熒光磁粉探傷機(jī)基于無(wú)監(jiān)督深度學(xué)習(xí)的聲發(fā)射信號(hào)聚類分析
聲發(fā)射是指材料局部因能量的快速釋故而發(fā)出瞬態(tài)彈性被的現(xiàn)象。聲發(fā)射信號(hào)的檢測(cè)、分類與分析有助于揭示結(jié)構(gòu)內(nèi)部損傷演化規(guī)律及破壞類型,在復(fù)合材料損傷檢測(cè)、機(jī)械故障診斷等領(lǐng)域得到了廣泛應(yīng)用。
特征參數(shù)分析和全波形分析是聲發(fā)射信號(hào)處理的兩種主要手段。特征參數(shù)法是從各聲發(fā)射信號(hào)的波形出發(fā),人為設(shè)定并提取反映被形主要特征的參數(shù)用于信號(hào)診斷分析[。常見(jiàn)的特征參數(shù)有持續(xù)時(shí)間、上升時(shí)間、能量、幅值等,波形分析方法則是對(duì)聲發(fā)射信號(hào)原始波形進(jìn)行時(shí)頻分析1,直接利用時(shí)頻特征或結(jié)合主成分分析、支持向量機(jī)Р等技術(shù),研究聲發(fā)射信號(hào)與損傷類型之間的關(guān)系。信號(hào)處理時(shí),兩種方法提取的信號(hào)特征都是人為預(yù)先設(shè)定的,但對(duì)于實(shí)際的結(jié)構(gòu)或材料,其聲發(fā)射信號(hào)復(fù)雜多樣,受材料性能、結(jié)構(gòu)形式、加載方式等多種因素影響;因此,人為預(yù)先設(shè)定的信號(hào)特征參數(shù)并不一定對(duì)材料損傷類型或模式敏感,不適當(dāng)?shù)剡x用特征反而會(huì)導(dǎo)致聲發(fā)射信號(hào)的聚類分析效果不佳。
對(duì)于不同的聲發(fā)射信號(hào),信號(hào)特征的自適應(yīng)提取以及聚類分析對(duì)解釋 AE(聲發(fā)射)信號(hào),進(jìn)行模式識(shí)別意義重大。目前,以卷積神經(jīng)網(wǎng)絡(luò)(CNN)等為代表的深度學(xué)習(xí)技術(shù)是發(fā)展迅速的信號(hào)特征自動(dòng)提取方法,其通過(guò)對(duì)圖像、信號(hào)等數(shù)據(jù)的直接學(xué)習(xí),能實(shí)現(xiàn)從具體到抽象等多個(gè)層次數(shù)據(jù)特征的自動(dòng)提取[。在聲發(fā)射信號(hào)的相關(guān)研究中,BARAT等、ISLAM 等10都利用CNN自動(dòng)提取了聲發(fā)射信號(hào)時(shí)頻圖的特征,來(lái)識(shí)別不同缺陷對(duì)應(yīng)的聲發(fā)射信號(hào)。NASIRI 等[11]同樣采用CNN提取原始聲發(fā)射信號(hào)的特征,用于監(jiān)測(cè) SiC,-SiCm復(fù)合材料管損傷過(guò)程的3個(gè)階段。這些基于深度神經(jīng)網(wǎng)絡(luò)的聲發(fā)射模式識(shí)別工作均屬于有監(jiān)督學(xué)習(xí),即需要人為去設(shè)定用于訓(xùn)練的聲發(fā)射信號(hào)標(biāo)簽(信號(hào)對(duì)應(yīng)何種損傷類別或階段)。人工逐一分析聲發(fā)射數(shù)據(jù)并設(shè)定信號(hào)標(biāo)簽的工作量極大,在實(shí)際工程中是難以做到的。引人無(wú)監(jiān)督學(xué)習(xí)方法,提出了使用深度自動(dòng)編碼器提取聲發(fā)射信號(hào)特征,并結(jié)合K均值聚類進(jìn)行聲發(fā)射信號(hào)準(zhǔn)確分類的方法。在無(wú)先驗(yàn)知識(shí)的情況下,2種不同類型聲發(fā)射信號(hào)的分類識(shí)別試驗(yàn)驗(yàn)證了所提方法的有效性與可靠性。
會(huì)員1.png)