CN114384156A - 一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法 - Google Patents
一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法 Download PDFInfo
- Publication number
- CN114384156A CN114384156A CN202210037753.4A CN202210037753A CN114384156A CN 114384156 A CN114384156 A CN 114384156A CN 202210037753 A CN202210037753 A CN 202210037753A CN 114384156 A CN114384156 A CN 114384156A
- Authority
- CN
- China
- Prior art keywords
- acoustic emission
- entropy
- crack
- waveform
- damage
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000000605 extraction Methods 0.000 title claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 239000000463 material Substances 0.000 claims abstract description 25
- 238000011161 development Methods 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000000739 chaotic effect Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G01N29/14—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
- 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
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
Landscapes
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，该方法将信息熵理论应用到声发射特征参量的提取过程中，提出了一个能够准确有效地识别材料裂纹损伤的声发射新参数——声发射熵(Acoustic Emission Entropy)，建立了基于声发射熵的材料裂纹损伤识别方法。声发射熵不仅与人为设定的声发射系统门槛值无关，而且能够反映声发射波形内在的混沌特性或不确定度，它能够准确、有效地识别和评价材料不同裂纹损伤状态，还具备出色的抗噪能力，在声发射健康监测中具备巨大的发展和应用潜力。
Description
技术领域
本发明属于声发射监测与损伤识别领域，具体涉及一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法。更为具体的，涉及一个能准确有效识别材料损伤的声发射新参数——声发射熵。
背景技术
声发射技术(Acoustic Emission Technology,AET)是结构健康监测(StructuralHealth Monitoring,SHM)中的一项重要监测技术。与传统的超声、射线、涡流等无损检测技术相比，声发射技术因具备能够检测动态缺陷、实现长期在线监测以及可对结构进行完整性评价等独特优势，已被逐渐应用于各类压力容器和管道的健康监测和损伤评价中。然而，目前基于声发射技术的结构健康监测所面临的关键问题和挑战，仍然是如何从声发射波形中提取有效的特征参量，从而对材料和结构的损伤状态做出准确识别和评估。
通过声发射传感器探测得到的声发射波形非常复杂，因此通常采用声发射参数分析法，即从声发射波形中提取不同特征参量来对声发射源的活动状态进行评估，从而实现损伤识别和评估的目的。声发射信号参数分析法是最经典的声发射信号处理方法，其信号分析处理过程简单明了、结果明晰直观、且实用性强，所以在科学研究和工程实际中广泛应用。传统的声发射参数包括计数(Count)、能量(Energy)、上升时间(Rise time)、持续时间(Duration)、峰值计数(Counts to peak)、幅值(Amplitude)和有效值电压(RMS)等。然而，除了幅值和有效值电压以外，其它参数的数值均受到人为设定的声发射系统门槛值的影响(如图1所示)。如果门槛设置不当，或者声发射监测环境不易可控(如高噪声环境)，必然会影响这些参数的大小，进而直接影响损伤评价结果。另一方面，幅值和有效值电压虽然与声发射系统门槛值无关，但仅能反映声发射波形的绝对强度，无法反映由材料损伤引起的声发射波形的混沌特性。以上因素极大地限制了基于声发射参数的损伤评价的发展，以及声发射监测的工业应用。
发明内容
本发明的目的在于克服上述现有技术的缺点，提供一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，提出一个与声发射系统门槛值无关的、能反映波形混沌特征的新参数——声发射熵(Acoustic Emission Entropy)，从而实现复杂、高背景噪声监测环境下裂纹损伤的准确识别和评估。
