RU2570592C1 - Method of detecting and analysing acoustic emission signals - Google Patents
Method of detecting and analysing acoustic emission signals Download PDFInfo
- Publication number
- RU2570592C1 RU2570592C1 RU2014143366/28A RU2014143366A RU2570592C1 RU 2570592 C1 RU2570592 C1 RU 2570592C1 RU 2014143366/28 A RU2014143366/28 A RU 2014143366/28A RU 2014143366 A RU2014143366 A RU 2014143366A RU 2570592 C1 RU2570592 C1 RU 2570592C1
- Authority
- RU
- Russia
- Prior art keywords
- signal
- noise
- acoustic emission
- time series
- recording
- Prior art date
Links
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Description
Заявляемое изобретение относится к диагностике состояния технических устройств, основанной на применении метода акустической эмиссии (АЭ), и может быть использовано при мониторинге технического состояния конструкций, технических устройств, зданий и сооружений в условиях воздействия факторов высокоамплитудных случайных шумов.The claimed invention relates to the diagnosis of the state of technical devices based on the application of the method of acoustic emission (AE), and can be used to monitor the technical condition of structures, technical devices, buildings and structures under the influence of factors of high-amplitude random noise.
Основной проблемой практического использования метода АЭ является его слабая помехозащищенность. Для решения этой проблемы в серийных акустико-эмиссионных измерительных комплексах используется способ пороговой регистрации сигнала АЭ с последующей классификацией дефектов по степени опасности [1]. Данный способ реализуется посредством установки порога дискриминации входного сигнала. Подобная процедура имеет смысл, если отношение сигнал/шум на входе регистрирующего устройства больше единицы. В противном случае качество акустико-эмиссионного контроля резко падает, а при возникновении помех, сравнимых с уровнем входного полезного сигнала, анализ данных становится невозможным. Таким образом, результат контроля зависит от величины устанавливаемого порога и амплитудного уровня входных помех, что существенно ограничивает область применения метода АЭ. Объектами с низким отношением сигнал/шум, к которым метод АЭ в условиях текущей эксплуатации неприменим, являются элементы трущихся узлов и деталей машин и механизмов, промышленные установки и технические устройства, работающие в условиях высокой зашумленности, а также здания и сооружения при воздействии высокоамплитудных случайных помех.The main problem of the practical use of the AE method is its weak noise immunity. To solve this problem in serial acoustic emission measuring systems, a threshold detection method for the AE signal is used, followed by the classification of defects according to the degree of danger [1]. This method is implemented by setting the threshold of discrimination of the input signal. A similar procedure makes sense if the signal-to-noise ratio at the input of the recording device is greater than unity. Otherwise, the quality of acoustic emission control decreases sharply, and when interference occurs that is comparable to the level of the input useful signal, data analysis becomes impossible. Thus, the control result depends on the value of the set threshold and the amplitude level of input noise, which significantly limits the scope of the AE method. Objects with a low signal-to-noise ratio, to which the AE method is not applicable under current operating conditions, are elements of friction assemblies and parts of machines and mechanisms, industrial plants and technical devices operating in conditions of high noise, and buildings and structures when exposed to high-amplitude random interference .
Современные методы регистрации данных АЭ, основанные на пороговой амплитудной дискриминации, не решают проблему обнаружения полезного сигнала в условиях интенсивных нестационарных шумов и высокоамплитудных индустриальных помех. Распространенным методом обнаружения полезного сигнала АЭ от дефекта в условиях задания жесткого порога дискриминации является сравнение статистических свойств сигнала и шума. Известен способ оценки степени разрушения конструкций при акустико-эмиссионном контроле [2], основанный на анализе изменения интенсивности АЭ в процессе развития разрушения, а именно образования макротрещины при объединении микроисточников разрушения с ростом деформации на лабораторном образце. Утверждается, что на ранних стадиях деформирования поток сигналов АЭ от микроисточников, случайным образом распределенных по объему образца, имеет пуассоновский характер. С ростом нагрузки объединение микродефектов в трещину и ее последующее развитие нарушает распределение Пуассона. Недостатком является тот факт, что предлагаемый способ учитывает один тип помехи - структурный шум как пуассоновский процесс. Известно, что основным признаком пуассоновского процесса является его стационарность, что для реальных объектов контроля, чаще всего работающих в условиях нескольких типов нестационарных шумов и помех, невыполнимо. Таким образом, возможности применения предлагаемого способа ограничены только лабораторными объектами, на которых влияние реальных шумов отсутствует.Modern methods of recording AE data, based on threshold amplitude discrimination, do not solve the problem of detecting a useful signal in conditions of intense unsteady noise and high-amplitude industrial noise. A common method for detecting a useful AE signal from a defect under conditions of setting a hard discrimination threshold is to compare the statistical properties of the signal and noise. A known method for assessing the degree of structural failure during acoustic emission monitoring [2], based on the analysis of changes in AE intensity in the process of fracture development, namely the formation of macrocracks when combining micro-sources of fracture with increasing strain on a laboratory sample. It is argued that in the early stages of deformation, the flow of AE signals from micro sources randomly distributed over the sample volume has a Poisson character. With increasing load, the combination of microdefects in a crack and its subsequent development violates the Poisson distribution. The disadvantage is the fact that the proposed method takes into account one type of interference - structural noise as a Poisson process. It is known that the main feature of the Poisson process is its stationarity, which is impossible for real objects of control, most often working in conditions of several types of unsteady noise and interference. Thus, the applicability of the proposed method is limited only to laboratory objects, on which the influence of real noise is absent.
Известны методы предварительной аппаратурной обработки входного сигнала, производимой с целью улучшения отношения сигнал/шум и выделения полезного сигнала на фоне помех, основанные на различии частотных спектров сигналов АЭ и шума. В частности, известен способ спектрально-корреляционной фильтрации аддитивного временного ряда сигнала и шума [3], реализуемый многоканальным акустико-эмиссионным устройством. Согласно известному способу временной ряд сигнала и шума формируется путем задания жесткого порога дискриминации, посредством которого предварительно удаляется часть информативной и помеховой составляющей временного ряда АЭ, лежащие ниже задаваемого порога, а дальнейшая фильтрация сигнала АЭ осуществляется посредством варьирования полосы пропускания частотного фильтра и коэффициента усиления. Недостатком способа является обязательное условие разделения сигнала АЭ и помехи по времени. При этом отношение сигнал/шум должно быть больше единицы, а нестационарный высокоамплитудный помеховый сигнал полностью подавляться. Ввиду невозможности выполнения этих условий для объектов контроля с малым отношением сигнал/шум известный способ представляется неэффективным.Known methods for preliminary hardware processing of the input signal produced in order to improve the signal-to-noise ratio and highlight a useful signal against the background of interference, based on the difference in the frequency spectra of AE signals and noise. In particular, there is a known method of spectral correlation filtering of an additive time series of a signal and noise [3], implemented by a multichannel acoustic emission device. According to the known method, a time series of a signal and noise is generated by setting a hard discrimination threshold, by which a part of the informative and interference component of the AE time series lying below a predetermined threshold is preliminarily removed, and the AE signal is further filtered by varying the passband of the frequency filter and gain. The disadvantage of this method is a prerequisite for the separation of the AE signal and interference in time. In this case, the signal-to-noise ratio should be greater than unity, and the non-stationary high-amplitude interference signal is completely suppressed. Due to the impossibility of fulfilling these conditions for control objects with a small signal to noise ratio, the known method seems to be ineffective.
