基于AR-HMM的声发射信号识别方法

摘要

本发明是基于自回归模型‑隐马尔可夫模型（AR‑HMM）对声发射信号进行识别，利用自回归模型（AR）良好的时频分辨率提取声发射信号特征值，利用隐马尔可夫模型（HMM）算法的统计学和概率推理能力进行声发射信号识别，创新地将AR‑HMM方法应用于声发射信号识别领域。同时改进了AR模型参数值提取方法，采用信号分段提取AR特征值的方法，克服了采样点多的时候AR模型与信号的不相关性，有效地提高了识别能力，填补了声发射信号识别领域的空白。

主权项

一种基于AR‑HMM的声发射信号识别方法，其特征在于：该方法的具体步骤如下：获取不同声发射源的多组声发射信号；(一)、对提取到的声发射信号进行去噪，求零均值等预处理；(二)、把经过预处理的不同声发射源的多组声发射信号等长度的分为n段，对每段提取相同阶次的AR模型参数；(三)、取每段1/3～1/2靠前范围的、与信号相关性强的AR模型参数组成整个信号的特征值，将多组特征值作为多观测序列HMM的观测值；(四)、对获得到的AR特征值进行矢量量化；(五)、选取HMM的初始参数，输入一系列预处理后的特征值，建立每种声发射源所对应缺陷的HMM模型；(六)、把待识别声发射类型的观测序列输入到建立好的HMM库中，选取最大输出概率值所对应的声发射源类型作为识别结果；“(一)步骤”中的声发射信号分为三种，即钢板裂纹的开裂、腐蚀形成的钢板薄弱区的受载变形、腐蚀产生的氧化物的剥离，对声发射信号预处理的方法为：选用db16小波基对钢板裂纹、腐蚀、氧化物剥离声发射信号做5层分解去噪，把去噪后的信号零均值化，提取出声发射信号变化的动态部分。