CN111766307A - 一种基于概率密度函数相似度的声发射到达时间判断方法 - Google Patents
一种基于概率密度函数相似度的声发射到达时间判断方法 Download PDFInfo
- Publication number
- CN111766307A CN111766307A CN202010552923.3A CN202010552923A CN111766307A CN 111766307 A CN111766307 A CN 111766307A CN 202010552923 A CN202010552923 A CN 202010552923A CN 111766307 A CN111766307 A CN 111766307A
- Authority
- CN
- China
- Prior art keywords
- box
- acoustic emission
- arrival time
- signal
- bin
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005070 sampling Methods 0.000 claims description 7
- NTSBMKIZRSBFTA-AIDOXSFESA-N Digoxigenin bisdigitoxoside Chemical compound C1[C@H](O)[C@H](O)[C@@H](C)O[C@H]1O[C@@H]1[C@@H](C)O[C@@H](O[C@@H]2C[C@@H]3[C@]([C@@H]4[C@H]([C@]5(CC[C@@H]([C@@]5(C)[C@H](O)C4)C=4COC(=O)C=4)O)CC3)(C)CC2)C[C@@H]1O NTSBMKIZRSBFTA-AIDOXSFESA-N 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000835 fiber Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000003754 machining Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 238000010978 in-process monitoring Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000012768 molten material Substances 0.000 description 1
- 229920000747 poly(lactic acid) Polymers 0.000 description 1
- 239000004626 polylactic acid Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 229920001169 thermoplastic Polymers 0.000 description 1
- 239000004416 thermosoftening plastic Substances 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/01—Indexing codes associated with the measuring variable
- G01N2291/011—Velocity or travel time
Landscapes
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
一种基于概率密度函数相似度的声发射到达时间判断方法，其特征在于：包括如下步骤：采集声发射信号；分割信号：原始声发射信号被分割成m个等时长的窗口；获取各个窗口段的相对频率直方图；获取每对相邻窗口段的相对频率直方图的箱‑箱距离；得到声发射到达时间：找到最小的箱‑箱距离所在的位置，这个位置为下降趋势的终点，选择拐点作为下降趋势的起点，拐点之后的第一个点即为到达时间。本发明具有能够便捷快速准确地获取所监测对象的信号到达时间，有助于开展后续的故障判定和故障定位工作的优点。
Description
技术领域
本发明涉及机械加工过程监测领域，尤其涉及一种基于概率密度函数相似度的声发射到达时间判断方法。
技术背景
声发射技术由于其高灵敏度、非侵入式和直观性等优点，广泛应用于机械加工过程监测领域。在一些场合，例如由于加工材料的移动，或者因加工过程导致的环境噪音过大，使得由故障引起的声发射信号变得微弱而被隐藏起来，不易与噪音区分开，因为在机械运转过程中，所要监测的部位发出的信号相对于噪声的比率随时间作无规律变化，在比率较低的时候很难对信号的到达时间在直观上做出准确的判断，也即影响后续对故障发生的空间位置进行定位工作。
目前关于声发射到达时间判断的方法很少，对声发射中的到达时间判断的工作不充分，对于低信噪比状态下的声发射信号处理能力不足。针对上述声发射到达时间判断方法存在的问题，本发明提出一种基于概率密度函数相似度的声发射到达时间判断方法。本发明所提出的基于概率密度函数相似度的声发射到达时间判断方法不同于其他到达时间判别方法，具有在较短时间获得较高准确判断结果的特点，而且适用于不同信噪比的场合和不同机械相关领域，例如加工过程监测和机械智能制造。本发明所提出的判断方法具有可靠的准确性和稳定性。
发明内容