Известен способ контроля трубопроводов [4, 5], в котором для очистки сигнала АЭ от помех реализован метод вейвлет-преобразования в частотной и временной областях. Преимущество указанного способа по сравнению с ранее описанными способами [2] и [3] заключается в том, что при вейвлет-анализе в условиях нестационарности помехового сигнала может быть применен гибкий порог дискриминации. Особенность данного способа заключается в том, что в качестве полезного сигнала АЭ принимается эталонный сигнал от источника Су-Нильсена. На практике, однако, реальный сигнал АЭ от дефекта, в зависимости от расстояния до приемника, может испытывать сильные нелинейные искажения, а следовательно, отличаться от эталонного. Кроме того, в случае наложения помехового сигнала на эталонный также происходит искажение функции источника сигнала, и вейвлет-фильтрация становится неэффективной. Общий недостаток указанных методов обработки данных в принятых за аналоги работах [2-5] сводится к тому, что они могут быть применены к лабораторным объектам при отношении сигнал/шум больше 1 и при заданной форме эталонного сигнала АЭ.There is a known method for monitoring pipelines [4, 5], in which the wavelet transform method in the frequency and time domains is implemented to clean the AE signal from interference. The advantage of this method in comparison with the previously described methods [2] and [3] is that when the wavelet analysis under conditions of non-stationary interference signal, a flexible discrimination threshold can be applied. A feature of this method is that as a useful AE signal, a reference signal from a Su-Nielsen source is received. In practice, however, the real AE signal from a defect, depending on the distance to the receiver, may experience strong nonlinear distortions, and therefore, differ from the reference. In addition, if an interference signal is superimposed on the reference signal, the signal source function is also distorted, and wavelet filtering becomes ineffective. A common drawback of these data processing methods in the works adopted as analogues [2-5] is that they can be applied to laboratory objects with a signal-to-noise ratio greater than 1 and for a given shape of the AE reference signal.
Известен способ осуществления фильтрации на фоне стационарных, а также высокоамплитудных импульсных помех на реальном объекте [6] для обнаружения, регистрации и предварительной обработки сигналов сейсмоакустической эмиссии от разломов горных пород, при котором подавление помех решается посредством применения более информативного по сравнению с [2-5] параметра MARSE [1], чувствительного одновременно к амплитуде и длительности регистрируемого единичного сигнала, а также введения адаптивного порога дискриминации, автоматически подстраивающегося под уровень шума. Недостаток заключается в том, что в указанном способе величина отношения сигнал/шум не может быть меньше единицы и, соответственно, потери информативной части полезного сигнала, находящейся ниже порога дискриминации, неизбежны.There is a method of filtering on a background of stationary as well as high-amplitude pulsed noise on a real object [6] for detecting, recording and pre-processing signals of seismic acoustic emission from faults in rocks, in which noise suppression is solved by using a more informative compared to [2-5 ] of the MARSE parameter [1], which is sensitive simultaneously to the amplitude and duration of the recorded single signal, as well as the introduction of an adaptive discrimination threshold, I automatically adjust egosya by noise. The disadvantage is that in this method, the signal-to-noise ratio cannot be less than unity and, accordingly, the loss of the informative part of the useful signal below the discrimination threshold is inevitable.
Там же описан способ фильтрации [6], основанный на статистическом анализе набора информативных параметров сигнала АЭ, при котором обеспечивается возможность обнаружения полезного сигнала на фоне нестационарных высокоамплитудных помех, превышающих по амплитуде уровень входного сигнала. Фильтрация осуществляется на основе анализа формы отдельных осциллограмм элементарного события АЭ. Существенным ограничением известного способа является то, что полезный сигнал и сигнал помехи должны разделяться по времени прихода к приемнику АЭ. В практике акустико-эмиссионного контроля, особенно при высокой активности АЭ и, соответственно, перекрытии импульсов полезного сигнала и шума, это условие не реализуется. Таким образом, в известном способе алгоритмы обнаружения полезного сигнала на фоне помех применительно к технологическим объектам контроля имеют неуниверсальный характер и корректно работают только в условиях пороговой регистрации.A filtering method [6] is also described there, based on a statistical analysis of a set of informative parameters of the AE signal, which makes it possible to detect a useful signal against a background of unsteady high-amplitude noise that exceeds the amplitude of the input signal level. Filtering is based on the analysis of the shape of individual waveforms of an elementary AE event. A significant limitation of the known method is that the useful signal and the interference signal must be separated by the time of arrival of the AE to the receiver. In the practice of acoustic emission monitoring, especially with high AE activity and, accordingly, overlapping pulses of the useful signal and noise, this condition is not realized. Thus, in the known method, algorithms for detecting a useful signal against a background of interference as applied to technological monitoring objects are non-universal in nature and work correctly only under threshold registration conditions.
Из вышеизложенного следует, что существующие пороговые методы обработки зашумленных данных АЭ могут быть эффективно использованы для АЭ диагностики только при отношении сигнал/шум больше единицы.It follows from the foregoing that the existing threshold methods for processing noisy AE data can be effectively used for AE diagnostics only when the signal-to-noise ratio is greater than unity.
Наиболее близким к предлагаемому является способ акустико-эмиссионного контроля дефектного состояния материала в процессе его глубокой пластической деформации [7] путем регистрации сигналов и их обработки посредством адаптивной фильтрации. Адаптивную фильтрацию применяют на основе стандартного адаптивного алгоритма прямой идентификации с обучением. Однако, в известном способе адаптивная фильтрация использована не для извлечения полезного сигнала АЭ из временного ряда помехи, а для восстановления его формы, искаженной технологическим шумом в условиях, когда отношение сигнал/шум больше единицы. В качестве диагностического признака наличия дефекта использовалась типичная для пороговой регистрации величина пиковой амплитуды сигнала АЭ над уровнем порога, за который принималось среднеквадратичное значение амплитуды шума. Возможность применения известного способа при отношении сигнал/шум порядка или меньше единицы не проверялась. Недостатком указанного алгоритма является необходимость применения двухканальной схемы измерения, которая предполагает наличие двух пространственно разделенных приемных преобразователей, один из которых регистрирует аддитивную смесь сигнала АЭ и шума, другой - только шумовую компоненту. При акустико-эмиссионном контроле технологических объектов в натурных условиях подобная схема адаптивного шумоподавителя практически не реализуется.Closest to the proposed is a method of acoustic emission control of a defective state of a material during its deep plastic deformation [7] by recording signals and processing them by adaptive filtering. Adaptive filtering is applied based on the standard adaptive direct identification algorithm with training. However, in the known method, adaptive filtering was used not to extract the useful AE signal from the time series of the interference, but to restore its shape distorted by technological noise under conditions when the signal-to-noise ratio is greater than unity. The value of the peak amplitude of the AE signal above the threshold level, which was taken as the rms value of the noise amplitude, was used as a diagnostic sign of a defect. The possibility of applying the known method with a signal to noise ratio of the order of or less than unity has not been tested. The disadvantage of this algorithm is the need to use a two-channel measurement circuit, which assumes the presence of two spatially separated receiving transducers, one of which registers an additive mixture of the AE signal and noise, the other only the noise component. With acoustic emission monitoring of technological objects under natural conditions, such a scheme of adaptive noise canceling is practically not realized.
Задача заявляемого изобретения состоит в обнаружении и анализе сигналов акустической эмиссии при наличии высокоамплитудных шумов.The task of the invention is the detection and analysis of acoustic emission signals in the presence of high-amplitude noise.