为达到上述目的，本发明采用以下技术方案予以实现：
一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，包括以下步骤：
步骤1，以到达时间为序列，记录声发射波形，获得每一个声发射波形的数据；
步骤2，将每个到达时间的声发射波形对应的电压值转换为离散随机分布；
步骤3，将每个到达时间的声发射波形对应的离散随机分布转换为分布直方图；
步骤4，计算分布直方图中的每一个电压值的概率，基于每一个电压值的概率计算所述到达时间的声发射波形对应的声发射熵；
步骤5，重复步骤1～步骤4，计算从试验开始后所有声发射波形的声发射熵，当声发射熵的数值保持不变或在小范围稳定波动时，认定材料内部没有出现裂纹损伤或者损伤没有进一步发展；声发射熵的数值快速增大，认定试验材料的损伤状态进入了新的阶段。
本发明的进一步改进在于：
优选的，步骤1中，通过声发射技术进行结构损伤监测，以到达时间为序列，记录声发射波形数据。
优选的，步骤2中，离散随机分布中，波形长度取决于声发射监测中设定的采样频率和采样长度n。
优选的，步骤3中，直方图中，组距接近声发射数据采集系统的分辨率。
优选的，步骤3中，直方图中，组距小于声发射数据采集系统分辨率的5倍。
优选的，步骤3中，直方图的边界大于波形的最大电压值。
优选的，步骤4中，声发射熵的计算公式为：
式中，HAE(V)是声发射熵；p(Vi)表示每种可能的电压值V在各个组距中的概率；b＝2，表明量纲为比特。
优选的，步骤5中，当声发射熵的数值持续增大，认定材料的裂纹损伤程度不断增加。
优选的，步骤5中，所述小范围为波动的差值小于等于1。
与现有技术相比，本发明具有以下有益效果：
本发明公开了一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，该方法将信息熵理论应用到声发射特征参量的提取过程中，提出了一个能够准确有效地识别材料裂纹损伤的声发射新参数——声发射熵(Acoustic Emission Entropy)，建立了基于声发射熵的材料裂纹损伤识别方法。声发射熵不仅与人为设定的声发射系统门槛值无关，而且能够反映声发射波形内在的混沌特性或不确定度，它能够准确、有效地识别和评价材料不同裂纹损伤状态，还具备出色的抗噪能力，在声发射健康监测中具备巨大的发展和应用潜力；该方法简单，易于实现，反映了波形的混沌特性。因此本发明方法能够很好地抑制背景噪声对声发射参数的影响，适用于复杂、高噪声环境中的声发射监测，对于实现材料或结构裂纹损伤的准确识别和评估，具有非常重要的工程应用价值。
附图说明
图1是传统的声发射参数图。
图2是一种高强度钢在疲劳裂纹扩展过程中的声发射监测试验布置图。
图3是本发明声发射熵的特征提取与裂纹损伤识别方法流程图。
图4是本发明的实施例的过程实施图。
其中，1-加载平台；2-试件；3-传感器；4-前置放大器；5-声发射监测仪器。
具体实施方式
下面结合附图对本发明做进一步详细描述：
一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，参见图3包括以下步骤：
步骤1：参见图2，利用声发射技术开展结构损伤监测，采集声发射信号，记录声发射波形，以声发射波形到达时间顺序为基准，获得每一个声发射波形数据。
参见图2，为声发射技术开展结构损伤监测系统。该系统包括加载平台1、传感器3、前置放大器4和声发射监测仪器5，试件2设置在加载平台1中。
步骤2：将每个到达时间的声发射波形对应的电压值转换为一个离散随机分布V＝{V1,V2,……,Vn}，该分布的长度取决于声发射监测中设定的采样频率和采样长度n。
步骤3：针对每一个声发射波形的离散分布，建立一个组距很小的电压值分布直方图，以描述电压值的频数分布。组距要求足够小，优选的，组距小于声发射数据采集系统分辨率的5倍。
直方图的边界要大于该波形的最大电压值，一个直方图中每一个组数据的边界和该组最大电压值之间的距离为定值，对于下一步的一组声发射数据的新参数计算过程，直方图组距和边界需保持一致。
步骤4：计算该波形中采集的每一个电压值的概率，根据式(1)计算得到该波形的信息熵，该新参数称之为声发射熵(Acoustic Emission Entropy)。
式中，HAE(V)是声发射波形离散分布的熵，简称声发射熵；p(Vi)表示每种可能的电压值Vi在各个组距中的概率；b＝2，表明量纲为bit(比特)。
步骤5：重复步骤1至4，从试验监测开始，按照时间顺序，计算损伤监测中所有声发射波形的声发射熵，绘制出所有信号的声发射熵(Acoustic Emission Entropy)随到达时间的演化规律，根据声发射熵的变化特征对材料的裂纹损伤演化状态进行识别和评估。
基于声发射熵判断材料裂纹损伤状态的具体方法为：当声发射熵的数值保持不变，或在小范围稳态波动时(小于1)，材料内部没有出现裂纹损伤或者损伤没有进一步发展；当材料内部出现临界损伤时，如裂纹萌生或者裂纹快速扩展，声发射熵的数值会突然快速增大，在演化规律上表现出明显的峰值，说明材料的损伤状态进入了新的阶段；声发射熵的持续增大表明材料的裂纹损伤程度不断增加；其中，所述的材料损伤特征点为声发射熵的突然快速增大和显著峰值的出现。
实施例
如图2所示，在一种高强度钢的疲劳裂纹扩展实验中，通过加载疲劳载荷使得裂纹开始扩展，记录裂纹扩展尺寸，同时采用声发射传感器记录裂纹扩展过程中的声发射波形，将波形数据导入计算机以提取特征参数。
结合附图3，采用图2所示裂纹扩展实验监测得到的声发射数据，对声发射熵的提取过程以及基于声发射熵的损伤识别结果进行详细说明。具体流程如下：