为了解决在变动的信噪比环境下，尤其是低信噪比环境下声发射到达时间的准确判定技术所存在的问题。本发明提出基于概率密度函数相似度的声发射到达时间判断方法，在现有声发射获取方法的基础上，能够便捷快速准确地获取所监测对象的信号到达时间，有助于开展后续的故障判定和故障定位工作。
本发明所采取的技术方案是：
一种基于概率密度函数相似度的声发射到达时间判断方法，其特征在于：包括如下步骤：
(1)采集声发射信号：利用数据采集(Data Acquisition)系统以时间序列采集原始的声发射信号，信号的采样频率和采样长度取决于所要研究或监测的对象；
(2)分割信号：对原始声发射信号进行分割，原始声发射信号被分割成m个等时长的窗口，记为x1，x2，……，xm，每个窗口段包含M个元素；
(3)获取各个窗口段的相对频率直方图：计算每个窗口段的相对频率直方图，根据公式，
计算生成m个窗口段的直方图，其中Hi(x)为落入第i个窗口段内的在离散时间信号x的元素数下的相对频率直方图，N为整个离散时间信号的元素数，ν为测量水平值，也即箱数，用于H(x)中索引样本的值，两个相邻段的相对频率直方图为H1(xj)，H2(xj)，H3(xj)，……，Hυ(xj)和H1(xj+1)，H2(xj+1)，H3(xj+1)，……，Hυ(xj+1)；
(4)获取每对相邻窗口段的相对频率直方图的箱-箱距离：利用公式
计算每对相邻窗口段的相对频率直方图的箱-箱距离，其中db为巴氏系数，db(H)为对于两个有着ν个箱的相对频率直方图基于巴氏系数的直方图距离，M为窗口段内的元素个数，箱-箱距离值介于0到1之间，在元素数多的部位箱-箱距离值接近于1，元素数少的部位箱-箱距离值接近于0，因而在到达时间点附近在箱-箱距离值图上会出现有明显的下降趋势的部分，在这部分前后，箱-箱距离值都较高，而在这部分值最低；
(5)得到声发射到达时间：找到最小的箱-箱距离所在的位置，这个位置为下降趋势的终点，选择拐点作为下降趋势的起点，拐点之后的第一个点即为到达时间。
本发明的有益效果为：
(1)本发明所述的方法可用于计算不同工作条件的声发射信号直方图。
(2)本发明基于巴氏系数提出了直方图之间的箱-箱距离计算，为确定声发射事件的到达时间制定了标准和总体程序。
(3)本发明利用铅芯断裂监测，单粒磨削刮擦和细丝断裂测试三种实验性测试手段评估所提出方法的有效性，获得的结果令人满意，该方法可以用作从过程监控和其他领域识别声发射信号发作的可靠替代方法。
附图说明
图1本发明所述的一种基于概率密度函数相似度的声发射到达时间判断方法的原始信号分割示意图。
图2本发明所述的一种基于概率密度函数相似度的声发射到达时间判断方法的计算原始信号的相对频率直方图的示意图。
图3本发明所述的一种基于概率密度函数相似度的声发射到达时间判断方法的计算箱-箱距离的示意图。
图4本发明所述的一种基于概率密度函数相似度的声发射到达时间判断方法的箱-箱距离生成后图像示意图。
图5本发明所述的铅芯折断实验示意图。
图6本发明所述的铅芯折断实验低信噪比信号的原始信号图和箱-箱距离图。
图7本发明所述的铅芯折断实验高信噪比信号的原始信号图和箱-箱距离图。
图8本发明所述的铅芯断裂实验高信噪比和低信噪比到达时间误差分布图。
图9本发明所述的单粒磨削实验的原始声发射信号和对应箱-箱距离图。
图10本发明所述的熔丝纤维断裂实验的装置示意图。
图11本发明所述的熔丝纤维断裂实验的绝对能量图和对应的箱-箱距离图。
图12本发明所述的熔丝纤维断裂实验的原始声发射信号和赤池信息准则处理图。
具体实施方式
参照附图，进一步说明本发明：
本发明涉及一种实际监控用声发射到达时间的判断方法，用于判断声发射信号的准确到达时间，尤其是在低信噪比的情形中，进而判断故障的发生时间和发生位置，从而方便研究者对故障进行及时且准确的排除。
一种基于概率密度函数相似度的声发射到达时间判断方法，其包括如下步骤：
(1)利用数据采集(Data Acquisition)系统以时间序列采集原始的声发射信号，信号的采样频率和采样长度取决于所要研究或监测的对象；
(2)对原始信号进行分割，原始声发射信号被分割成m个等时长的窗口，如图1所示，记为x1，x2，……，xm，每个窗口段包含M个元素；
(3)计算每个窗口段的相对频率直方图，根据公式：
计算生成m个窗口段的直方图，其中Hi(x)为落入第i个窗口段内的在离散时间信号x的元素数下的相对频率直方图，N为整个离散时间信号的元素数，ν为测量水平值，也即箱数，用于H(x)中索引样本的值，两个相邻段的相对频率直方图为H1(xj)，H2(xj)，H3(xj)，……，Hυ(xj)和H1(xj+1)，H2(xj+1)，H3(xj+1)，……，Hυ(xj+1)，如图2所示；
(4)利用公式
计算每对相邻窗口段的相对频率直方图的箱-箱距离，其中db为巴氏系数，db(H)为对于两个有着ν个箱的相对频率直方图基于巴氏系数的直方图距离，M为窗口段内的元素个数，如图3所示。箱-箱距离值介于0到1之间，在元素数多的部位箱-箱距离值接近于1，元素数少的部位箱-箱距离值接近于0，因而在到达时间点附近在箱-箱距离值图上会出现有明显的下降趋势的部分，在这部分前后，箱-箱距离值都较高，而在这部分值最低，示意图如图4所示；
(5)找到最小的箱-箱距离所在的位置，这个位置为下降趋势的终点，选择拐点作为下降趋势的起点，拐点之后的第一个点所在时间即为到达时间。
验证实验：
(1)铅芯折断实验是一种人为生成声发射信号的方法，用于声发射领域有关的校准和仿真工作，实验装置如图5所示，将直径0.3mm、长度3±0.5mm的铅笔芯放置在灰色基体表面使其断裂，断裂的过程中脆性石墨会产生强烈的爆发性声发射信号。本发明采用Madarshahian的铅芯断裂实验的三处位置之一的位置数据，用于验证算法的准确度。断铅产生的声发射信号由10个压电式传感器采集，箱的宽度设置为0.0001，每个窗口设置25个数据点，每个窗口段长度为0.025ms。将传感器采集的原始声发射信号通过上述5个步骤处理，得到不同信号下的箱-箱距离。