Техническим результатом заявляемого способа является повышение достоверности и объективности оценки состояния объекта контроля с использованием метода акустической эмиссии в широком диапазоне отношений сигнала к шуму, в том числе порядка или меньше единицы.The technical result of the proposed method is to increase the reliability and objectivity of assessing the state of the monitoring object using the acoustic emission method in a wide range of signal-to-noise ratios, including on the order of or less than one.
Согласно заявляемому способу регистрации и анализа сигналов акустической эмиссии в условиях воздействия высокоамплитудных случайных шумов при соотношении сигнал/шум порядка или меньше единицы путем беспороговой регистрации данных акустико-эмиссионного контроля, для чего зашумленный акустико-эмиссионный сигнал регистрируют, усиливают и подвергают цифровой обработке, включающей полосовую частотную фильтрацию, обнаруживают полезный сигнал акустической эмиссии с использованием адаптивного фильтра, который содержит по меньшей мере один входной информационный канал и разделяет зарегистрированный временной ряд на две независимых компоненты - детерминированную сигнальную и случайную шумовую, выделяют сигнал акустической эмиссии с помощью расчета локальных параметров временных рядов сигнала и шума, усредненных в пределах заданного скользящего временного окна, проводят сравнительный анализ временных рядов сигнала и шума, составленных из значений локальных параметров, и выстраивают на его основе систему характеристических инвариантов, не зависящих от амплитуды и интенсивности шума, которые используют в качестве информативных параметров акустической эмиссии для формирования диагностических признаков наличия дефектов в объекте контроля, проводят классификацию дефектов по степени опасности и принимают решение о техническом состоянии объекта контроля. Под локальными параметрами понимают следующее:According to the claimed method of recording and analyzing acoustic emission signals under the influence of high-amplitude random noise with a signal-to-noise ratio of the order of or less than unity by thresholdless recording of acoustic emission control data, for which a noisy acoustic emission signal is recorded, amplified and subjected to digital processing, including bandpass frequency filtering, detect a useful acoustic emission signal using an adaptive filter that contains at least dyn the input information channel and divides the recorded time series into two independent components - the determined signal and random noise, emit the acoustic emission signal by calculating the local parameters of the signal and noise time series averaged within a given moving time window, conduct a comparative analysis of the signal time series and noise, composed of the values of local parameters, and build on its basis a system of characteristic invariants that are independent of the amplitude and and noise intensities, which are used as informative parameters of acoustic emission for the formation of diagnostic signs of defects in the monitoring object, classify the defects according to the degree of danger and decide on the technical condition of the monitoring object. By local parameters we mean the following:
- спектрально-корреляционные характеристики (максимум функции когерентности, амплитуда дифференциального кепстра, время корреляции);- spectral-correlation characteristics (maximum coherence function, differential cepstrum amplitude, correlation time);
- статистические характеристики (функции распределения, медианы, моды, центральные моменты 1-го - 4-го порядков, среднеквадратичные значения),- statistical characteristics (distribution functions, medians, modes, central moments of the 1st - 4th orders, rms values),
- динамические характеристики (наибольший показатель Ляпунова, фрактальная размерность, степень стохастичности).- dynamic characteristics (the highest Lyapunov exponent, fractal dimension, degree of stochasticity).
Система характеристических инвариантов не зависит от изменения амплитуды и интенсивности шума, используется в качестве информативных параметров акустической эмиссии: коэффициентов асимметрии, эксцесса, вариации, индекса Херста, интервала корреляции. Для расчета характеристических инвариантов - коэффициентов вариации, асимметрии и эксцесса - дополнительно используются временные ряды из временных интервалов между импульсами сигнала и временных интервалов между импульсами шума.The system of characteristic invariants does not depend on changes in the amplitude and intensity of noise; it is used as informative parameters of acoustic emission: asymmetry coefficients, kurtosis, variation, Hurst index, and correlation interval. To calculate the characteristic invariants — the coefficients of variation, asymmetry, and kurtosis — we additionally use time series from time intervals between signal pulses and time intervals between noise pulses.
Основной особенностью заявляемого способа является метод беспороговой регистрации данных акустической эмиссии на основе непрерывной цифровой регистрации и сохранения аддитивной смеси сигнала и шума с использованием аналого-цифрового преобразователя напряжения.The main feature of the proposed method is the method of non-threshold recording of acoustic emission data based on continuous digital recording and preservation of an additive mixture of signal and noise using an analog-to-digital voltage converter.
Дополнительно к адаптивной фильтрации в случае перекрытия частотных спектров сигнала и помехи для обнаружения полезного акустико-эмиссионного сигнала может применяться метод характеристических функций, основанный на различии вероятностных свойств сигнала и шума.In addition to adaptive filtering in the case of overlapping frequency spectra of the signal and interference, the method of characteristic functions based on the difference in the probabilistic properties of the signal and noise can be used to detect a useful acoustic emission signal.
Классификацию дефектов по степени опасности осуществляют посредством кластерного анализа методом к-средних.The classification of defects according to the degree of danger is carried out by means of cluster analysis using the k-means method.
Заявляемый способ содержит два ключевых положения:The inventive method contains two key points:
- построение системы акустико-эмиссионной диагностики, работоспособной при отношении сигнал/шум порядка или меньше единицы, осуществляется на основе беспороговой регистрации данных (БРД);- the construction of an acoustic emission diagnostic system, operable with a signal-to-noise ratio of the order of or less than unity, is carried out on the basis of non-threshold data recording (BRD);
- эффективный способ обработки сильно зашумленных сигналов АЭ при БРД реализуется путем адаптивной фильтрации с применением адаптивного фильтра (АФ), содержащего один входной информационный канал, посредством которого сигнал и шум разделяют на две независимые компоненты, соответственно, детерминированную и случайную.- an effective method for processing highly noisy AE signals during DBD is implemented by adaptive filtering using an adaptive filter (AF) containing one input information channel, through which the signal and noise are divided into two independent components, respectively, deterministic and random.
Цифровые алгоритмы адаптивной фильтрации успешно обнаруживают полезный сигнал в присутствии сильных помех или нестационарных шумов с различной природой и априорно неизвестными свойствами при отношении сигнал/шум меньше единицы [8]. Сведения о применении адаптивной фильтрации в акустико-эмиссионной диагностике и построении на ее основе помехоустойчивых систем обнаружения слабого сигнала АЭ отсутствуют. Заявляемая совокупность существенных признаков неизвестна из уровня техники, что позволяет сделать вывод о соответствии критерию «новизна».Digital adaptive filtering algorithms successfully detect a useful signal in the presence of strong noise or unsteady noise with a different nature and a priori unknown properties when the signal-to-noise ratio is less than unity [8]. There is no information on the use of adaptive filtering in acoustic emission diagnostics and the construction of noise-resistant systems for detecting weak AE signals on its basis. The claimed combination of essential features is unknown from the prior art, which allows us to conclude that the criterion of "novelty".
