劉 婷

（中山火炬職業(yè)技術(shù)學(xué)院，廣東中山 528400）

0 引言

聲發(fā)射檢測(cè)是一種通過(guò)聲發(fā)射儀器，接收和分析材料或者結(jié)構(gòu)由于損傷導(dǎo)致應(yīng)變能快速釋放而產(chǎn)生的聲發(fā)射信號(hào)，繼而評(píng)定材料性能以及結(jié)構(gòu)完整性的無(wú)損檢測(cè)方法。作為一種監(jiān)測(cè)預(yù)報(bào)技術(shù)，聲發(fā)射檢測(cè)技術(shù)是工程無(wú)損檢測(cè)應(yīng)用研究的有力手段。它幾乎適用于各種工況及各種工件，對(duì)工件表面狀態(tài)要求很低，不僅能夠?qū)崿F(xiàn)高精度的靜態(tài)檢測(cè)，而且在動(dòng)態(tài)損傷檢測(cè)方面十分優(yōu)秀[1-3]。

史慧揚(yáng)等[4]通過(guò)對(duì)疲勞裂紋的聲發(fā)射信號(hào)進(jìn)行小波包分解得到疲勞程度變化的頻帶特征；金榕舜等[5]通過(guò)EMD（Empirical Mode Decomposition，經(jīng)驗(yàn)?zāi)B(tài)分解）與近似熵相結(jié)合，判斷觀覽車滾動(dòng)軸承是否發(fā)生故障；然而由于聲發(fā)射信號(hào)往往容易受到噪音、畸變等干擾信息的影響，導(dǎo)致實(shí)際應(yīng)用中的后續(xù)分析比較困難。因此本文擬對(duì)聲發(fā)射信號(hào)進(jìn)行特征信息提取并重構(gòu)，從而獲得更加準(zhǔn)確可靠的聲發(fā)射信號(hào)信息。

1 聲發(fā)射信號(hào)的獲取

在實(shí)際實(shí)施的聲發(fā)射源模擬的操作中，激光脈沖、落球、斷鉛、以及電火花等都可以用于模擬損傷聲發(fā)射信號(hào)，考慮到斷鉛激勵(lì)聲發(fā)射信號(hào)具有簡(jiǎn)單、經(jīng)濟(jì)、重復(fù)性好等優(yōu)點(diǎn)，所以通過(guò)對(duì)工程常用的45#鋼進(jìn)行斷鉛試驗(yàn)。為了檢驗(yàn)結(jié)果的準(zhǔn)確性，本試驗(yàn)分別測(cè)量了10 組數(shù)據(jù)，并取其平均值，最后對(duì)該平均數(shù)據(jù)進(jìn)行處理和分析。

2 聲發(fā)射信號(hào)的處理

與傅里葉分析以及小波變換等傳統(tǒng)的時(shí)頻分析方法相比，Hilbert-Huang 變換（“HHT”）[6-8]是一種新型的應(yīng)用廣泛的完全自適應(yīng)性的時(shí)頻分析的方法，它根據(jù)信號(hào)自身的特點(diǎn)來(lái)提取其固有模態(tài)函數(shù)，能夠從根本上分析信號(hào)的局部特征，而不是局限于線性、平穩(wěn)信號(hào)的假設(shè)?；贖HT 變換能夠更好地對(duì)非線性非平穩(wěn)信號(hào)進(jìn)行分析，有利于對(duì)特征信號(hào)的判別和選取，故本文采用此方法來(lái)對(duì)聲發(fā)射信號(hào)進(jìn)行特征提取。