图6和图7为不同的声发射信号及其对应的箱-箱距离图，根据原始声发射图样的信号大小及分辨难易程度，可将信号分为高信噪比(即有用信号部分高于噪音信号)和低信噪比(即有用信号部分接近或低于噪音信号)，图6(a)所示声发射信号为低信噪比信号，图7(a)所示为高信噪比信号。
由图6(b)所示的低信噪比信号箱-箱距离图可知，箱-箱距离在0.120ms之后显示出明显的下降。最小值为所在时间点为0.312ms。因此判定到达时间是0.120ms之后的第一点，即0.144ms处。它比实际开始时间提前0.010ms相对误差为6.49％。
由图7(b)所示的高信噪比信号箱-箱距离图可知，在0.192ms处有明显的下降。箱-箱距离在0.336ms时迅速下降到最小值，并且在0.192ms和0.336ms之间存在一个陡峭的梯度。根据上述方法所提及的标准，开始时间是转折点之后的第一个点，即0.216ms处。为了评估其准确性，将该到达时间与人为判定时间进行比较，这是估算实际到达时间的常用方法。人为判定到达时间为0.241ms，晚于自动判定时间0.025ms，相对误差为10.37％。
图8为100次断铅实验的手动和自动评估的到达时间之间的时差分布箱型图，(a)为高信噪比，(b)为低信噪比。低信噪比组在相同时间差处的频率为76.5％。时间差的平均值分别为0.0098ms和0.0003ms。高信噪比组的标准偏差为0.0083ms，低信噪比组的标准偏差为0.00237ms。因此，与低信噪比组相比，高信噪比组的结果更准确且分散程度更低。两组的判定到达时间的准确性程度都已足够。
(2)单粒磨削探测实验
在单粒磨削探测实验中，研究的核心在于单粒与工件间精确的接触时间。由于单粒只有几微米大小，与被加工工件的相互作用微妙，因而对微小材料磨损十分敏感的声发射技术成为非接触式监测的有效手段。
测试位于数控磨床(型号为美国哈丁XR 610VMC)进行，单粒粒度40#的金刚石被钎焊到钢轮表面，钢轮直径34.8mm。工件样品直径20mm，固定于磨床工作台上。压电传感器(型号为美国新泽西州普林斯顿物理声学公司(PAC)的WSα)连接到样品上。设定用于切割的钢轮进给速率固定为1m/s，切割深度分别设置成3.0μm，3.2μm，3.4μm和3.9μm。记录不同条件下磨削过程的原始声发射信号，并通过上述方法的五个步骤得到对应的箱对箱距离。
图9为切割深度3.9μm时原始声发射信号波形和对应的箱-箱距离，(a)为原始波形，(b)为箱-箱距离。图像显示箱-箱距离值在0.7附近徘徊，在0.00874s时有最小值，起始下降时间点为0.00722s，因此可判定到达时间为0.00747s。与人为判定到达时间相比，误差为1.45％。
(3)熔丝纤维断裂实验
细丝断裂是熔融态丝状制造中最常见的故障之一，此故障无法进行人为预测，并可导致如喷嘴堵塞等后续故障。声发射技术可以通过检测细丝与进给机口之间的摩擦、熔融态材料间的挤压摩擦以及二者间的关系可判断细丝材料是否断裂。
实验位于细丝制造机上进行(型号为美国佐治亚州诺克罗斯Hyrel 3D ESR)，细丝直径3.78mm，材质为热塑性聚乳酸，实验装置如图10所示，由上至下标注分别为进给管，声发射传感器，挤出器，前置放大器，打印平台。收集开始于空载期，没有细丝给进；其次进入稳定进给阶段；约24s后手动掐断丝料，开始进入研究关键阶段；最后细丝耗尽，重新进入空载状态一段时间，采集结束。图11为(a)绝对能量图像和(b)绝对能量的箱对箱距离图像。由图像知，在第一阶段，箱对箱距离值非常接近1，这表明在空载期间进给稳定；第一阶段的末尾有一个明显的下降，表明细丝已进入挤出器；第二阶段的声发射信号很强，波动在0.99998附近；随后，细丝的断裂产生了另一种类型的声发射信号，这可以通过箱-箱距离的变化反映出来；箱-箱距离的最小值在24.00s处，也即细丝断裂处；当细丝耗尽时，机器返回空载状态，箱-箱距离再次升至1。
更多的，基于赤池信息准则(AIC)的判断方法是目前最常使用的声发射处理方法之一，可以自动处理具有各种信噪比级别的声发射信号。本发明借助Kurz提出了最基本的赤池信息准则判别式，为：
AIC(tω)＝tωlog(var(Rω(tω,1)))+(Tω-tω-1)log(var(Rω(1+tω,Tω)))
其中ω表示未采用整个时间序列，只有选定的窗口包含到达时间。Tω是编排时间序列的最后一个样本，tω遍及Rω的所有样本，而var是方差函数。Rω(tω,1)表示仅从tω的当前值计算方差函数，而Rω(1+tω,Tω)表示已采集从1+tω到Tω的所有样本。在熔丝纤维断裂实验中，此方法在ω设为0.4s后运行24小时后仍未完成(在具有12核和128GB物理内存的Intel Xeon Gold 5118处理器上)，在采样频率设置为2.5kHz下花费168.45s。相比之下，本发明提出的方法在27.29s便找到正确的结果。利用赤池信息准则对其中一个样本得到的到达时间与准确时间的误差为0.67％，而由图12得知，在得到的图像中推测不出断裂的发生。
上述的三个验证性实验中，铅芯断裂实验是最常用的声发射相关检测和验证实验，数控磨削和熔融态细丝制造均是现代最主流的机械加工工艺之二，因而本发明所述的判断方法具有很强的实用性效果，而且在过程监测和加工制造等其他领域广泛；本发明所经历的验证性实验次数多，可信度高；本发明尤其在针对低信噪比的情况具有显著的效果，在变化的信噪比情况中的表现也十分可靠。在和最常用的赤池信息准则算法的比较中，本发明所提出的判断方法用时明显少，直观性更强，准确率高。综上，本发明适用于广泛的机械加工过程监测领域及相关应用。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.一种基于概率密度函数相似度的声发射到达时间判断方法，其特征在于：包括如下步骤：