Заявляемый способ осуществляется посредством устройства, состоящего из последовательно соединенных друг с другом ряда измерительных, регистрирующих и вычислительных модулей: модуль аналогового преобразования сигнала АЭ и помехи, модуль широкополосного согласующего усилителя, многоканальный регистрирующий модуль, модуль цифровой обработки сигнала, модуль формирования информативных параметров акустико-эмиссионного сигнала и шума, модуль оценки степени опасности дефекта, при этом модуль аналогового преобразования сигнала АЭ и помехи содержит, по меньшей мере, один преобразователь АЭ, выход которого соединен с входом предварительного усилителя, многоканальный регистрирующий модуль содержит блок аналого-цифрового преобразователя (АЦП) входного сигнала, блок выборки, хранения и передачи данных, блок цифроаналогового преобразователя (ЦАП) и калибровки, входы и выходы которых последовательно соединены друг с другом или с преобразователем АЭ, выполняющим роль излучателя при калибровке измерительных каналов. Модуль цифровой обработки сигнала включает блок селективной фильтрации, выход которого соединен с входами блоков адаптивной фильтрации и характеристических функций, выходы с которых соединены с блоком обнаружения полезного сигнала АЭ, модуль формирования информативных параметров сигнала АЭ и шума содержит блок расчета функции когерентности и времени корреляции, блок расчета функции распределения временных интервалов, блок вычисления статистических моментов, блок расчета фрактальных параметров, модуль оценки степени опасности дефекта состоит из блока кластерного анализа, выход которого соединен с входом блока принятия решения.The inventive method is carried out by means of a device consisting of a series of measuring, recording and computational modules connected in series: AE analog signal conversion module and interference module, broadband matching amplifier module, multi-channel recording module, digital signal processing module, acoustic emission informative parameters generating module signal and noise, a module for assessing the degree of danger of a defect, while the module for analogue conversion of the AE signal and and contains at least one AE converter, the output of which is connected to the input of the preamplifier, the multi-channel recording module contains an analog-to-digital converter (ADC) block of the input signal, a block for sampling, storing and transmitting data, a digital-to-analog converter (DAC) and calibration block the inputs and outputs of which are connected in series with each other or with the AE converter, which acts as a radiator in the calibration of the measuring channels. The digital signal processing module includes a selective filtering block, the output of which is connected to the inputs of adaptive filtering blocks and characteristic functions, the outputs of which are connected to the AE useful signal detection block, the module for generating informative parameters of the AE signal and noise, contains a block for calculating the coherence function and correlation time, block of calculating the distribution function of time intervals, a unit for calculating statistical moments, a unit for calculating fractal parameters, a module for assessing the degree of danger of def This consists of a cluster analysis block, the output of which is connected to the input of the decision block.
На фиг. 1 изображена принципиальная блок-схема реализации способа беспороговой регистрации данных акустической эмиссии, где приняты следующие условные обозначения:In FIG. 1 shows a schematic flowchart of a method for non-threshold recording of acoustic emission data, where the following conventions are adopted:
I. Модуль аналогового преобразования сигнала АЭ и помехи.I. Module for analogue conversion of AE signal and interference.
1.1 - Датчик АЭ.1.1 - AE sensor.
1.2 - Предварительный усилитель.1.2 - Pre-amplifier.
II. Модуль широкополосного согласующего усилителя.II. Broadband matching amplifier module.
III. Многоканальный регистрирующий модуль.III. Multichannel recording module.
3.1 - Блок аналого-цифрового преобразователя входного сигнала.3.1 - Block analog-to-digital Converter input signal.
3.2 - Блок выборки, хранения и передачи данных.3.2 - Block sampling, storage and transmission of data.
3.3 - Блок цифроаналогового преобразователя и калибровки.3.3 - Block digital-to-analog Converter and calibration.
IV. Модуль цифровой обработки сигнала.IV. Digital signal processing module.
4.1 - Блок селективной фильтрации.4.1 - Block selective filtering.
4.2 - Блок адаптивной фильтрации.4.2 - Adaptive filtering unit.
4.3 - Блок характеристических функций.4.3 - Block characteristic functions.
4.4 - Блок выделения полезного сигнала АЭ.4.4 - Block selection of the useful signal AE.
V. Модуль формирования информативных параметров сигнала АЭ и шума.V. A module for generating informative parameters of AE signal and noise.
5.1 - Блок расчета функции когерентности и времени корреляции.5.1 - Block for calculating the coherence function and correlation time.
5.2 - Блок расчета функции распределения временных интервалов.5.2 - Block calculation function of the distribution of time intervals.
5.3 - Блок вычисления статистических моментов.5.3 - Block calculation of statistical moments.
5.4 - Блок расчета фрактальных параметров.5.4 - Block for calculating fractal parameters.
VI. Модуль оценки степени опасности дефекта.VI. Defect hazard assessment module.
6.1 - Блок кластерного анализа сигналов АЭ и шума.6.1 - Block cluster analysis of AE signals and noise.
6.2 - Блок принятия решения о техническом состоянии объекта контроля.6.2 - Decision block on the technical condition of the control object.
Работа беспорогового устройства, реализующего заявляемый способ, состоит в том, что на вход регистрирующего модуля I поступает смесь АЭ сигнала и шума, которая после согласования (модуль II) и цифрового преобразования (модуль III) посредством модуля фильтрации IV разделяется непосредственно на шумовую компоненту и полезный сигнал. Сигнал АЭ и сигнал помехи далее передаются в модули формирования информативных параметров АЭ (V) и принятия решения о техническом состоянии объекта контроля (VI).The operation of a thresholdless device that implements the inventive method consists in the fact that the input of the recording module I receives a mixture of AE signal and noise, which, after coordination (module II) and digital conversion (module III), is separated directly by the filtering module IV into a noise component and a useful one signal. The AE signal and the interference signal are then transmitted to the modules for generating informative AE parameters (V) and deciding on the technical condition of the control object (VI).
Функциональное назначение модулей беспорогового устройства, реализующего заявляемый способ, состоит в следующем. Модули I-III осуществляют запись в цифровой форме временного ряда зашумленного сигнала, поступающего с объекта контроля. Модуль I предназначен для регистрации и передачи в модуль II аддитивной смеси полезного АЭ сигнала от дефекта в объекте контроля и случайного шума (зашумленного сигнала). Датчик АЭ (1.1) представляет собой серийный пъезопреобразователь с частотой регистрации сигнала АЭ в области от 20 до 500 кГц. В устройстве использован стандартный резонансный преобразователь типа GT-200. Предварительный усилитель (1.2) предназначен для использования с АЭ системами, в которых питание подается по сигнальному коаксиальному кабелю через BNC разъем, в диапазонах 20, 40, 60 дБ. Широкополосный усилитель II обеспечивает согласование модуля I и модуля высокоскоростной платы сбора данных III. Коэффициент нелинейных искажений в частотной области передачи сигнала АЭ - не более 0.03 во всем динамическом диапазоне. Функции многоканального регистрирующего модуля III сводятся к записи выходного сигнала с согласующего усилителя в цифровой код (3.1), хранению кода и дальнейшей передачи его в модуль цифровой обработки сигнала (3.2). Блок ЦАП и калибровки 3.3 имеет вспомогательный характер и обеспечивает обратное преобразование нормированного цифрового сигнала АЭ в аналоговую форму для осуществления калибровки каналов регистрации АЭ (модуль I на схеме). На аппаратурном уровне модуль III может быть реализован на основе серийно выпускаемых многоканальных устройств цифрового ввода/вывода данных, например 4-канальный промышленный модуль преобразователя напряжений типа L-Card Е20-10.The functional purpose of the modules of the non-threshold device that implements the inventive method is as follows. Modules I-III record in digital form the time series of a noisy signal coming from the control object. Module I is intended for registration and transmission to module II of an additive mixture of useful AE signal from a defect in the monitoring object and random noise (noisy signal). AE sensor (1.1) is a serial piezoelectric transducer with AE signal recording frequency in the range from 20 to 500 kHz. The device uses a standard resonant transducer type GT-200. The preamplifier (1.2) is intended for use with AE systems in which power is supplied via a signal coaxial cable through a BNC connector, in the ranges of 20, 40, 60 dB. Broadband Amplifier II aligns Module I with High Speed Data Acquisition Board III. The harmonic distortion coefficient in the frequency domain of the AE signal transmission is not more than 0.03 in the entire dynamic range. The functions of the multichannel recording module III are reduced to recording the output signal from the matching amplifier in a digital code (3.1), storing the code and then transferring it to the digital signal processing module (3.2). The DAC and calibration block 3.3 is of an auxiliary character and provides the inverse conversion of the normalized digital AE signal to analog form for calibration of the AE registration channels (module I in the diagram). At the hardware level, module III can be implemented on the basis of commercially available multi-channel digital input / output devices, for example, a 4-channel industrial voltage converter module of the L-Card E20-10 type.
