Способ обработки сигнала акустической эмиссии Российский патент 2018 года по МПК G01N29/14 

Изобретение может быть использовано для обработки сигналов акустической эмиссии.

Сущность изобретения заключается в том, что в способе обработки сигнала, полученном с датчиков АЭ, пропускают через цифровой полосовой фильтр, декомпозируют сигнал на полезную и шумовую составляющую на разных уровнях с помощью Wavelet фильтра, строят огибающую сигнала с помощью преобразования Гильберта и последующим сглаживанием при помощи средней скользящей функции, проводят детектирование импульсов с определением параметров времени зарождения импульса (Т), максимальной амплитуды (А), продолжительности (τ), энергии (P), энтропии (Е) и фрактальной размерности (D), строится аттрактор и wavelet скалограмма, полученные характеристики импульсов и обработанный сигнал записываются в специальную базу данных структурной устойчивости материалов.

Изобретение относится к области обработки сигналов акустическими методами и может быть использовано для выявления дефектов и контроля деталей по сигналам акустической эмиссии (АЭ).

Известен способ (А.С. N1237915, кл. G 01 Н 11/00, 1986 г.) выделения огибающей виброакустического сигнала, согласно которому с вибросигналом производят высокочастотную фильтрацию, а низкочастотную фильтрацию выполняют после его детектирования. Устройство для реализации способа включает первичный измерительный преобразователь акустических сигналов в электрические - датчик вибросигнала, устанавливаемый на диагностируемом узле машины, согласующее устройство выходных параметров датчика вибросигнала с линией связи и входом измерительного блока, содержащего высокочастотный фильтр, детектор огибающей и низкочастотный фильтр гармонических составляющих от импульсов огибающих, выполняющий функцию гармонического спектроанализатора. Способ выделения огибающей с представлением результатов в виде спектров, получаемых от спектрального анализа огибающих, используется для выявления неисправностей в подшипниках качения, механизмах с зубчатыми зацеплениями и в других, в которых при их неисправностях возникают удары.

Недостатком устройств по данному способу выделения огибающих и с выполнением низкочастотной фильтрации сигнала после его детектирования является отсутствие дифференциального амплитудного селектора импульсов огибающей вибросигнала, что не позволяет выполнять совмещенный анализ функции плотности распределения вероятностей частот следования импульсов ударов по их амплитудам и функции плотности распределения вероятности длительности интервалов следования между смежными равновеликими импульсами ударов, поскольку при выполнении спектрального анализа огибающих вибросигнала спектральные линии одинаковых частот следования импульсов представляются в виде усредненной спектральной линии, тем самым не обеспечиваются прослеживание за изменениями отдельных амплитуд импульсов ударов в процессе работы механизма и наглядное представление об изменениях, происходящих в контролируемом узле машины, что требует для этих целей привлечения дополнительных специальных средств контроля.

Наиболее близким из известных технических решений является устройство (Патент РФ N2125716, кл. G 01 H 17/00, 1999 г.) для виброакустической диагностики, содержащее входные цепи, включающие датчик вибросигнала и согласующее устройство, соединенные посредством линии связи с измерительным блоком, содержащим масштабный усилитель, соединенный с подготовительным преобразователем формы вибросигнала с выделением его огибающей, фильтрами и детектором, соединенным с блоком измерительного преобразователя и индикатором регистрации результатов измерения на диаграмме, где при этом его подготовительный преобразователь снабжен двухуровневым дифференциальным амплитудным селектором импульсов огибающей вибросигнала, первый сигнальный вход которого соединен с выходом детектора огибающей, а его второй вход (задания предельных уровней напряжений селекции) с выходом автоматического устройства, что обеспечивает построение на диаграмме графика функции плотности распределения вероятностей амплитуд импульсов ударов, возбуждаемых дефектами машины, по частотам их следования.

Недостатком данного устройства является то, что при анализе плотности распределения вероятностей амплитуд импульсов ударов по частотам их следования не учитываются нарушения равномерности их поступлений во времени, поскольку вычисляется только их средняя частота следования как отношение числа импульсов к единице времени проведения измерений, т.е. не учитываются изменения величин интервалов времени, с которыми поступают импульсы ударов в зависимости от их амплитуд, что особо важно при диагностировании работы узлов, содержащих подшипники качения.

Известные устройства не обеспечивают технический уровень и потребность в графическом изображении функции плотности распределения вероятности длительности интервалов следования между смежными равновеликими импульсами ударов, что не достигается спектральным анализом и способом построения графиков функций распределения плотности вероятностей амплитуд импульсов ударов по частотам их следования, поскольку в подшипниках качения с динамической нагрузкой дефекты, возникающие на беговых дорожках в виде трещин и раковин, возбуждают импульсы ударов с переменными амплитудами и с неравномерным распределением интервалов во времени между ними.

Задачей изобретения является улучшение обработки сигнала АЭ, позволяющее выявлять и классифицировать импульсы в сигнале АЭ с использованием подходов нелинейной динамики и искусственного интеллекта, и прогнозировать структурную устойчивости материалов.

Указанная задача решается за счет того, что в способе обработки сигнала, полученном с датчиков АЭ, пропускают через цифровой полосовой фильтр, декомпозируют сигнал на полезную и шумовую составляющую на разных уровнях с помощью Wavelet фильтра, строят огибающую сигнала с помощью преобразования Гильберта и последующим сглаживанием при помощи средней скользящей функции, проводят детектирование импульсов с определением параметров времени зарождения импульса (Т), максимальной амплитуды (А), продолжительности (τ), энергии (P), энтропии (Е) и фрактальной размерности (D), строится аттрактор и wavelet скалограмма и полученные характеристики импульсов и сами импульсы записываются в специальную базу данных структурной устойчивости материалов.