(1)采集声发射信号：利用数据采集(Data Acquisition)系统以时间序列采集原始的声发射信号，信号的采样频率和采样长度取决于所要研究或监测的对象；
(2)分割信号：对原始声发射信号进行分割，原始声发射信号被分割成m个等时长的窗口，记为x1，x2，……，xm，每个窗口段包含M个元素；
(3)获取各个窗口段的相对频率直方图：计算每个窗口段的相对频率直方图，根据公式，
计算生成m个窗口段的直方图，其中Hi(x)为落入第i个窗口段内的在离散时间信号x的元素数下的相对频率直方图，N为整个离散时间信号的元素数，ν为测量水平值，也即箱数，用于H(x)中索引样本的值，两个相邻段的相对频率直方图为H1(xj)，H2(xj)，H3(xj)，……，Hυ(xj)和H1(xj+1)，H2(xj+1)，H3(xj+1)，……，Hυ(xj+1)；
(4)获取每对相邻窗口段的相对频率直方图的箱-箱距离：利用公式
计算每对相邻窗口段的相对频率直方图的箱-箱距离，其中db为巴氏系数，db(H)为对于两个有着ν个箱的相对频率直方图基于巴氏系数的直方图距离，M为窗口段内的元素个数，箱-箱距离值介于0到1之间，在元素数多的部位箱-箱距离值接近于1，元素数少的部位箱-箱距离值接近于0，因而在到达时间点附近在箱-箱距离值图上会出现有明显的下降趋势的部分，在这部分前后，箱-箱距离值都较高，而在这部分值最低；
(5)得到声发射到达时间：找到最小的箱-箱距离所在的位置，这个位置为下降趋势的终点，选择拐点作为下降趋势的起点，拐点之后的第一个点即为到达时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010552923.3A CN111766307A (zh) | 2020-06-17 | 2020-06-17 | 一种基于概率密度函数相似度的声发射到达时间判断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010552923.3A CN111766307A (zh) | 2020-06-17 | 2020-06-17 | 一种基于概率密度函数相似度的声发射到达时间判断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111766307A true CN111766307A (zh) | 2020-10-13 |
Family
ID=72722730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010552923.3A Pending CN111766307A (zh) | 2020-06-17 | 2020-06-17 | 一种基于概率密度函数相似度的声发射到达时间判断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111766307A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723207A (zh) * | 2021-08-03 | 2021-11-30 | 上海海事大学 | 一种基于直方图距离的突变信号检测方法 |
| CN113723207B (zh) * | 2021-08-03 | 2024-06-04 | 上海海事大学 | 一种基于直方图距离的声发射信号突变检测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2633002C1 (ru) * | 2016-07-04 | 2017-10-11 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный университет путей сообщения" (СГУПС) г. Новосибирск | Способ определения координат источников сигналов акустической эмиссии |
| CN108647604A (zh) * | 2018-04-28 | 2018-10-12 | 宋浏阳 | 基于频域直方图特征提取的对象物状态识别方法 |
-
2020
- 2020-06-17 CN CN202010552923.3A patent/CN111766307A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2633002C1 (ru) * | 2016-07-04 | 2017-10-11 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный университет путей сообщения" (СГУПС) г. Новосибирск | Способ определения координат источников сигналов акустической эмиссии |