Работа модуля цифровой обработки сигнала IV, а также модулей V и VI осуществляется на процессорном уровне. Модуль цифровой обработки сигнала IV состоит из нескольких блоков, предназначенных для преобразования сигнала в частотной и временной областях. Сигнал с модуля III поступает на вход блока селективного фильтра (4.1), в котором осуществляется цифровая фильтрация сигнала и происходит улучшение отношения сигнала к шуму в выбранной полосе частот. С выхода блока селективного фильтра зашумленный сигнал поступает на вход блока адаптивной фильтрации (4.2). Блок 4.2 представляет собой многокаскадный адаптивный накопитель-обнаружитель, работа которого основана на алгоритме слепой адаптации с одним информационным каналом на входе. В блоке адаптивной фильтрации 4.2 реализуется обнаружение полезного сигнала в шуме посредством разделения на две независимые компоненты на выходе блока. С выхода блока селективного фильтра зашумленный сигнал параллельно поступает на вход блока вычисления характеристических функций (4.3), который используется для обнаружения сигнала совместно с блоком 4.2. в случае перекрытия частотных спектров сигнала и помехи. Работа блока 4.3 основана на различии вероятностных свойств детерминированного сигнала АЭ и случайного шума. В блоке 4.4 на основе сравнения спектральных, корреляционных и локальных статистических свойств сигналов ошибки, относящихся к смежным временным интервалам, происходит выделение полезного сигнала АЭ.The operation of the digital signal processing module IV, as well as modules V and VI, is carried out at the processor level. The IV digital signal processing module consists of several blocks designed to convert the signal in the frequency and time domains. The signal from module III is fed to the input of the selective filter block (4.1), which digitally filters the signal and improves the signal-to-noise ratio in the selected frequency band. From the output of the selective filter block, a noisy signal is fed to the input of the adaptive filtering block (4.2). Block 4.2 is a multi-stage adaptive drive-detector, the operation of which is based on the blind adaptation algorithm with one information channel at the input. The adaptive filtering block 4.2 implements the detection of a useful signal in the noise by dividing it into two independent components at the output of the block. From the output of the selective filter block, a noisy signal is simultaneously fed to the input of the characteristic function calculation block (4.3), which is used to detect the signal in conjunction with block 4.2. in the case of overlapping frequency spectra of the signal and interference. The operation of block 4.3 is based on the difference between the probabilistic properties of the determined AE signal and random noise. In block 4.4, based on a comparison of the spectral, correlation, and local statistical properties of error signals related to adjacent time intervals, a useful AE signal is extracted.
В модуле V осуществляется расчет комплекса информативных параметров, характеризующих локальные свойства как АЭ сигнала, так и шума. Для этого выбирается скользящее временное окно шириной от 400 мкс, в котором используются информативные параметры, устойчивые по отношению к изменению интенсивности и амплитуды шума. Ширина окна выбирается из условия стационарности шума. В блоке 5.1 на основе анализа спектральных и корреляционных свойств АЭ сигнала и шума рассчитываются текущие значения времени корреляции и функции когерентности в полосе частот, задаваемой блоком 4.1. В блоке 5.2 реализуется алгоритм расчета функции распределения временных интервалов между импульсами АЭ, на основе которого определяются численные оценки степени отклонения статистики временных интервалов сигнала АЭ от случайного шума. В блоке 5.3 осуществляется анализ локальных статистических свойств и расчет соответствующих моментов высших порядков, а также коэффициентов асимметрии и эксцесса, описывающих различия функций распределения сигнала и шума. В блоке 5.4 производится анализ фрактальных свойств временных рядов сигнала и шума, поступающих с выхода блока 4.4, на основе которого рассчитываются параметры, оценивающие степень стохастичности временных рядов сигнала и шума.In module V, a complex of informative parameters is calculated that characterize the local properties of both the AE signal and noise. For this, a sliding time window with a width of 400 μs or more is selected, which uses informative parameters that are stable with respect to changes in the intensity and amplitude of the noise. The window width is selected from the condition of noise immunity. In block 5.1, based on the analysis of the spectral and correlation properties of the AE signal and noise, the current values of the correlation time and the coherence function in the frequency band specified by block 4.1 are calculated. In block 5.2, an algorithm for calculating the distribution function of time intervals between AE pulses is implemented, based on which numerical estimates of the degree of deviation of the statistics of time intervals of the AE signal from random noise are determined. In block 5.3, the analysis of local statistical properties and the calculation of the corresponding moments of higher orders, as well as asymmetry and excess coefficients, describing the differences in the distribution functions of the signal and noise, are performed. In block 5.4, an analysis is made of the fractal properties of the time series of the signal and noise coming from the output of block 4.4, based on which the parameters are calculated that evaluate the degree of stochasticity of the time series of the signal and noise.
В модуле VI на основе многопараметрической идентификации источников акустической эмиссии на фоне случайной помехи осуществляется классификация соответствующих им дефектов по степени опасности. В блоке 6.1 производится распознавание полезного сигнала на фоне шума и его классификация методом кластерного анализа в пространстве признаков. В качестве последних используются численные значения локальных характеристических инвариантов, сформированных в модуле V: а) спектральных и корреляционных с выхода блока 5.1 - времени корреляции, максимумов функции когерентности и дифференциального кепстра; б) временных с выхода блока 5.2 - коэффициента вариации, моды функции распределения временных интервалов между импульсами; в) статистических с выхода блока 5.3 - дисперсии, коэффициентов асимметрии и эксцесса, амплитудных дискриминантов; г) фрактальных с выхода блока 5.4 - индекса Херста, наибольшего показателя Ляпунова, фрактальной размерности, степени стохастичности. Результатом работы модуля VI является формирование в блоке 6.2 диагностического решения о техническом состоянии объекта контроля.In module VI, based on the multi-parameter identification of acoustic emission sources against the background of random interference, the corresponding defects are classified according to the degree of danger. In block 6.1, a useful signal is recognized against a background of noise and classified by a cluster analysis method in a feature space. As the latter, we use the numerical values of the local characteristic invariants generated in module V: a) spectral and correlation from the output of block 5.1 — correlation time, maxima of the coherence function, and differential cepstrum; b) time delay from the output of block 5.2 — coefficient of variation, mode of the distribution function of time intervals between pulses; c) statistical from the output of block 5.3 — dispersion, asymmetry and excess coefficients, amplitude discriminants; d) fractal from the output of block 5.4 - the Hurst index, the highest Lyapunov exponent, fractal dimension, degree of stochasticity. The result of the work of module VI is the formation in block 6.2 of a diagnostic decision on the technical condition of the control object.
