熒光磁粉探傷機(jī)基于無監(jiān)督深度學(xué)習(xí)的聲發(fā)射信號聚類分析
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)射信號的檢測、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、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)射信號處理的兩種主要手段。特征參數(shù)法是從各聲發(fā)射信號的波形出發(fā),人為設(shè)定并提取反映被形主要特征的參數(shù)用于信號診斷分析[。常見的特征參數(shù)有持續(xù)時間、上升時間、能量、幅值等,波形分析方法則是對聲發(fā)射信號原始波形進(jìn)行時頻分析1,直接利用時頻特征或結(jié)合主成分分析、支持向量機(jī)Р等技術(shù),研究聲發(fā)射信號與損傷類型之間的關(guān)系。信號處理時,兩種方法提取的信號特征都是人為預(yù)先設(shè)定的,但對于實際的結(jié)構(gòu)或材料,其聲發(fā)射信號復(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)定的信號特征參數(shù)并不一定對材料損傷類型或模式敏感,不適當(dāng)?shù)剡x用特征反而會導(dǎo)致聲發(fā)射信號的聚類分析效果不佳。
對于不同的聲發(fā)射信號,信號特征的自適應(yīng)提取以及聚類分析對解釋 AE(聲發(fā)射)信號,進(jìn)行模式識別意義重大。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)展迅速的信號特征自動提取方法,其通過對圖像、信號等數(shù)據(jù)的直接學(xué)習(xí),能實現(xiàn)從具體到抽象等多個層次數(shù)據(jù)特征的自動提取[。在聲發(fā)射信號的相關(guān)研究中,BARAT等、ISLAM 等10都利用CNN自動提取了聲發(fā)射信號時頻圖的特征,來識別不同缺陷對應(yīng)的聲發(fā)射信號。NASIRI 等[11]同樣采用CNN提取原始聲發(fā)射信號的特征,用于監(jiān)測 SiC,-SiCm復(fù)合材料管損傷過程的3個階段。這些基于深度神經(jīng)網(wǎng)絡(luò)的聲發(fā)射模式識別工作均屬于有監(jiān)督學(xué)習(xí),即需要人為去設(shè)定用于訓(xùn)練的聲發(fā)射信號標(biāo)簽(信號對應(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)定信號標(biāo)簽的工作量極大,在實際工程中是難以做到的。引人無監(jiān)督學(xué)習(xí)方法,提出了使用深度自動編碼器提取聲發(fā)射信號特征,并結(jié)合K均值聚類進(jìn)行聲發(fā)射信號準(zhǔn)確分類的方法。在無先驗知識的情況下,2種不同類型聲發(fā)射信號的分類識別試驗驗證了所提方法的有效性與可靠性。
會員1.png)