| CN108647604A (zh) * | 2018-04-28 | 2018-10-12 | 宋浏阳 | 基于频域直方图特征提取的对象物状态识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| YANG ZHENSHENG ET AL.: "Evaluating onset times of acoustic emission signals using histogram distances", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723207A (zh) * | 2021-08-03 | 2021-11-30 | 上海海事大学 | 一种基于直方图距离的突变信号检测方法 |
| CN113723207B (zh) * | 2021-08-03 | 2024-06-04 | 上海海事大学 | 一种基于直方图距离的声发射信号突变检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110059442B (zh) | 一种基于零件表面粗糙度和功率信息的车削加工换刀方法 | |
| CN110153802B (zh) | 一种基于卷积神经网络和长短时记忆神经网络联合模型的刀具磨损状态辨识方法 | |
| US7341410B2 (en) | Dynamical instrument for machining | |
| Chungchoo et al. | On-line tool wear estimation in CNC turning operations using fuzzy neural network model | |
| Jiang et al. | In-process monitoring of tool wear stage by the frequency band-energy method | |
| Shahabi et al. | In-cycle monitoring of tool nose wear and surface roughness of turned parts using machine vision | |
| US7383097B2 (en) | Method for managing machine tool data | |
| EP1903335B1 (en) | Process of ultrasonic detection and preventive control of defects in parts made from composite materials | |
| US6556925B1 (en) | Signal processing system and signal processing method for cutting tool with abrasion sensor | |
| CN114850969B (zh) | 一种基于振动信号的刀具失效监控方法 | |
| Bahr et al. | Sensor fusion for monitoring machine tool conditions | |
| EP0242425B1 (en) | Method for evaluating residual fatigue life of mechanical parts | |
| Atli et al. | A computer vision-based fast approach to drilling tool condition monitoring | |
| Yang et al. | Evaluating onset times of acoustic emission signals using histogram distances | |
| CN111766307A (zh) | 一种基于概率密度函数相似度的声发射到达时间判断方法 | |
| Boos et al. | Melt pool monitoring using fuzzy based anomaly detection in laser beam melting | |
| CN110823158B (zh) | 一种电镀孔金属层厚度测量系统 | |
| Tansel | Identification of the prefailure phase in microdrilling operations using multiple sensors | |
| US6057170A (en) | Method of measuring waviness in silicon wafers | |
| Sampath et al. | Tool health monitoring using acoustic emission | |
| CN110530495A (zh) | 一种基于振动分析的切削颤振监测方法 | |
| JP2564189B2 (ja) | 機械工具の寿命判定方法 | |
| CN115533617A (zh) | 一种cnc加工中心刀具状态在线监测系统 | |
| CN115255566A (zh) | 一种基于高质量时域特征的焊偏实时智能检测方法 | |
| Chen et al. | Monitoring and analysis of ultraprecision metal cutting with acoustic emission |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201013 |
|
| WD01 | Invention patent application deemed withdrawn after publication |