В отличие от существующих способов акустико-эмиссионного контроля заявляемый способ регистрации и анализа зашумленных сигналов акустической эмиссии позволяет практически применить акустико-эмиссионный контроль при отношении сигнал/шум порядка или меньше единицы. Новый технический результат, достигаемый заявляемой совокупностью существенных признаков, обеспечивает соответствие заявленного изобретения критерию «изобретательский уровень».In contrast to existing methods of acoustic emission monitoring, the inventive method for recording and analyzing noisy acoustic emission signals makes it possible to practically apply acoustic emission control with a signal-to-noise ratio of the order of or less than unity. A new technical result achieved by the claimed combination of essential features, ensures compliance of the claimed invention with the criterion of "inventive step".
Заявленный технический результат достигается в результате последовательного выполнения действий по регистрации и цифровой обработке данных:The claimed technical result is achieved as a result of sequential execution of actions for registration and digital data processing:
- использованием беспороговой регистрации АЭ сигнала, реализованного в модулях I-III и обеспечивающего отказ от характерного для пороговых систем приема амплитудной дискриминации;- the use of non-threshold registration of AE signal implemented in modules I-III and providing rejection of amplitude discrimination characteristic of threshold systems;
- применением для обнаружения сигнала в шуме адаптивного фильтра, содержащегося в модуле IV, в котором реализована схема с одним информационным каналом на входе, что, в отличие от классической 2-канальной схемы АФ, не требует регистрации независимой шумовой компоненты посредством установки дополнительного преобразователя АЭ;- using an adaptive filter contained in module IV to detect the signal in noise, which implements a circuit with one information channel at the input, which, unlike the classic 2-channel AF circuit, does not require the registration of an independent noise component by installing an additional AE converter;
- разделением сигнала и шума на две независимые компоненты, соответственно детерминированную и случайную, что, в отличие от существующих методов фильтрации, основанных на подавлении шума посредством пороговой дискриминации, обеспечивает минимизацию потерь информативной части АЭ сигнала и шума;- separation of the signal and noise into two independent components, respectively deterministic and random, which, in contrast to existing filtering methods based on noise suppression by means of threshold discrimination, ensures minimization of losses of the informative part of the AE signal and noise;
- введением системы численных статистических и характеристических инвариантов, используемых в качестве информативных параметров АЭ, которые, в отличие от стандартного набора при пороговой регистрации не зависят от изменения амплитуды и интенсивности шума;- the introduction of a system of numerical statistical and characteristic invariants used as informative parameters of AEs, which, unlike the standard set at threshold recording, are independent of changes in the amplitude and intensity of noise;
- формированием посредством кластерного анализа соответствующих диагностических признаков и критериальных оценок степени опасности дефекта и построением на этой основе помехоустойчивой системы принятия решения о техническом состоянии объекта контроля.- the formation by means of a cluster analysis of the corresponding diagnostic features and criteria-based assessments of the degree of danger of the defect and the construction on this basis of a noise-resistant decision-making system on the technical condition of the control object.
Таким образом, заявляемый способ может быть осуществлен с использованием известных приемов контроля состояний объектов, устройств для сбора данных, записи, хранения, цифровой обработке и с применением известных методов обработки результатов на основе устоявшихся в науке и технике знаний. Это позволяет сделать вывод о соответствии заявленного решения критерию «промышленная применимость».Thus, the inventive method can be implemented using well-known techniques for monitoring the state of objects, devices for data collection, recording, storage, digital processing and using well-known methods of processing results based on established knowledge in science and technology. This allows us to conclude that the claimed solution meets the criterion of "industrial applicability".
Практическая реализация заявляемого способа и достигаемого результата приведена ниже и иллюстрируется рисунками 2-4, таблицей 1.The practical implementation of the proposed method and the achieved result is given below and is illustrated in figures 2-4, table 1.
На рисунке 2 показана схема АФ с одним информационным каналом на входе при БРД и функция когерентности исходного полезного и очищенного сигналов, иллюстрирующая пример выполнения операции разделения сигнала и шума на две независимые компоненты посредством адаптивной фильтрации зашумленного сигнала, полученного в результате беспороговой регистрации с одним преобразователем АЭ. Представлены результаты натурного эксперимента, в котором на вход АФ поступает аддитивная смесь сигнала АЭ и случайного шума при соотношении сигнал/шум порядка 0,03. Как видно из рисунка 2, адаптивный фильтр эффективно извлекает сигнал при отношении сигнал/шум много меньше единицы. На вставке приведена функция когерентности, рассчитанная для полезного сигнала АЭ на входе и выходе фильтра. Значения функции когерентности в используемом диапазоне частот не менее 0,7. Это означает, что форма полезного сигнала после фильтра практически совпадает с таковой для входного сигнала. Тем самым обоснован переход к сравнительному расчету локальных свойств разделенных компонент сигнала и шума.Figure 2 shows the AF scheme with one information channel at the input for the BRD and the coherence function of the original useful and cleaned signals, illustrating an example of the operation of separating the signal and noise into two independent components by adaptive filtering of a noisy signal obtained as a result of thresholdless recording with one AE converter . The results of a full-scale experiment are presented, in which an additive mixture of the AE signal and random noise at a signal-to-noise ratio of the order of 0.03 is supplied to the AF input. As can be seen from Figure 2, the adaptive filter effectively extracts the signal when the signal-to-noise ratio is much less than unity. The inset shows the coherence function calculated for the useful AE signal at the input and output of the filter. The values of the coherence function in the frequency range used are at least 0.7. This means that the shape of the useful signal after the filter almost coincides with that for the input signal. This justifies the transition to a comparative calculation of the local properties of the separated signal and noise components.