步骤1：利用声发射技术开展结构损伤监测，记录声发射波形，以到达时间为序列，获得每一个声发射波形的数据；
步骤2：将每个到达时间的声发射波形转换为一个离散随机分布V＝{V1,V2,……,Vn}。该分布包含波形的电压值Vi，该分布长度取决于声发射监测中设定的采样频率和采样长度n。
由于图2中该信号的采样长度为1K，因此每个波形的电压值数目为1024个，也就是离散随机分布V＝{V1,V2,……,V1024}；
步骤3：针对每一个声发射波形的离散分布，建立一个组距很小的电压值分布直方图，以描述电压值的频数分布。组距要求足够小，最好接近于声发射数据采集系统的分辨率。参见图4，图中信号监测，所采用的声发射数据采集系统的精度是0.000305V，因此该波形的声发射熵计算过程所设置的组距为0.001V，该组距最多包含了3个可能存在的电压值。直方图的范围设置为-1至1V，远大于该波形的最大电压值。
步骤4：计算该波形每一个电压值的概率，根据式(1)计算得到该波形的信息熵，该新参数称之为声发射熵(Acoustic Emission Entropy)。
步骤5：重复步骤1至4，计算裂纹扩展中所有声发射波形的声发射熵，绘制出疲劳裂纹扩展过程中声发射熵随信号到达时间的演化规律，对材料的裂纹损伤演化状态进行识别和评估。
步骤5中展示了基于声发射熵的疲劳裂纹扩展损伤识别与评价结果。从图4中可以看出，声发射熵的演变规律包括三个明显的阶段。
在第一个阶段中，随着加载过程的进行，声发射熵不断增大。当疲劳加载进行至大约1200s时，声发射熵逐渐增大到最大值，此时对应的疲劳裂纹长度为1.05mm。在第一个阶段内，裂纹长度小于1.05mm，因此这一阶段可以看作裂纹萌生与小裂纹扩展阶段。
在第二个阶段中，声发射熵的数值主要分布在6至10之间，且变化趋势保持稳定。同时，疲劳裂纹稳定扩展，裂纹增长趋势趋于线性增长。因此，声发射熵的第二个阶段对应于疲劳裂纹稳态扩展。
当疲劳加载超过7000s时，声发射熵的数值突然再次增大，其值分布在8至13的区间内。当裂纹扩展试验接近于结束时，声发射熵达到了最大值。从裂纹扩展曲线也可以看出，在这一阶段裂纹长度快速增长，呈指数增长规律。因此，第三个阶段可以看作裂纹快速扩展和最后的断裂。
因此，基于声发射熵的演化规律，能够实现裂纹扩展过程中不同损伤状态的有效识别和评价。该案例中材料裂纹损伤特征点为声发射熵的突然快速增大和显著峰值的出现。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，其特征在于，包括以下步骤：
步骤1，以到达时间为序列，记录声发射波形，获得每一个声发射波形的数据；
步骤2，将每个到达时间的声发射波形对应的电压值转换为离散随机分布；
步骤3，将每个到达时间的声发射波形对应的离散随机分布转换为分布直方图；
步骤4，计算分布直方图中的每一个电压值的概率，基于每一个电压值的概率计算所述到达时间的声发射波形对应的声发射熵；
步骤5，重复步骤1～步骤4，计算从试验开始后所有声发射波形的声发射熵，当声发射熵的数值保持不变或在小范围稳定波动时，认定试验材料内部没有出现裂纹损伤或者损伤没有发展；声发射熵的数值增大，认定试验材料的损伤状态进入了新的阶段。
2.根据权利要求1所述的一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，其特征在于，步骤1中，通过声发射技术进行结构损伤监测，以到达时间为序列，记录声发射波形数据。
3.根据权利要求1所述的一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，其特征在于，步骤2中，离散随机分布中，波形长度取决于声发射监测中设定的采样频率和采样长度n。
4.根据权利要求1所述的一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，其特征在于，步骤3中，直方图中，组距接近声发射数据采集系统的分辨率。
5.根据权利要求1所述的一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，其特征在于，步骤3中，直方图中，组距小于声发射数据采集系统分辨率的5倍。
6.根据权利要求1所述的一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，其特征在于，步骤3中，直方图的边界大于波形的最大电压值。
7.根据权利要求1所述的一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，其特征在于，步骤4中，声发射熵的计算公式为：
式中，HAE(V)是声发射熵；p(Vi)表示每种可能的电压值V在各个组距中的概率；b＝2，表明量纲为比特。
8.根据权利要求1所述的一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，其特征在于，步骤5中，当声发射熵的数值持续增大，认定试验材料的裂纹损伤程度持续增加。