Техническим результатом изобретения является высокая степень распознавания получаемой информации, определение параметров сигнала АЭ, создание базы данных структурной устойчивости материалов. Информация из полученной БД используется для обучения искусственной нейронной сети для задачи кластеризации.

Технический результат достигается тем, что способ обработки сигнала АЭ, основанный на том, что сигнал, полученный с датчиков АЭ, пропускают через цифровой полосовой фильтр, декомпозируют сигнал на полезную и шумовую составляющую на разных уровнях с помощью Wavelet фильтра, строят огибающую сигнала с помощью преобразования Гильберта и последующим сглаживанием при помощи средней скользящей функции, но детектирование импульсов проводят с определением параметров времени зарождения импульса (Т), максимальной амплитуды (А), продолжительности (τ), энергии (P), энтропии (Е) и фрактальной размерности (D), строится аттрактор и wavelet скалограмма и полученные характеристики импульсов и сами импульсы записываются в специальную базу данных структурной устойчивости материалов, информация из полученной БД используется для обучения искусственной нейронной сети для задачи кластеризации где происходит классификация импульсов. Полученные классы импульсов характеризуют определенные физико-механические процессы протекающие в ходе разрушения материала и на их основе происходит прогнозирование структурной устойчивости.

Сущность изобретения рассматривается на примере обработке сигнала АЭ при растяжении образца из стали 45 (Фиг.1).

Схема подключения и регистрации сигнала с датчиков АЭ, вибрации, температурных и тензодатчиков показана на фиг.2.

На фиг.2 обозначены: 1 – датчик АЭ, 2 – вибрационный кабель, 3 - согласующее устройство, 4 – блок питания, 5 – разъем BNC, 6 – АЦП, 7 – разъем USB, 8 – вычислительное устройство с разработанным ПО.

Принципиальная схема ПО выявления и классификация импульсов в сигнале АЭ с использованием подходов нелинейной динамики и искусственного интеллекта, при диагностике структурной устойчивости материалов следующая:

Полученный сигнал с датчиков виброакустической эмиссии передается АЦП акустической эмиссии, затем поступает на обработку в вычислительную систему.

Обработку принятого сигнала производят следующим образом. Сигнал, полученный с датчиков АЭ, пропускают через цифровой полосовой фильтр, ограничивающий полосу пропускания 100 – 800 кГц, декомпозируют сигнал на полезную и шумовую составляющие на разных уровнях с помощью Wavelet фильтра, строят огибающую сигнала с помощью преобразования Гильберта и последующим сглаживанием при помощи средней скользящей функции, проводят детектирование импульсов с определением параметров: времени зарождения импульса (Т), максимальной амплитуды (А), продолжительности (τ), энергии (P), энтропии (Е) и фрактальной размерности (D), строится аттрактор и wavelet скалограмма и полученные характеристики импульсов и сами импульсы записываются в специальную базу данных структурной устойчивости материалов. Информация из полученной БД используется для обучения искусственной нейронной сети для задачи кластеризации, где происходит классификация импульсов. Полученные классы импульсов характеризуют определенные физико-механические процессы, протекающие в ходе разрушения материала, и на их основе происходит прогнозирование структурной устойчивости.

Было разработано аппаратное и программное обеспечение для исследования структурных перестроек в металлических материалах при их деформации, в частности в условиях низких температур, для фрактального анализа сигналов акустической эмиссии (АЭ).

Данный способ обработки сигнала обладает высокой степенью распознавания получаемой информации, определение параметров сигнала АЭ, создание базы данных структурной устойчивости материалов. Информация из полученной БД используется для обучения искусственной нейронной сети для задачи кластеризации.

Использование: для обработки сигналов акустической эмиссии. Сущность изобретения заключается в том, что сигнал, полученный с датчиков акустической эмиссии (АЭ), пропускают через цифровой полосовой фильтр, декомпозируют сигнал на полезную и шумовую составляющую на разных уровнях с помощью Wavelet фильтра, строят огибающую сигнала с помощью преобразования Гильберта и последующим сглаживанием при помощи средней скользящей функции, проводят детектирование импульсов с определением параметров времени зарождения импульса (Т), максимальной амплитуды (А), продолжительности (τ), энергии (P), энтропии (Е) и фрактальной размерности (D), строится аттрактор и wavelet скалограмма и полученные характеристики импульсов и сами импульсы записываются в специальную базу данных структурной устойчивости материалов. Технический результат: обеспечение возможности улучшения обработки сигнала АЭ, позволяющее выявлять и классифицировать импульсы в сигнале АЭ с использованием подходов нелинейной динамики и искусственного интеллекта, а также прогнозировать структурную устойчивость материалов. 2 ил.

Способ обработки сигнала АЭ, основанный на том, что сигнал, полученный с датчиков АЭ, пропускают через цифровой полосовой фильтр, декомпозируют сигнал на полезную и шумовую составляющие на разных уровнях с помощью Wavelet фильтра, строят огибающую сигнала с помощью преобразования Гильберта и последующим сглаживанием при помощи средней скользящей функции, отличающийся тем, что детектирование импульсов проводят с определением параметров времени зарождения импульса (Т), максимальной амплитуды (А), продолжительности (τ), энергии (P), энтропии (Е) и фрактальной размерности (D), строится аттрактор и wavelet скалограмма, полученные характеристики импульсов и сами импульсы записываются в специальную базу данных структурной устойчивости материалов, информация из полученной БД используется для обучения искусственной нейронной сети для задачи кластеризации, где происходит классификация импульсов, полученные классы импульсов характеризуют определенные физико-механические процессы, протекающие в ходе разрушения материала, и на их основе происходит прогнозирование структурной устойчивости.