CN111400883A - 基于频谱压缩的磁声发射信号特征提取方法 - Google Patents

Abstract

本发明公开了一种基于频谱压缩的磁声发射信号特征提取方法，首先对原始磁声发射信号经过时频变换，然后应用频谱压缩对变换后的频域信号进行进一步处理，将各阶谐波相乘以此来放大周期性成分，增强冲击特征，得到经过频谱压缩后的磁声发射信号能量值来表征不同疲劳状态下的磁声发射信号特征。本发明解决了磁声发射信号原始能量特征变化不明显时可以通过频谱压缩增强其冲击特征，经过频谱压缩得到的磁声发射能量特征参数相对于单纯提取磁声发射信号的能量特征，对材料的微观组织变化更明显，能更好地反映铁磁性金属材料的疲劳状态，增强了其特征对早期疲劳的灵敏性，具有明显的优势，在铁磁性金属材料疲劳无损探伤中具有广阔的应用前景。

Description

基于频谱压缩的磁声发射信号特征提取方法

技术领域

本发明涉及磁声发射信号提取技术，特别涉及一种基于频谱压缩的磁声发射信号特征提取方法。

背景技术

材料由于受到周期性载荷的作用时，往往会产生疲劳现象，由于疲劳而导致损伤机械和构件破坏，从而产生灾难性事故。如果能在材料失效之前就检测出内部微观组织的变化，并且能够在裂纹形成扩展之前作出有效的保护措施来防止事故的发生。磁声发射^[1-2]作为一种新型的无损检测技术，对铁磁性金属材料的早期疲劳具有很好的检测和预防作用。目前，针对磁声发射信号的时频变换方法有傅里叶变换、短时傅里叶变换、经验模态分解和S变换等。由于磁声发射信号属于非平稳信号，直接进行傅里叶变换看不出其频域信号的特征，而经验模态分解在分析信号过程中会出现严重的模态混叠问题和信号在重构时面临着残余噪声的影响，而且经验模态分解只能在时域上对信号进行分解，缺乏良好的频域定位特性。S变换对于磁声发射信号的局部特征参数提取较好，但是它缺乏对信号的自适应性，无法随着信号本身而做出相应的变化，缺乏很好的自适应性。因此针对磁声发射信号常常存在很强的背景噪声，难以从时域信号中识别其特征频率以及其传统特征参数难以反映信号对于铁磁性金属材料的微观组织结构的变化，可以借鉴语音信号处理方法——频谱压缩法，该方法将各阶谐波成分相乘以此来放大周期性成分，检测并增强冲击特征，并给出冲击的周期。

该方法是根据谐和乐器基音与泛音频率间成整数倍关系而设计的。首先将频谱压缩为原来频谱的1/2倍、1/3倍、1/4倍等倍数，以获得多个新的频谱，然后将这多个频谱与原频谱相乘达到提升基频谱峰的目标，进而达到正确提取基频的目的。基于频谱压缩法的基频检测方法，从信号频谱的角度，对磁声发射信号进行分析，使得磁声发射信号的基频分量变的很大，能够更有益于估计磁声发射信号的基频周期，从而可以进一步更加透彻的了解磁声发射信号的特性，提取出能量特征参数来反映信号对于铁磁性金属材料的微观组织结构变换的敏感度。从国内外研究现状来看，频谱压缩法主要是应用于语音信号处理的领域，其在语音信号有着广泛的应用^[3-8]。从研究现状来看，将频谱压缩法应用于磁声发射信号基频特征提取以及能量特征参数提取，国内外尚未有报道，这也是本专利的一个创新点所在。

发明内容

为了解决磁声发射信号传统特征参数对于材料的微观组织结构和应力状态变化不敏感问题以及磁声发射信号容易被噪声所湮没等问题，本发明通过频谱压缩对磁声发射信号的频谱能量进行提取，从信号频谱的角度分析了磁声发射信号的特性，并在一定程度上解决傅里叶变换等不能识别出冲击周期的问题以及解决倍频问题等难以解决的问题。通过在低周疲劳状态下得到的结果，来验证提出方法的有效性。以此来更精细、准确的描述磁声发射信号变化，从而使得磁声发射技术能够更好地用于材料早期疲劳状态的快速检测。