9.根据权利要求1-8任意一项所述的基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法，其特征在于，步骤5中，所述小范围为波动的差值小于等于1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210037753.4A CN114384156B (zh) | 2022-01-13 | 2022-01-13 | 一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210037753.4A CN114384156B (zh) | 2022-01-13 | 2022-01-13 | 一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114384156A true CN114384156A (zh) | 2022-04-22 |
| CN114384156B CN114384156B (zh) | 2024-05-07 |
Family
ID=81202749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210037753.4A Active CN114384156B (zh) | 2022-01-13 | 2022-01-13 | 一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114384156B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100060257A (ko) * | 2008-11-27 | 2010-06-07 | 부산대학교 산학협력단 | 음향방출 기법을 이용한 코팅재의 손상진단을 위한 장치 및방법 |
| CN103389341A (zh) * | 2012-05-10 | 2013-11-13 | 沈阳工业大学 | 风力机叶片裂纹检测方法 |
| CN204758542U (zh) * | 2015-07-02 | 2015-11-11 | 上海市特种设备监督检验技术研究院 | 一种金属结构的裂纹的检测装置 |
| RU2614186C1 (ru) * | 2015-10-19 | 2017-03-23 | Федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский Томский политехнический университет" | Способ неразрушающего контроля степени поврежденности металлов контейнеров |
| CN108956767A (zh) * | 2018-06-13 | 2018-12-07 | 天津大学 | 基于频率-信息熵的钢筋混凝土锈蚀疲劳损伤评价方法 |
| CA3073833A1 (en) * | 2017-09-01 | 2019-03-07 | Feasible, Inc. | Determination of characteristics of electrochemical systems using acoustic signals |
| CN110568083A (zh) * | 2019-09-27 | 2019-12-13 | 中北大学 | 一种针对钢材腐蚀疲劳损伤在线监测的声发射检测方法 |
| CN111879858A (zh) * | 2020-08-31 | 2020-11-03 | 江西理工大学 | 一种基于声发射震源主频唯一性的岩石破坏预测方法 |
| CN111999391A (zh) * | 2020-06-24 | 2020-11-27 | 天津科技大学 | 声发射监测装置及其对材料结构的疲劳损伤分析方法 |
-
2022
- 2022-01-13 CN CN202210037753.4A patent/CN114384156B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100060257A (ko) * | 2008-11-27 | 2010-06-07 | 부산대학교 산학협력단 | 음향방출 기법을 이용한 코팅재의 손상진단을 위한 장치 및방법 |
| CN103389341A (zh) * | 2012-05-10 | 2013-11-13 | 沈阳工业大学 | 风力机叶片裂纹检测方法 |
| CN204758542U (zh) * | 2015-07-02 | 2015-11-11 | 上海市特种设备监督检验技术研究院 | 一种金属结构的裂纹的检测装置 |
| RU2614186C1 (ru) * | 2015-10-19 | 2017-03-23 | Федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский Томский политехнический университет" | Способ неразрушающего контроля степени поврежденности металлов контейнеров |
| CA3073833A1 (en) * | 2017-09-01 | 2019-03-07 | Feasible, Inc. | Determination of characteristics of electrochemical systems using acoustic signals |
| CN108956767A (zh) * | 2018-06-13 | 2018-12-07 | 天津大学 | 基于频率-信息熵的钢筋混凝土锈蚀疲劳损伤评价方法 |
| CN110568083A (zh) * | 2019-09-27 | 2019-12-13 | 中北大学 | 一种针对钢材腐蚀疲劳损伤在线监测的声发射检测方法 |
