model. It was very important for us to determine reasonably irrigation schedule and to use efficiency coefficient of precipitation resource.     

基于形态学和小波变换的图像边缘检测方法

电力机房图像边缘提取是实现电力机房三维重建的重要辅助环节,机房图像边缘提取越精准,三维重建将会更准确.本文提出一种融合小波变换模极大值和多尺度多结构形态学的图像边缘检测算法对电力机房图像进行处理.首先,对原始电力机房图像进行小波分解得到高频图像和低频图像;然后,采用小波变化模极大值算法提取高频图像的边缘信息,多尺度多结构数学形态学算法提取低频图像的边缘信息;最后,通过叠加运算融合高频和低频的边缘信息,得到原始图像的边缘信息.通过仿真实验表明,本文提出的边缘检测算法在抗噪性能、边缘连续性、定位精度上综合实力最强.