Иллюстрация результатов расчета информативных параметров АЭ, чувствительных к присутствию в случайном шуме детерминированной акустико-эмиссионной компоненты при соотношении сигнал/шум 0.03, приведена на рисунке 3. На рисунке 3 показаны локальные статистические (а-е) и характеристический (ж, з) инварианты сигнала АЭ и шума на выходе АФ: коэффициенты эксцесса (а, б); вариации (в, г); асимметрии (д, е); Херста (ж, з). Диаграммы а, б, ж, з рассчитаны по временным рядам отсчетов; в-е - по временным рядам временных интервалов между отсчетами. Диаграммы в левой части рисунка - сигнал; в правой - шум. Отношение сигнала к шуму 0,03. Выбор информативных параметров, используемых в качестве диагностических признаков для оценки технического состояния объекта контроля в заявляемом способе, основан на том, что характерные значения статистических моментов высших порядков и стохастических индексов случайного шумового процесса не зависят от амплитуды и интенсивности шума. В частности, для временного ряда отсчетов шума значение коэффициента эксцесса равно 3, индекса Херста 0.5; для временного ряда временных интервалов между отсчетами шумовой компоненты коэффициент вариации 1, асимметрии 2. Поскольку, как видно из рисунка 3, значения перечисленных выше характеристик для шума и случайной компоненты сигнала АЭ практически совпадают, данные параметры являются помехоустойчивыми и могут рассматриваться в качестве инвариантов, изменения которых обусловлены появлением неслучайных детерминированных компонент во временных рядах АЭ. Вывод о возникновении на фоне шума полезного сигнала от источника АЭ, обусловленного наличием развивающего дефекта, в текущий момент времени измерений производится по экстремальным изменениям значений инвариантов на графиках левой части рис. 3.An illustration of the calculation results of informative AE parameters sensitive to the presence in the random noise of a determined acoustic emission component with a signal-to-noise ratio of 0.03 is shown in Figure 3. Figure 3 shows the local statistical (ae) and characteristic (g, h) signal invariants AE and noise at the AF output: kurtosis coefficients (a, b); variations (c, d); asymmetries (d, e); Hurst (w, h). Diagrams a, b, g, h are calculated from the time series of readings; in - on the time series of time intervals between samples. The diagrams on the left side of the figure are a signal; noise on the right. The signal to noise ratio is 0.03. The choice of informative parameters used as diagnostic features for assessing the technical condition of the control object in the claimed method is based on the fact that the characteristic values of the statistical moments of higher orders and stochastic indices of a random noise process do not depend on the amplitude and intensity of the noise. In particular, for the time series of noise samples the kurtosis coefficient is 3, the Hurst index is 0.5; for a time series of time intervals between samples of the noise component, the coefficient of variation is 1,
Пример количественного анализа технического состояния объекта, который производится в модуле оценки степени опасности дефекта VI, приведен на рисунке 4 и в таблице 1. На рисунке 4 приведена классификация сигналов АЭ на выходе системы БРД: диаграмма рассеивания в пространстве диагностических признаков, кластеризация - методом к-средних. Координаты центров тяжести кластеров сведены в таблице 1. Классификация АЭ сигналов и шума заявляемым способом основывается на отказе от стандартного набора информативных параметров, описывающих форму и спектральный состав сигнала АЭ над порогом. Классификация выполнена с использованием в качестве диагностических признаков численных значений инвариантов, указанных на рисунке 3. Локальные значения инвариантов при классификации усреднялись по скользящему временному окну заданной ширины, величина коэффициента вариации при расчете для случайного шумового процесса принималась равной единице. Результатом процедуры классификации (см. таблицу 1) является группирование массива сигналов АЭ в три кластера, которые относятся, соответственно: 1 кластер - к шуму; 2 кластер - к слабому сигналу на фоне шума от зарождающихся дефектов; 3 кластер - к опасному развивающемуся дефекту, отвечающему источникам АЭ II, III, IV класса опасности по классификации [1].An example of a quantitative analysis of the technical condition of an object, which is performed in the module for assessing the degree of danger of defect VI, is shown in Figure 4 and Table 1. Figure 4 shows the classification of AE signals at the output of the BRD system: dispersion diagram in the space of diagnostic signs, clustering using the k- medium. The coordinates of the centers of gravity of the clusters are summarized in table 1. Classification of AE signals and noise by the claimed method is based on the rejection of the standard set of informative parameters describing the shape and spectral composition of the AE signal above the threshold. The classification was performed using the numerical values of the invariants shown in Fig. 3 as diagnostic features. The local values of the invariants during classification were averaged over a sliding time window of a given width, and the coefficient of variation in the calculation for a random noise process was assumed to be unity. The result of the classification procedure (see table 1) is the grouping of an array of AE signals into three clusters, which relate, respectively: 1 cluster - to noise; Cluster 2 - to a weak signal against a background of noise from nascent defects; Cluster 3 - to a dangerous developing defect corresponding to sources of AE II, III, IV hazard class according to classification [1].
Таким образом, заявляемый способ обеспечивает возможность построения помехоустойчивой системы принятия решения, сохраняющей работоспособность и в условиях малого отношения сигнал/шум, обеспечивая повышение достоверности и объективности оценки состояния объекта контроля с использованием метода акустической эмиссии в широком диапазоне отношений сигнала к шуму, в том числе и при отношении сигнал/шум порядка или меньше 1.Thus, the inventive method provides the ability to build a noise-tolerant decision-making system that maintains operability even in the conditions of a small signal-to-noise ratio, providing an increase in the reliability and objectivity of assessing the state of the monitoring object using the acoustic emission method in a wide range of signal-to-noise ratios, including with a signal to noise ratio of the order of or less than 1.
Таблица 1Table 1
Таблица принадлежности АЭ событий к кластерам и координаты центров тяжести кластеров (SNR ~ 0.03).The table of AE events belonging to clusters and the coordinates of the centers of gravity of the clusters (SNR ~ 0.03).
ЛитератураLiterature
1. ПБ 03-593-03. Правила организации и проведения акустико-эмиссионного контроля сосудов, аппаратов, котлов и технологических трубопроводов (утв. постановлением Госгортехнадзора РФ от 9 июня 2003 г. N 77).1. PB 03-593-03. Rules for organizing and conducting acoustic emission monitoring of vessels, apparatuses, boilers and process pipelines (approved by the Decree of the Gosgortekhnadzor of the Russian Federation of June 9, 2003 N 77).
2. Патент РФ №2367941, МПК G01N 29/14, 2009.2. RF patent No. 2367941, IPC G01N 29/14, 2009.
3. Патент РФ №2396557, МПК G01N 29/14, 2010.3. RF patent No. 2396557, IPC G01N 29/14, 2010.
4. Измайлова Е.В. Информационно-измерительная система и метод контроля трубопроводов на основе вейвлет-фильтрации сигналов акустической эмиссии. Автореферат диссертации на соискание степени кандидата технических наук. Казань 2013.4. Izmailova E.V. Information-measuring system and method for monitoring pipelines based on wavelet filtering of acoustic emission signals. Abstract of dissertation for the degree of candidate of technical sciences. Kazan 2013.
5. Патент РФ №108551, МПК F17D 3/00. 2011.5. RF patent No. 108551,
6. Д.А. Куликов, К.О. Харитонов, Чье Ен Ун. Обнаружение импульсов акустической эмиссии и обеспечение единого времени в системе сейсмоакустического контроля горного давления. // Измерительная техника. 2007. №2(14). с. 109-119.6. D.A. Kulikov, K.O. Kharitonov, Whose Yong Un. Detection of acoustic emission pulses and provision of uniform time in the system of seismic-acoustic monitoring of rock pressure. // Measuring technique. 2007. No2 (14). from. 109-119.
7. Патент GB 2340604, МПК G01N 29/14, 2000.7. Patent GB 2340604, IPC G01N 29/14, 2000.
8. Грант П.М., Коуэн К.Ф.Н., Адаптивные фильтры. - М.: Мир, 1988. 392 С.8. Grant P.M., Cowen K.F.N., Adaptive filters. - M.: Mir, 1988.392 s.