| CN111999391A (zh) * | 2020-06-24 | 2020-11-27 | 天津科技大学 | 声发射监测装置及其对材料结构的疲劳损伤分析方法 |
| CN111879858A (zh) * | 2020-08-31 | 2020-11-03 | 江西理工大学 | 一种基于声发射震源主频唯一性的岩石破坏预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| MENGYU CHAI等: "《A new qualitative acoustic emission parameter based on Shannon’s entropy for damage monitoring》", 《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》, pages 2 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114384156B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108956767B (zh) | 基于频率-信息熵的钢筋混凝土锈蚀疲劳损伤评价方法 | |
| CN110514745B (zh) | 一种基于多频声发射信号的缆索断丝位置确定的方法 | |
| Rummel | Nondestructive inspection reliability history, status and future path | |
| EP3951381A1 (en) | Non-destructive testing method and device for testing and distinguishing internal and external defects of steel wire rope | |
| Xu et al. | Rail defect detection method based on recurrent neural network | |
| CN110954033A (zh) | 混凝土裂缝深度检测方法及其系统 | |
| CN111678992A (zh) | 一种用于识别混凝土结构损伤类型的无损检测方法 | |
| CN110455923B (zh) | 一种锚杆锚固质量等级快速评价方法 | |
| Shiotani | Parameter analysis | |
| CN114384156A (zh) | 一种基于信息熵理论的声发射信号特征提取与裂纹损伤识别方法 | |
| CN110308044B (zh) | 基于金属磁记忆检测的增材制造制件早期应力集中判别方法 | |
| Zhang et al. | An investigation on rail health monitoring using acoustic emission technique by tensile test | |
| CN117191956A (zh) | 一种基于声发射的钛合金应力腐蚀损伤分类方法及装置 | |
| CN116662900A (zh) | 一种低频电压的局部放电程度识别方法及系统 | |
| CN116881712A (zh) | 一种混凝土大坝活动裂纹电磁脉冲信号识别方法 | |
| CN113358469B (zh) | 一种用于岩石断裂分类的声发射信号可视化处理方法 | |
| CN115144259A (zh) | 一种钢材抗形变性能检测方法及系统 | |
| Fenenko | Cluster analysis of acoustic emission signals from the friction zone of tribosystems | |
| CN114487103B (zh) | 基于旧零件声发射信号混沌特征值的损伤检测分析方法 | |
| Wang et al. | Noise suppression and pulse extraction method based on fluctuation characteristics of partial discharge signals | |
| Boreiko et al. | The sensitivity of the acoustic-emission method during the detection of flaws in pipes | |
| RU2767028C1 (ru) | Способ определения охрупчивания материала | |
| CN110455922B (zh) | 一种基于k近邻法的锚杆锚固质量等级评定方法 | |
| US11913895B2 (en) | Method for detecting occurrence of cracks and the like, device for detecting occurrence of cracks and the like, and program for detecting occurrence of cracks and the like | |
| CN115524391B (zh) | 一种基于磁声发射蝶形曲线的铁磁性材料塑性变形表征方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |