声发射信号处理方法分析

声发射的定义可以分为广义和狭义两

种，狭义通常认为材料受外力或内力作用，

局域源快速释放能量而产生瞬态弹性波的

现象称为声发射（Ａｃｏｕｓｔｉｃ　Ｅｍｉｓｓｉｏｎ），简称

ＡＥ。广义的声发射认为像泄漏等外力作用

下，激发能量波在材料中传播的现象也是

一种声发射。

声发射是一种常见的物理现象，大多

数材料变形和断裂时有声发射发生。但许

多材料的声发射信号强度很弱，人耳不能

直接听见，需要借助灵敏的电子仪器才能

检测出来。用仪器探测、记录、分析声发射

信号和利用声发射信号对声发射源进行定

量、定性和定位的技术称为声发射检测技

术。其基本原理如图１所示。

声发射检测技术作为一种动态无损检

测方法已经广泛用于各种材料或结构的稳

定性评价。声发射检测的目的就是尽早地

发现声发射源和尽可能多地得到声发射源

的信息。目前，常用的声发射信号的处理方

法有特征参量法和波形分析法。

１．声发射信号的特征参量分析法

声发射信号特征参量分析法，即对声

发射信号特征参量进行处理，用声发射特

征参量描述声发射源特性的分析方法。目

前，声发射特征参量主要有声发射信号的

幅度、能量、振铃计数、事件、上升时

声发射信号处理方法分析

谢朝阳１，２ １，中南大学资安院 ４１００８３；　２，湖南工学院基础课部 ４２１００２

间、持续时间和门槛电压等（如图２所

示）。这种声发射信号处理技术的研究主要

集中在对声发射信号的有效性分析上，主

要采用的方法有幅度鉴别、频率鉴别、空间

滤波、软件剔噪和信号的事后处理等。

参量分析法中为了能找到声发射源的

特性和内在规律，人们通常使用关联图分

析法，即将幅度、持续时间、能量、到

达时间、均方根电压值、撞击数、撞击

数率、外接参量等之间任意两个变量做关

联分析。从声发射参量的关联图中可以找

出声发射信号的变化规律，可以区分不同

特性的信号。

２．声发射信号的谱估计方法

波形频谱分析是通过分析声发射信号

的时域或频域波形来获得信息的一种信号

处理方法。谱估计可分为经典谱估计和现

代谱估计两大类。

２．１．经典谱估计方法

经典谱估计是以傅立叶变换为基础，

又称为线性谱估计方法。它主要包括相关

图法和周期图法以及在此基础上的改进方

法。

（１）相关图法又称为间接法。它是由随

机信号的Ｎ个观察值Ｘ（０），…，Ｘ（Ｎ－

１），估计出自相关函数Ｒ

Ｎ

（ｍ），然后再求

Ｒ

Ｎ

（ｍ）的傅立叶变换作为功率谱的估计

（２）周期图法又称为直接法。它是直接

由傅立叶变换得到的，设有限长实序列Ｘ

（ｎ）的傅立叶变换为

在Ｍａｔｌａｂ的函数工具箱里，调用函

数为Ｐｅｒｉｏｄｏｇｒｍ（ｘ）。

（３）改进的直接法。直接法和间接法的

方差很大，而且当数据太长时，谱曲线起飞

加剧；数据长度太小时，谱的分辨率又不

好，所以需要改进。Ｗｅｌｃｈ提出同时使用平

均和平滑两种手段来求功率谱密度，数据

系列Ｘ（ｎ）分为Ｋ段，每段有Ｍ个样本，

Ｎ＝ＫＭ。数据窗Ｗ（ｎ）在计算周期图之前

就与数据段相乘，于是定义Ｋ个修正周期

图

在Ｍａｔｌａｂ的函数工具箱里，用函数

Ｐｗｅｌｃｈ来实现Ｗｅｌｃｈ平均周期图法的功率

谱估计。

２．２．现代谱估计方法

传统的功率谱估计方法是利用加窗的

数据或加窗的相关函数估计的傅立叶变换

计算的，具有一定的优势，如计算效率

高，估计值正比于正弦波信号的功率等。但

是同时也存在许多缺点，主要缺点就是方

差性能差、谱分辨率低。现代谱估计方法图１　声发射基本原理图２ 常用声发射参数示意图

以非傅立叶分析为基础。可分为参数模型和非参数模型法两大类。现代谱估计采用合适的参数模型来拟合信号或用特征分离方法来估计信号，克服了经典法的缺点，取得了较好的效果。其突出优点提高了估计谱逼近真实谱的程度。