Claims (5)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2014143366/28A RU2570592C1 (en) | 2014-10-27 | 2014-10-27 | Method of detecting and analysing acoustic emission signals |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2014143366/28A RU2570592C1 (en) | 2014-10-27 | 2014-10-27 | Method of detecting and analysing acoustic emission signals |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2570592C1 true RU2570592C1 (en) | 2015-12-10 |
Family
ID=54846656
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2014143366/28A RU2570592C1 (en) | 2014-10-27 | 2014-10-27 | Method of detecting and analysing acoustic emission signals |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2570592C1 (en) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2659575C1 (en) * | 2017-05-19 | 2018-07-03 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Multi-channel acoustic-emission system for control of load-bearing structural elements |
| RU2660403C1 (en) * | 2017-02-01 | 2018-07-06 | Общество с ограниченной ответственностью "ИНТЕРЮНИС-ИТ" (ООО "ИНТЕРЮНИС-ИТ") | Method of non-threshold automatic intellectual registration of acoustic emission signals by non-destructive control device |
| RU2704144C1 (en) * | 2019-01-09 | 2019-10-24 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный университет путей сообщения" (СГУПС) | Acoustic emission method for determination of structure defects from carbon fiber reinforced plastic |
| RU2709414C1 (en) * | 2019-06-04 | 2019-12-17 | Алексей Николаевич Кузьмин | Method of recording and analyzing acoustic emission signals in a system for diagnostic monitoring of production facilities |
| RU2714227C1 (en) * | 2016-12-13 | 2020-02-14 | Китурами Ко., Лтд. | Boiler with gas and earthquake detection function and control method thereof |
| CN112633327A (en) * | 2020-12-02 | 2021-04-09 | 西安电子科技大学 | Staged metal surface defect detection method, system, medium, equipment and application |
| RU2760344C1 (en) * | 2021-03-11 | 2021-11-24 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Multi-channel acoustic-emission system for control of structural power elements |
| RU2764957C1 (en) * | 2021-03-31 | 2022-01-24 | ООО "Синтез технологий", г.Воронеж | Method for complex analysis of informative parameters in acoustic-emission diagnostics of structures |
| RU2789694C1 (en) * | 2022-05-04 | 2023-02-07 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Method and device for evaluating and predicting a resource in acoustic-emission diagnostics of structures |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1629837A1 (en) * | 1989-03-20 | 1991-02-23 | Всесоюзный Научно-Исследовательский Институт Железнодорожного Транспорта | Method of quality control of welded rail joints |
| SU1716430A1 (en) * | 1990-03-28 | 1992-02-28 | Г.Б.Муравин, Л.М.Лезвинска , И,Г.Л©витина, Н.О.Макарова и С.И.Волков | Acoustic-emissive method for determination of accumulation of corrosive defects in construction material |
| GB2340604A (en) * | 1998-08-18 | 2000-02-23 | Benteler Werke Ag | Acoustic crack detection in shaping by deep drawing |
| RU2296320C1 (en) * | 2005-09-07 | 2007-03-27 | ФГУП "Сибирский научно-исследовательский институт авиации им. С.А. Чаплыгина" (ФГУП "СибНИА им. С.А. Чаплыгина") | Acoustic-emission method for diagnostics of wheel pairs of railroad train and device for realization of said method |
-
2014
- 2014-10-27 RU RU2014143366/28A patent/RU2570592C1/en active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1629837A1 (en) * | 1989-03-20 | 1991-02-23 | Всесоюзный Научно-Исследовательский Институт Железнодорожного Транспорта | Method of quality control of welded rail joints |
| SU1716430A1 (en) * | 1990-03-28 | 1992-02-28 | Г.Б.Муравин, Л.М.Лезвинска , И,Г.Л©витина, Н.О.Макарова и С.И.Волков | Acoustic-emissive method for determination of accumulation of corrosive defects in construction material |
| GB2340604A (en) * | 1998-08-18 | 2000-02-23 | Benteler Werke Ag | Acoustic crack detection in shaping by deep drawing |
| RU2296320C1 (en) * | 2005-09-07 | 2007-03-27 | ФГУП "Сибирский научно-исследовательский институт авиации им. С.А. Чаплыгина" (ФГУП "СибНИА им. С.А. Чаплыгина") | Acoustic-emission method for diagnostics of wheel pairs of railroad train and device for realization of said method |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2714227C1 (en) * | 2016-12-13 | 2020-02-14 | Китурами Ко., Лтд. | Boiler with gas and earthquake detection function and control method thereof |
| RU2660403C1 (en) * | 2017-02-01 | 2018-07-06 | Общество с ограниченной ответственностью "ИНТЕРЮНИС-ИТ" (ООО "ИНТЕРЮНИС-ИТ") | Method of non-threshold automatic intellectual registration of acoustic emission signals by non-destructive control device |
| RU2659575C1 (en) * | 2017-05-19 | 2018-07-03 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Multi-channel acoustic-emission system for control of load-bearing structural elements |
| RU2704144C1 (en) * | 2019-01-09 | 2019-10-24 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный университет путей сообщения" (СГУПС) | Acoustic emission method for determination of structure defects from carbon fiber reinforced plastic |
| RU2709414C1 (en) * | 2019-06-04 | 2019-12-17 | Алексей Николаевич Кузьмин | Method of recording and analyzing acoustic emission signals in a system for diagnostic monitoring of production facilities |
| CN112633327A (en) * | 2020-12-02 | 2021-04-09 | 西安电子科技大学 | Staged metal surface defect detection method, system, medium, equipment and application |
| CN112633327B (en) * | 2020-12-02 | 2023-06-30 | 西安电子科技大学 | Staged metal surface defect detection method, system, medium, equipment and application |
| RU2760344C1 (en) * | 2021-03-11 | 2021-11-24 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Multi-channel acoustic-emission system for control of structural power elements |
| RU2764957C1 (en) * | 2021-03-31 | 2022-01-24 | ООО "Синтез технологий", г.Воронеж | Method for complex analysis of informative parameters in acoustic-emission diagnostics of structures |
| RU2789694C1 (en) * | 2022-05-04 | 2023-02-07 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Method and device for evaluating and predicting a resource in acoustic-emission diagnostics of structures |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2570592C1 (en) | Method of detecting and analysing acoustic emission signals | |
| CN106226407B (en) | A kind of online preprocess method of ultrasound echo signal based on singular spectrum analysis | |
| Espinosa et al. | Accuracy on the time-of-flight estimation for ultrasonic waves applied to non-destructive evaluation of standing trees: a comparative experimental study | |
| RU2709414C1 (en) | Method of recording and analyzing acoustic emission signals in a system for diagnostic monitoring of production facilities | |
| CN105067707B (en) | A kind of damage monitoring method of composite structure, device and system | |
| CN110244202A (en) | Based on synchronous compression wavelet transformed domain partial discharge of transformer denoising method | |
| US20140025715A1 (en) | Neural Signal Processing and/or Interface Methods, Architectures, Apparatuses, and Devices | |
| CN110196448B (en) | Landslide infrasound signal identification method | |
| CN110568073B (en) | Method for picking up impact signal in noise environment | |
| CN109658951A (en) | Mixed signal detection method and system | |
| US10359465B2 (en) | Method for characterizing a soft fault in a cable | |
| Altay et al. | The effect of filter parameters on the accuracy of ECG signal measurement | |
| RU2671152C1 (en) | Acoustic emission signal processing method | |
| Liguori et al. | A preliminary study on the estimation of the uncertainty of traffic noise measurements | |
| CN110780162B (en) | Method for extracting partial discharge signal of primary and secondary fusion power distribution switch and detection device | |
| CN111709279B (en) | Algorithm for separating microseism noise mixed signal by SVD-EMD algorithm | |
| Mellinger et al. | A method for filtering bioacoustic transients by spectrogram image convolution | |
| RU2282209C1 (en) | Method and device for detection of complex wideband frequency-modulated signal with filtration within scale-time area | |
| CN113792675B (en) | Metal material vortex analysis method based on discrete wavelet transformation model | |
| CN109884483A (en) | Insulating tube type busbar shelf depreciation acoustics on-line monitoring method and device | |
| Mothe et al. | Signal processing system design for acoustic emission signatures detetction and analysis | |
| Bogomolov et al. | Entropy-based technique for denoising of acoustic emission signals | |
| Hejtmanek et al. | Comparison of two denoising techniques to improve UHF partial discharge localization | |
| CN112525999B (en) | Acoustic emission signal correlation analysis method based on frequency components | |
| KR100456841B1 (en) | Method for processing detection signal in duration test of vehicle |