CN105486756A - 一种用于岩石损伤特征辨析的声发射信号处理方法 - Google Patents

Abstract

一种用于岩石损伤特征辨析的声发射信号处理方法，属于损伤辨析的声发射信号处理方法。该方法通过对岩石力学特性测试系统中采集到的声发射信号进行变换，对声发射信号进行提取，选取声发射信号中的有效能量参数，通过电压对时间的积分得到有关于能量的声发射参数信号，然后分别对比较强的声发射信号和声发射参数信号进行希尔伯特黄变换，通过变换提取信号中的瞬时频率与瞬时振幅，瞬时振幅代表从岩石试件在实验过程中释放的能量，瞬时频率与岩石试件在加载过程中的损伤的衰减相关。将原始的声发射信号通过希尔伯特黄变换分解成不同的固有模式函数，然后获得希尔伯特光谱，这种变换方法使得加载下岩石的损伤描述更加清楚，更加直观。

Description

一种用于岩石损伤特征辨析的声发射信号处理方法

技术领域

本发明涉及一种损伤辨析的声发射信号处理方法，特别是一种用于岩石损伤特征辨析的声发射信号处理方法。

背景技术

目前，一般的岩石力学室内试验系统在实验过程中只能测试到力-位移曲线，这些数据只能提供很有限的特征性质，也不能检测到在整个变形过程中的不均匀的裂隙的形成与演化。声发射信号在整个压裂过程中大量产生，它携带了在加载过程中有关裂纹扩展和能量释放的信息，在检测岩石加载破坏这样一个动态的过程中是一种很有效的方法。声发射技术作为一种有效的无损评价的工具，声发射技术已被广泛用来定量研究岩石破裂过程，分析这些信号可以捕获内部结构的演变和检测变形阶段。同时，声发射信号包括大量的时频信息，如果采用适当的数学方法来处理这些声发射信号，会有助于对岩石破裂过程的理解，信号是数字信号，可以通过信号处理方法研究。部分研究人员研究了声发射信号的时频特性，他们通过对声发射信号进行小波变换以及傅里叶变换来获取声发射信号的时频特性，还研究了微振信号的光谱特性，上述所有的研究均不能解决光谱特征和岩石变形行为之间的关系。

从技术上讲，声发射信号是非线性和非稳定的，不遵循传统的光谱分析的限制。例如，用傅里叶变换的信号必须是线性的和严格的周期性或相对静止的，否则，形成的光谱没有什么物理意义。同样，基于小波方法的数据序列的谱特征分析取决于小波函数的选择，所以这些结果高度依赖于分析者的经验去选取合适的函数。

发明内容

本发明的目的是要提供一种用于岩石损伤特征辨析的声发射信号处理方法，解决基于小波变换谱特征分析中小波函数选取不准的问题，使得加载下岩石的损伤与衰减可以在宏观和微观下进行描述。

本发明的目的是这样实现的：声发射信号处理方法，包括如下步骤：

步骤一：在岩石力学特性的测试系统上加上声发射检测系统，采集岩石加载过程中声发射信号的变化；

步骤二：将声发射系统采集到的岩石试件破裂过程中声发射信号导出；

步骤三：对导出的声发射信号进行提取，提取其中的有效能量作为声发射参数信号，以及提取声发射信号中比较振幅比较大的信号作为分析对象；

步骤四：将步骤三提取的信号分别进行希尔伯特黄变换包括两个部分：变换一为经验模态分解或集合经验模分解变换；变换二为希尔伯特谱分析；

步骤五：对变换结果进行分析，进而通过声发射信号从宏观和微观两个层面上来说明岩石破坏过程中的损伤与衰减。

有益效果，由于采用了上述方案，利用本发明的声发射信号处理办法，可以将非线性非稳定的信号变换成不同的固有模态函数，然后获得它们的希尔伯特谱，这样就使得岩石在加载下的损伤与衰减能够从宏观与微观两个层面上进行描述，达到了本发明的目的。

其优点在于：

1.解决了基于小波变换谱特征分析中小波函数选取不准的问题；

2.基于声发射信号参数的希尔伯特黄变换提供了一个更好的区分岩石破坏过程不同阶段的方法，这是相对于那些只利用声发射信号分析方法的优势所在。因此，它可以用来预测岩石试件的破坏。

附图说明

图1为本发明岩石损伤特征辨析的声发射处理系统的实验流程图。

图2为岩石试件在温度-应力耦合作用下的应力应变曲线以及曲线上各点对应的试件形态图。

图3为本发明岩石加载在线性变形阶段声发射信号有效能量与它的希尔伯特谱图。

图4为本发明岩石加载在过度阶段的声发射信号有效能量与它的希尔伯特谱图。

图5为本发明岩石加载过程在过度阶段声发射信号的希尔伯特谱特征图。

图6为本发明岩石加载过程的软化阶段某点的典型的声发射信号与它的希尔伯特谱图。

图7为本发明在岩石非线性压密阶段典型的声发射信号与它的希尔伯特谱图。

具体实施方式

下面结合附图和具体的实例对本发明提供的一种岩石损伤特征辨析的声发射信号处理方法进行详细的说明。

实施例1：本发明提供的一种岩石损伤特征辨析的声发射信号处理方法，

图1为实验流程图，声发射信号处理具体的实施方法如下：

步骤一：在岩石力学特性的测试系统上加上声发射检测系统，采集岩石加载过程中声发射信号的变化；

步骤二：将声发射系统采集到的岩石试件破裂过程中声发射信号导出；

步骤三：对导出的声发射信号进行提取，提取其中的有效能量作为声发射参数信号，以及提取声发射信号中比较振幅比较大的信号作为分析对象；

步骤四：将步骤三提取的信号分别进行希尔伯特黄变换包括两个部分：变换一为经验模态分解或集合经验模分解变换；变换二为希尔伯特谱分析；

步骤五：对变换结果进行分析，进而通过声发射信号从宏观和微观两个层面上来说明岩石破坏过程中的损伤与衰减。

经验模态分解和集合经验模分解变换的具体实施方法：利用经验模态分解和集合经验模态分解处理工具，可以将信号分解成不同的固有模态函数：

经验模态分解数据预处理遵循下面的步骤：

1.通过差值法计算输入信号x₀(t)在每一点上的局部最大值e_max(t)和局部最小值e_min(t)，每一点上信封这些信号，运用三次样条方法形成上包络线和下包络线；

2.计算局部最大值e_max(t)和局部最小值e_min(t)的平均值m(t)，然后计算x₀(t)和m(t)之间的差异，得到h(t)；

3.检查h(t)是否是固有模态函数，如果不是，将h(t)设为输入信号继续进行上述的步骤，直到第一个固有模态函数的出现；

4.如果一旦发现第一个固有模态函数，则从原始信号减去它；这时x₁(t)＝x₀(t)-c₁(t)，把x₁(t)作为输入信号重复上述过程获得固有模态函数，重复上述过程，得到第i个固有模态函数；

5.继续上面的步骤，直到不能分离出固有模态函数，剩余的部分被称为一个单调函数；然后，得到了n个c_i(t),i＝1-n和一个单调函数r(t)；

原始信号经过变换以后就可以写作：

集合经验模态分解的具体实施方法：

岩石破裂发生时声发射信号的振幅会突然增加；然而，当面临破裂时会出现模态混杂的问题，它会严重混淆时频分析和隐藏固有模态函数的物理意义；所以提出了集合经验模态分解：

1、集合经验模态分解，首先添加白噪音序列到原始信号；第j个原始信号和白噪声序列合并用x^(j)(t)表示；

2、对于每个混合信号，可以通过使用经验模态分解方法获得；注意，意味着第j个组合序列的第i个固有模态函数；

3、原始信号的第i个固有模态函数c_i(t)是所有之前所获的的第i个固有模态函数的总平均值。

希尔伯特变换用于计算瞬时频率和振幅，其具体的实施方法为：

(1)

$y\left(t\right)=H\left(x\right(t\left)\right)=\frac{1}{\mathrm{\π}}{\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}\frac{x\left(\mathrm{\τ}\right)}{t-\mathrm{\τ}}d\mathrm{\τ}$

通过这种变换，任何时间序列代表一个分析信号：

z(t)＝x(t)+iy(t)＝a(t)e^i∫ω(t)dt

瞬时频率和瞬时振幅为： $\mathrm{\ω}\left(t\right)=\frac{d\mathrm{\θ}\left(t\right)}{dt},a\left(t\right)=\sqrt{(x{\left(t\right)}^2+y{\left(t\right)}^2)}$

$\mathrm{\θ}\left(t\right)=arctan\left(\frac{y\left(t\right)}{x\left(t\right)}\right)$

(2)本方法选择有效能量的声发射率作为声发射参数信号。声发射有效能量E_AE被定义为：

$E_{AE}={\∫}_0^{\mathrm{\∞}}V\left(t\right)dt$ V(t)代表的是在t时刻的电压值；

(3)岩石破裂时会释放能量，声发射信号的产生伴随着弹性能的释放，声发射有效能量和断裂能量可能存在一定得关系；声发射有效能量分析的目的是测量岩石的断裂瞬间释放的能量；岩石破裂事件造成的声发射信号持续时间只有10毫秒，而且信号是瞬间的，很快就会降低到阀值以下，我们假设每一个时间点只有一个岩石的破裂事件产生，所以每个时刻的声发射信号都是独立的。因此，第i次岩石破裂产生的声发射有效能量为：

$E_{AE}^i={\∫}_t^{t+{\mathrm{\Δt}}_i}V\left(t\right)dt$

(4)如果在一个单位时间内发生了n次的破坏事件，那么声发射有效能量率为：

${\stackrel{\‾}{E}}_{AE}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{E}_{AE}^i$

(5)经过希尔伯特黄变换，声发射有效能量率可以表示为：

${\stackrel{\‾}{E}}_{AE}=\underset{j=1}{\overset{n}{\Σ}}{a}_j\left(t\right)\exp \left(i\∫{\mathrm{\ω}}_j\left(t\right)dt\right)+r\left(t\right)$

在上述方程中：

x_i(t)第i个输入的声发射信号；

x₀(t)一个典型的声发射输入信号；

e_max(t),e_min(t),m(t)输入信号的局部最大值与局部最小值，以及它们的平均值；

h(t)输入信号与平均值之间的差值；

c_i(t)第i个固有模态函数；

r(t)一个单调函数；

x^(j)(t)第j个典型声发射信号与白噪音序列的混合信号；

第j个混合信号的第i个固有模态函数；

y(t)x(t)的希尔伯特变换；

ω(t),a(t)瞬时频率与瞬时振幅；

E_AE声发射信号有效能量；

第i次岩石破裂事件发生时的声发射有效能量；

声发射有效能率；

V(t)与声发射信号强度有关的电压；

Δt_i每一个岩石破裂事件持续的时间；

ω_j(t)第j个固有模态函数的瞬时频率；

a_j(t),a_j′(t)第j个固有模态函数的瞬时振幅和它的对数。

岩石材料的室内实验是一个开放系统热力学过程，能量从岩石实验系统到岩石试件连续不断的转化成三种能量:弹性能量、塑料能和消失的能量。弹性变形产生弹性能量可以在卸载时完全释放，相反，塑性变形产生的能量无法释放。此外，能量的消失与辐射现象，相变和化学能源、压裂能等有关。为了简化分析方法，我们假设消失的能量等于从弹性能中生成的破裂能。除此之外，先前的研究表明，声发射有效能量率与断裂能量释放率在整个故障过程中是线性相关，无论材料是金属或非金属，宏观或微观尺度，同时声发射有效能量率可以反映在上述方程瞬时振幅中。因此，基于声发射信号参数的希尔伯特黄变换提供了一个更好的区分岩石破坏过程不同阶段的方法，这是相对于那些只利用声发射信号分析方法的优势所在。由此可得，该方法可以用来预测岩石试件的破坏。

Claims (1)

1.一种基于用于岩石损伤特征辨析的声发射信号处理方法，其特征是：声发射信号处理方法，包括如下步骤：

步骤一：在岩石力学特性的测试系统上加上声发射检测系统，采集岩石加载过程中声发射信号的变化；

步骤二：将声发射系统采集到的岩石试件破裂过程中声发射信号导出；

步骤三：对导出的声发射信号进行提取，提取其中的有效能量作为声发射参数信号，以及提取声发射信号中振幅比较大的信号作为分析对象；

步骤四：将步骤三提取的信号分别进行希尔伯特黄变换包括两个部分：变换一为经验模态分解或集合经验模分解变换；变换二为希尔伯特谱分析；

步骤五：对变换结果进行分析，进而通过声发射信号从宏观和微观两个层面上来说明岩石破坏过程中的损伤与衰减。