2.1 EMD 分解

HHT 是由EMD 和Hilbert 譜分析兩部分組成，其中，EMD是HHT 方法的核心。在對(duì)信號(hào)進(jìn)行Hilbert-Huang 變換時(shí)，由于采樣率不足以及樣條差值可能導(dǎo)致Hilbert 譜中存在一些與原信號(hào)特征無(wú)關(guān)的低頻成分[9-11]，所以實(shí)際中往往用過(guò)采樣等方式來(lái)減少這些低頻的偽頻率分量。然而，由于信號(hào)本身的頻率高的原因，過(guò)采樣的計(jì)算量會(huì)太大。因此，首先對(duì)采集到的聲發(fā)射信號(hào)進(jìn)行EMD 分解，然后采用相關(guān)系數(shù)的方法去除偽分量。

設(shè)兩個(gè)時(shí)間序列x1（n），x2（n），則其相關(guān)系數(shù)Q 定義為：Q=。

具體操作步驟：首先將斷鉛信號(hào)與各階IMF（Intrinsic Mode Function，基本模式分量）分量進(jìn)行相關(guān)系數(shù)計(jì)算，然后通過(guò)閾值比較各階IMF 分量，這里的閾值取相關(guān)系數(shù)序列中最大值的十分之一。

下面對(duì)斷鉛點(diǎn)處采集到的聲發(fā)射信號(hào)進(jìn)行具體分析。

首先該信號(hào)進(jìn)行EMD 的過(guò)程中產(chǎn)生了8 個(gè)IMF，其中包含一個(gè)剩余分量（圖1）。

為了去除其中的偽分量，對(duì)各個(gè)IMF 分量和原信號(hào)進(jìn)行相關(guān)系數(shù)分析，結(jié)果如表1 所示。

圖1 斷鉛點(diǎn)EMD 分解結(jié)果

表1 7 個(gè)模量的相關(guān)系數(shù)

從表中可以看出，前兩個(gè)高頻率IMF 分量的相關(guān)系數(shù)較大，可粗略推知斷鉛信號(hào)聲發(fā)射頻率較大，頻率的大小可依據(jù)其頻譜顯示。此時(shí)，閾值為0.085，所以只有IMF1 和IMF2 留下，其他的為偽分量，不計(jì)入后續(xù)分析。

2.2 小波降噪

由于試驗(yàn)過(guò)程中一定會(huì)有斷鉛操作的影響，因此圖1b中的IMF1 的頻譜特征可以看出存在高頻噪聲的干擾。此時(shí)，如果直接舍棄IMF1 分量來(lái)重構(gòu)信號(hào)，必然會(huì)在一定程度上引起聲發(fā)射信號(hào)中高頻有用信息的損失。所以，采用小波閾值方法對(duì)IMF1 分量進(jìn)行降噪處理，然后將其與低頻IMF 來(lái)重構(gòu)信號(hào)。這樣，得到的數(shù)據(jù)不僅得到了降噪處理，而且改善了小波閾值降噪直接作用于整個(gè)信號(hào)的缺陷（圖2、圖3）。

從圖2 中可以看出，小波閾值去噪能夠比較明顯的去除IMF1 中因?yàn)閿嚆U試驗(yàn)特性而產(chǎn)生的高頻噪聲；同時(shí)，從圖3 中的重構(gòu)后聲發(fā)射信號(hào)可以看出，該信號(hào)不僅保存了原信號(hào)的基本特征，并且使其更加明顯，使利用聲發(fā)射信號(hào)進(jìn)行進(jìn)一步分析處理時(shí)，其結(jié)果能夠更加準(zhǔn)確。

圖2 IMF1 小波消噪后時(shí)頻圖

圖3 斷鉛信號(hào)消噪后時(shí)頻圖

3 結(jié)論

由于干擾信息的影響，無(wú)論何種工況下獲取的聲發(fā)射信號(hào)進(jìn)行后續(xù)分析處理時(shí)，往往都會(huì)存在不同程度的誤差，因此，采用EMD 對(duì)聲發(fā)射信號(hào)進(jìn)行特征提取，然后對(duì)提取后的信號(hào)再進(jìn)行小波去噪處理，使獲得的信號(hào)在保持原始信息特征的前提下，還能夠保留高頻有效信息，使得信息特征更加明顯。