本发明采用以下技术方案来实现上述目的。基于频谱压缩的磁声发射信号特征提取方法，首先经过时频变换，然后应用频谱压缩对变换后的频域信号中各阶谐波频率相乘，放大周期性成分，增强冲击特征，提取频谱压缩后的低周疲劳磁声发射信号的能量值，其特征在于，具体步骤如下：

1)利用时频变换方法，对原始磁声发射信号进行变换，将信号从时域分析转变为频域分析；对于磁声发射信号x(t)，采用短时傅里叶变换进行时频变换，其数学定义如公式(1)所示：

式中：x(n)为在时间n输入的磁声发射信号，ω(n)为长度为m的窗函数，X_m(ω)在时间mR时窗函数里信号的离散时间傅里叶变换，R为滑动窗的大小；

上述离散时间傅里叶变换，其数学公式如下所示：

其中：x(n)为在采样数n处的信号幅度；

的定义如下：

实现时,短时傅里叶变换被计算为一系列加窗数据帧的快速傅里叶变换，其中窗口随时间“滑动”或“跳跃”；

2)对经过时频变换后的信号应用频谱压缩，将多个能量累积起来，通过分析累积的能量值的变化来反映不同疲劳状态，即应力拉伸循环周次下的磁声发射信号特征；对于经过短时傅里叶变换后，频谱表示为

频谱压缩法的目标是通过压缩频率，将多个谐波的能量累积起来，然后通过寻找多个谐波谱乘积的最大值确定基频频率，其公式如下所示：

其中：R表示参与计算的谐波个数，取R＝3～5，频率w_t表示基频出现的范围，通过搜索基频范围内的的P(e^jw)最大值，得到基频P，最后计算能量特征参数：

3)分析对比不同疲劳状态下有无经过频谱压缩的磁声发射信号能量的变化特征，从而取得其能量变化特征对早期疲劳微观组织结构状态和应力状态分析结果。

本发明提出的频谱压缩能够增强信号的冲击特征，提取不同疲劳状态下的磁声发射信号的基频频率以及能量特征参数，相对于传统的磁声发射特征提取方法，经过频谱压缩后提取信号的能量特征参数对材料的微观组织结构的细微变化更加明显，灵敏性更高。从而指导相关的无损检测技术现场的实际应用。

附图说明

图1是本发明基于频谱压缩提取磁声发射信号的基频以及能量原理框图；

图2是本发明实施例中疲劳实验试样的示意图；

图3是本发明中循环周次为3000次的磁声发射信号图；

图4是本发明中循环周次为3000次的磁声发射信号的傅里叶变换图；

图5是本发明中循环周次与磁声发射信号能量特征参数的关系图；

图6是本发明中循环周次与一次谐波的磁声发射信号的能量特征参数图；

图7是本发明中循环周次与二次谐波的磁声发射信号的能量特征参数图；

图8是本发明中循环周次与三次谐波的磁声发射信号的能量特征参数图；

图9是本发明中经过谐波叠加后的循环周次与磁声发射信号的能量特征参数图。

具体实施方式

以下结合附图和实施例对本发明作进一步说明。参见图1至图9，基于频谱压缩的磁声发射信号特征提取方法，首先经过时频变换，然后应用频谱压缩对变换后的频域信号进行进一步处理，将各阶谐波相乘以此来放大周期性成分，增强冲击特性，提取变换前后的磁声发射信号能量特征并进行对比，其具体步骤如下(如图1所示)：

1.基于频谱压缩的磁声发射信号能量特征提取：

1)利用时频变换方法，如短时傅里叶变换，对原始磁声发射信号进行变换，将信号从时域分析转变为频域分析；对于磁声发射信号x(t)，首先经过时频变换，这里采用短时傅里叶变换，其数学定义如下所示，

式中：x(n)为在时间n输入的磁声发射信号，ω(n)为长度为m的窗函数，X_m(ω)在时间mR时窗函数里信号的离散傅里叶变换，R为滑动窗的大小；

离散时间傅里叶变换，其数学公式如下所示：

其中：x(n)为在采样数n处的信号幅度.

