一种热障涂层损伤模式自动识别的声发射信号分析方法

摘要

一种热障涂层损伤模式自动识别的声发射信号分析方法，属于热障涂层失效无损实时检测技术领域。采集热障涂层的损伤声发射信号；对声发射信号进行小波包变换，提取小波能谱系数作为模式识别的特征参数；建立BP神经网络分类系统，对BP网络进行训练，得到训练好的BP网络；提取待识别的声发射信号小波能谱系数，输入给训练好的BP网络，识别出声发射信号的损伤模式；统计每一损伤声发射事件数，得出各种损伤声发射信号数与外加载荷的关系曲线。本发明对失效过程进行实时或原位的无损检测，为正确的理解其失效行为提供直接的依据和指导。本发明能准确识别出热障涂层不同损伤模式的声发射信号，对实现热障涂层失效过程的实时检测具有重大意义。

主权项

一种热障涂层损伤模式自动识别的声发射信号分析方法，其特征在于，包括以下步骤：1)通过声发射传感器采集热障涂层样品损伤声发射信号；2)将步骤1)采集到的声发射信号进行小波包变换，提取小波能谱系数作为识别热障涂层损伤模式声发射信号的特征参数；3)设计一个BP神经网络分类器，将步骤2)得到的小波能谱系数作为BP神经网络的输入向量，选择样本信号对BP神经网络进行训练，得到训练完毕的BP神经网络；4)按步骤2)所述提取待识别热障涂层损伤声发射信号小波能谱系数，将其输入给步骤3)所述的训练完毕的BP神经网络中，根据BP神经网络的输出识别热障涂层损伤声发射信号的模式；5)根据步骤4)的识别结果统计每一损伤声发射事件数，得出各种损伤声发射信号数与外加载荷的关系曲线；所述步骤2)中小波包变换中用到的小波是指离散二进小波，其最大分解尺度J_max根据声发射信号的采样频率f_s，滤波器长度L_f以及采样长度N来确定，具体的计算公式为：$J_{\max }=\min (\mathrm{int}\left({\log }_2\frac{f_s}{20}\right),\mathrm{int}({\log }_2\frac{N}{L_f}+1))$小波能谱系数是信号在小波包分解后各频率段的能量与总能量的比值；所述步骤3)中BP神经网络为包含一个隐含层的三层BP神经网络，其隐含层节点数计算公式为：$m=\sqrt{n+l}+a$其中，m为隐层节点数，n为输入层节点数，l为输出层节点数，a为1～10之间的常数，通过试凑法选择网络误差最小时对应的隐层节点数，取隐层节点数m＝8；所述步骤3)中BP神经网络的训练采用有动量学习速率可变的BP算法，初始学习率为0.01，动量因子为0.9，自适应学习速率调整公式为：其中，η(k)表示学习速率，E(k)表示训练的误差；所述步骤4)所述的根据BP神经网络的输出识别热障涂层损伤声发射信号的模式为：BP神经网络的输出[0 0 1]对应热障涂层损伤的表面垂直裂纹信号，[0 1 0]输出对应热障涂层损伤的界面裂纹信号，[1 0 0]输出对应基底塑性变形声发射信号。