３．常规模式识别方法

模式识别是指对表征事物或现象的各种形式的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。从数字化后或预处理后的输入模式中抽取一组特征。所谓特征是选定的一种度量，它对于一般的变形和失真保持不变或几乎不变，并且只含尽可能少的冗余信息。特征抽取过程将输入模式从对象空间映射到特征空间。特征抽取后可进行分类，即从特征空间再映射到决策空间。为此而引入鉴别函数，由特征矢量计算出相应于各类别的鉴别函数值，通过鉴别函数值的比较实行分类。

常规模式识别最早应用于声发射信号分析和处理始于１９８２年Ｍｅｌｔｏｒ应用自回归（ＡＲ）模型和前２个自回归系数对声发射波形信号进行分析。人们应用模式识别技术对飞机结构疲劳裂纹增长产生声发射信号波形的频谱进行分析，成功地将疲劳裂纹增长信号和裂纹面的摩擦信号分开；应用幅度、平均频率、持续时间等常规声发射参数，对复合材料和土木工程结构等声发射信号进行了模式识别分析，分析结果发现部分信号的类别可以分开；对典型焊接缺陷的声发射信号进行了经典和现代谱估计模式识别分析，得到了一些有意义的结论。

４．人工神经网络模式识别方法

人工神经网络是目前实现模式识别的主要方法，对声发射信号分析处理的最终目的是实现对声发射源的识别，因此人工神经网络也成为声发射信号处理研究的主要内容之一

神经网络是一个并行分布式的信息处理系统，它是由单向信号通道将大量的处理单元连接而成的一个网络结构。它不要求对过程有所了解，可通过训练样本获得信息，来处理复杂的非线性和不确定性过程。神经网络是由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算机系统，该系统是靠其状态对外部输入信息的动态反应来处理信息的。大多数研究人员设计发展自己的专用人工神经网络分析软件来分析声发射信号，但也有使用通用的神经网络软件进行声发射信号分析

的。

５．小波分析方法

小波分析或多分辨分析作为一门新兴的并蓬勃发展的理论，是数学发展史上的重要成果。它与傅里叶变换、窗口傅里叶变换相比，这是一个时间和频率的局域变换，因而能有效的从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析。作为信号处理的小波分析方法可以说是一个比较新的方法，是信号处理的前沿领域，但实际上它的很多概念在许多不同领域中都以各种形式存在着，已成为强有力的信号分析及处理的方法。

小波是小区域的波，是一种特殊的长度有限、平均值为零的波形。设ψ（ｔ）为一平方可积函数，即ψ（ｔ）∈Ｌ２Ｒ，若其傅里叶变换满足条件：

则称ψ（ｔ）为一个基本小波或母小波函数，也称上式为小波的可容许条件。

将小波母函数ψ（ｔ）进行伸缩和平移，得到函数ψａ，ｘ（ｔ）

式中ａ为伸缩因子，τ为平移因子，称ψａ，ｘ（ｔ）为依赖于ａ、τ的小波基函数。

小波分析是傅立叶分析方法的发展与延拓。小波基的构造及结果分析都依赖于傅立叶分析，二者是相辅相成的。

小波变换的含义是把称为基本小波的函数ψ（ｔ）作位移τ后，再在不同尺度ａ下与待分析信号Ｘ（ｔ）作内积：

小波变换的特点和作用：

（１）小波变换具有多尺度的特点，可以由粗到细的逐步观察信号。

（２）它是用基本频率特性为，ψ（ω）的带通滤波器在不同尺度ψａ，ｘ（ｔ）下对信号做滤波。

（３）小波函数具有不唯一性，即小波

函数具有多样性，也就是说用不同的小波基分析同一个信号会得到不同的结果，适当的选择基本小波，便于检测信号的瞬态或奇异点。

６．结语

声发射特征参量分析法具有直观、实时、简便、快捷等特点，这种声发射信号处理方法得以迅速发展并在工程测试中得以广泛应用；声发射信号的频谱能反映声发射源的特征，因此，频谱分析能够揭示声发射源信号的特征和它的动态特性。但信号的频谱分析要求被分析的信号是周期性的平稳信号，并且谱分析是一种忽略局部信息变化的全局分析方法。常规模式识别法应用的样本特征很有限，往往只能识别出某一种或几种干扰源，还不适应复杂的环境。目前，人工神经网络在声发射技术中的应用，都是针对某一具体的对象，缺乏一种带有普遍指导意义的方法，而且在神经网络的结构上缺乏对声发射信号的针对性。人们利用小波变换进行声发射信号处理还处于研究阶段，实际应用还很少。