的定义如下：

实现时,短时傅里叶变换被计算为一系列加窗数据帧的快速傅里叶变换，其中窗口随时间“滑动”或“跳跃”；

2)对经过时频变换，如短时傅里叶变换的信号应用频谱压缩，将多个能量累积起来，通过分析累积的能量值的变化来反映不同疲劳状态，即应力拉伸循环周次下的磁声发射信号特征；对于经过短时傅里叶变换后，频谱表示为

频谱压缩法的目标是通过压缩频率，将多个谐波的能量累积起来，然后通过寻找多个谐波谱乘积的最大值确定基频频率，其公式如下所示：

其中：R表示参与计算的谐波个数，一般取R＝3～5，频率w_t表示基频可能会出现的范围，通过搜索基频范围内的的P(e^jw)最大值，得到基频P；最后计算能量特征参数：

3)分析对比不同疲劳状态下的有无经过频谱压缩的磁声发射信号能量变化特征，从而取得其能量变化特征对早期故障微观组织结构状态和应力状态分析结果。

磁声发射信号在实验与采集的过程中，往往因为磁声发射信号本身易受到外部因素的干扰，对于人们不能有效提取特征参数造成严重的影响。并且，由于磁声发射信号属于非平稳信号，其分布参数和分布律随时间发生变化，目前，还很难有统一而完整的描述方法。本发明借助语音信号处理方法，引入频谱压缩法，将磁声发射信号的多个谐波的能量累积起来，然后通过寻找多个谐波谱乘积的最大值确定磁声发射的基频频率，并对比提取的能量值特征参数。

2.试验验证：

疲劳实验以Q235钢为研究对象，其中Q235钢的化学成分和材料的力学性能分别见表1和表2。

表1 Q235钢的化学成分(wt％)

材料	C	Si	Mn	P	S	ALT
							Q235	0.17	0.14	0.24	0.028	0.012	0.003

表2 材料的力学性能

参照国标GB/T3075-2008《金属材料疲劳试验轴向力控制方法》制备疲劳试样，试样尺寸(如图2所示)：厚度δ为8mm，总长度L为213mm，宽度H为48mm，两端拉柄l为60mm，中间为两侧相对的弧，弧半径R为96mm，两弧最小距离h为24mm。自钢板截取试样时，试样轴向均与钢板轧制方向相同。试样在机加工后均进行热处理退火热处理。热处理制度如下：在真空条件下550℃保温2h，然后随炉冷却。进行疲劳寿命测试时，磁轭两极之间的连线平行于试样轴向。

低周疲劳实验采用长春试验机厂生产的SDS-250电液伺服动静实验机进行疲劳实验。该试验机的最大载荷为250kN，可控频率范围为0.01-45Hz。

进行低周疲劳试验前，为了避免Q235钢失效，首先在最大应力350MPa，应力比为0.1的加载状态下循环1000次，以增大试样的强度。本次低周疲劳实验采用励磁频率为10Hz，励磁电压为3V的正弦波电压对线圈进行励磁，每循环到一定疲劳周期，停机取下试样进行磁声发射测试。

图3是循环周次为3000次的磁声发射信号。图中的横坐标是时间，纵坐标是磁声发射信号的幅值。从图中可以看出，磁声发射信号呈现出双驼峰形包络，在一个周期内，磁声发射信号与突发型声发射信号较为相似。

低周疲劳磁声发射信号传统特征参数提取：

磁声发射信号主要是由单峰纺锤形或双峰驼峰形的包络信号组成，在一个周期内，磁声发射信号与突发型的声发射的信号较为类似，因此可用声发射的特征参数来表征磁声发射的特征参数。以单峰纺锤形的磁声发射信号为例，选取磁声发射传统的能量来表示磁声发射信号的特征参数。

选取Q235钢在励磁频率为50Hz，励磁电压为3V条件下的低周疲劳状态下的磁声发射信号数据进行参数分析法处理。

图4是对循环周次为3000次的磁声发射信号进行傅里叶变换。图中的横坐标是频率，纵坐标是磁声发射的频率的幅值。从图中可以看出，磁声发射信号属于非稳定信号，用傅里叶变换很难识别其中的基本频率。

图5是没有经过频谱压缩直接提取的磁声发射能量特征参数。图中的横坐标是循环周次，纵坐标是磁声发射传统能量特征参数。从图中更可以看出，随着循环周次的增大，磁声发射信号整体的能量特征参数呈现下降趋势。这是因为，材料处于塑性变形阶段，材料会出现加工硬化现象，导致材料内部位错密度增加，位错结构也发生变化，而位错作为钉扎的中心会阻碍畴壁的运动，可动畴壁密度减小，使得磁声发射信号强度下降。还可以发现，在循环周次从5000到9000次之间，磁声发射的能量特征参数看不出呈现下降的趋势，传统方法直接提取磁声发射能量特征参数有时反映不出微观组织结构的变换，有必要寻求一种新的提取能量特征参数的方法。

频谱压缩磁声发射信号能量特征参数提取：

为了对比提取的传统的磁声发射能量特征参数，首先提取了经过频谱压缩的一次谐波的能量特征参数(如图6所示)。图中的横坐标是循环周次，纵坐标是一次谐波的能量特征参数。从图中可以看出，提取的一次谐波能量整体还是呈现出下降的趋势，且相对于传统的直接提取能量特征参数，经过频谱压缩后提取一次谐波的能量特征参数在循环周次5000次之后浮动较低，且下降的趋势更大。

图7是经过频谱压缩的二次谐波的能量特征参数。图中的横坐标是循环周次，纵坐标是一次谐波的能量特征参数。从图中可以看出，提取的二次谐波能量整体还是呈现出下降的趋势，和提取的一次谐波的磁声发射信号能量值一样，其能量特征参数在循环周次5000次之后浮动较低，且下降的趋势更大。

图8是经过频谱压缩的三次谐波的能量特征参数。图中的横坐标是循环周次，纵坐标是一次谐波的能量特征参数。从图中可以看出，提取的三次谐波能量整体还是呈现出下降的趋势，和前面提取的一次、二次谐波的能量特征参数一样。

图9是循环周次与经过频谱压缩叠加后磁声发射信号能量的关系图。图中横坐标是循环周次，纵坐标是磁声发射信号的能量值。从图中可以看出，随着循环周次的增大，磁声发射信号的能量值还是逐渐减小，但是相比较于未经过频谱压缩得到的磁声发射信号的能量值特征参数以及单次谐波得到的磁声发射信号的能量值特征参数，经过频谱压缩叠加后提取的能量特征参数下降的更快，而且相对于前者，后者相对于材料的微观组织变化则更加明显。

由以上结果可知，随着循环周次的增大，磁声发射信号的能量特征参数是下降的。但是，通过频谱压缩，可以得到不同周次下的磁声发射信号的基频频率，而且提取的磁声发射信号的能量特征参数相比较于未经过频谱压缩提取的能量特征参数而言，前者对于材料的微观组织变化更加的敏感。这也显示了本发明的独特优势，在无损探伤中具有广阔的应用前景。

本发明的核心技术是利用时频变换方法，将磁声发射信号从时域转换到频域，再利用一频谱压缩方法提取磁声发射信号的能量特征参数，提出的方法鲁棒性强，犹豫有累积效应。因此，对弱冲击非常敏感，能够在强噪声背景下，检测并增强弱冲击特征，并给出冲击的周期。将该方法应用于低周疲劳过程中的磁声发射信号处理中，实验结果表明，相对于单纯地提取磁声发射信号的能量特征参数，通过该方法后再提取信号的能量特征参数，不仅能反映不同疲劳状态下磁声发射信号规律变化，而且对于材料的微观组织变换更加的敏感，为将磁声发射应用于工业检测中提供了依据，提出的方法在铁磁性金属材料疲劳监测中具有广阔的应用前景。

参考文献：

[1]沈永娜,沈功田,柯卫杰,郑阳.磁声发射检测技术研究进展[J].无损检测,2017,39(05):87-98.

[2]Su F.Methodology for the Stress Measurement of FerromagneticMaterials by Using MagnetoAcoustic Emission[J].Experimental Mechanics,2014,54(8):1431-1439.

[3]黄睿.多音信号中单滑音的基频提取[D].山东大学,2016.

[4]陈雪梅.乐音信号的多基频估计[D].山东大学,2014.

[5]Sripriya N,Nagarajan T.Pitch estimation using harmonic productspectrum derived from DCT[C]//2013 IEEE International Conference of IEEERegion 10(TENCON 2013).IEEE,2014.

[6]Ming Zhao,Jing Lin,Yonghao Miao,Xiaoqiang Xu.Detection andrecovery of fault impulses via improved harmonic product spectrum and itsapplication in defect size estimation of train bearings[J].Measurement,2016,91.

[7]Abe Rinji,Kambayashi Noriyoshi.Frequency estimation based onharmonic product spectrum method[J].THE JOURNAL OF THE ACOUSTICAL SOCIETY OFJAPAN,1997,53(9).

[8]Ding H,Qian B,Li Y,et al.A Method Combining LPC-Based Cepstrum andHarmonic Product Spectrum for Pitch Detection[C]//Second InternationalConference on Intelligent Information Hiding and Multimedia Signal Processing(IIH-MSP 2006),Pasadena,California,USA,December 18-20,2006,Proceedings.IEEE,2006.

Claims (1)

1.基于频谱压缩的磁声发射信号特征提取方法，首先经过时频变换，然后应用频谱压缩对变换后的频域信号中各阶谐波频率相乘，放大周期性成分，增强冲击特征，提取频谱压缩后的低周疲劳磁声发射信号的能量值，其特征在于，具体步骤如下：

1)利用时频变换方法，对原始磁声发射信号进行变换，将信号从时域分析转变为频域分析；对于磁声发射信号x(t)，采用短时傅里叶变换进行时频变换，其数学定义如公式(1)所示：

式中：x(n)为在时间n输入的磁声发射信号，ω(n)为长度为m的窗函数，X_m(ω)在时间mR时窗函数里信号的离散时间傅里叶变换，R为滑动窗的大小；

上述离散时间傅里叶变换，其数学公式如下所示：

其中：x(n)为在采样数n处的信号幅度；

的定义如下：

实现时,短时傅里叶变换被计算为一系列加窗数据帧的快速傅里叶变换，其中窗口随时间“滑动”或“跳跃”；

2)对经过时频变换后的信号应用频谱压缩，将多个能量累积起来，通过分析累积的能量值的变化来反映不同疲劳状态，即应力拉伸循环周次下的磁声发射信号特征；对于经过短时傅里叶变换后，频谱表示为

频谱压缩法的目标是通过压缩频率，将多个谐波的能量累积起来，然后通过寻找多个谐波谱乘积的最大值确定基频频率，其公式如下所示：

其中：R表示参与计算的谐波个数，取R＝3～5，频率w_t表示基频出现的范围，通过搜索基频范围内的的P(e^jw)最大值，得到基频P，最后计算能量特征参数：

3)分析对比不同疲劳状态下有无经过频谱压缩的磁声发射信号能量的变化特征，从而取得其能量变化特征对早期疲劳微观组织结构状态和应力状态分析结果。

Images