基于PCA和TDF对16锰钢承力件进行疲劳损伤状态的识别系统

摘要

本发明公开了一种基于PCA和TDF对16锰钢承力件进行疲劳损伤状态的识别系统，该系统由多个声发射换能器（6）、多路前置放大器（5）、一个声发射仪（4）和一个16Mn钢承力件疲劳损伤检测单元（1）组成。16Mn钢承力件疲劳损伤检测单元（1）包括有过滤模块（11）、一级数据融合模块（12）、二级数据融合模块（13）。本发明采用主成分分析与疲劳损伤类别相结合，在数据空间中进行神经网络的训练得到各换能器在数据空间中的损伤度标志，然后用损伤度标志对每个声发射换能器信息进行局部诊断；进而用神经网络输出结果构造数据融合的基本概率值；最后采用数据融合的组合关系对疲劳损伤状态进行诊断。利用该系统，可对16Mn钢疲劳过程中的损伤状态进行识别、诊断，进而对其可靠运行提供依据。

主权项

一种基于PCA和TDF对16锰钢承力件进行疲劳损伤状态的识别系统，其特征在于：该系统包括有多个声发射换能器（6）、多路前置放大器（5）、一个声发射仪（4），其特征在于：还包括有一个16Mn钢承力件疲劳损伤检测单元（1）；16Mn钢承力件疲劳损伤检测单元（1）包括有过滤模块（11）和一级数据融合模块（12），二级数据融合模块（13），其中，过滤模块（11）有数据滤波处理模块（11A）和波形滤波处理模块（11B），一级数据融合模块（12）有第一数据空间（12A），第二数据空间（12B），第一损伤度标志模块（12C），第二损伤度标志模块（12D），D‑S证据组合模块（12E）；声发射换能器（6）与前置放大器（5）为配套使用，即每一个声发射换能器（6）的输出端与一个前置放大器（5）的输入端连接，每一个前置放大器（5）的输出端连接在声发射仪（4）的信息输入接口上，该信息输入接口用于接收多路突发型放大信息16Mn钢承力件疲劳损伤检测单元（1）内嵌在声发射仪（4）的存储器中；声发射换能器（6），用于采集在役16Mn钢承力件在采集时间T_X段内的突发型信息突发型信息前置放大器（5），用于对接收到的突发型信息进行放大40dB后成为突发型放大信息声发射仪（4）用于对接收到的突发型放大信息经A/D转换后成为数字突发型信息输出给16Mn钢承力件疲劳损伤检测单元（1）；de_S表示数字式能量、dA_S表示数字式测量幅度、dC_S表示数字式振铃计数、dR_S表示数字式上升时间和dD_S表示数字式持续时间；16Mn钢承力件疲劳损伤检测单元（1）的过滤模块（11）中的数据滤波处理模块（11A）对接收到的数字突发型信息进行参数滤波，滤掉电磁噪声和环境噪声后，提纯得到声发射疲劳损伤初步信息然后波形滤波处理模块（11B）对声发射疲劳损伤初步信息进行波形滤波，获得声发射疲劳损伤信息e₀是指数字式能量de_S经参数滤波后的能量，A₀是指数字式测量幅度dA_S经参数滤波后的测量幅度，C₀是指数字式振铃计数dC_S经参数滤波后的振铃计数，R₀是指数字式上升时间dR_S经参数滤波后的上升时间，D₀是指数字式持续时间dD_S经参数滤波后的持续时间；e是指参数滤波能量e₀经波形滤波后的能量，A是指参数滤波幅度A₀经波形滤波后的幅度，C是指参数滤波振铃计数C₀经波形滤波后的振铃计数，R是指参数滤波上升时间R₀经波形滤波后的上升时间，D是指参数滤波持续时间D₀经波形滤波后的持续时间；对换能器接收到16Mn钢承力件的疲劳损伤信息进行采集时间T_X段内的累积处理，然后归一化得到归一化累积疲劳损伤信息f_11B′，将f_11B′分别在第一数据空间（12A）和第二数据空间（12B）下投影得到各自的得分矩阵f_12A＝(t_a1,t_a2,t_a3,t_a4,t_a5)和f_12B＝(t_b1,t_b2,t_b3,t_b4,t_b5)，得分矩阵f_12A＝(t_a1,t_a2,t_a3,t_a4,t_a5)经第一损伤度标志模块（12C）处理得到在第一数据空间中的神经网络输出f_12C＝[f_ID,a(A₁)  f_ID,a(A₂)]，f_ID,a(A₁)表示代码为ID的换能器的诊断样本在第一数据空间中第1个节点的神经网络输出；f_ID,a(A₂)表示代码为ID的换能器的诊断样本在第一数据空间中第2个节点的神经网络输出；ID表示声发射换能器的代码，a是第一数据空间的代码；得分矩阵f_12B＝(t_b1,t_b2,t_b3,t_b4,t_b5)经第二损伤度标志模块（12D）进行处理得到在第二数据空间中的神经网络输出f_12D＝[f_ID,b(A₁)  f_ID,b(A₂)]，f_ID,b(A₁)表示代码为ID的换能器的诊断样本在第二数据空间中第1个节点的神经网络输出；f_ID,b(A₂)表示代码为ID的换能器的诊断样本在第二数据空间中第2个节点的神经网络输出；ID表示声发射换能器的代码，b是第二数据空间的代码；将f_12C和f_12D进行各节点的相关系数赋值，赋值后的f_12C和f_12D进行基本概率分配，然后进行D‑S证据组合模块（12E）处理得到单个换能器的数据融合结果m_ID(B_j)，再将所有换能器的D‑S证据组合模块（12E）结果进行二级数据融合得到数据融合结果m(C_j)，该结果经损伤等级评定单元（2）解析后输出疲劳损伤识别信息D给报警单元（3）；f_12A表示待诊断样本在第一数据空间中的得分矩阵，a是第一数据空间的代码，t_a1,t_a2,t_a3,t_a4,t_a5表示待诊断样本在第一数据空间中5个维度的得分向量；t_a1表示待诊断样本在第一数据空间中第1个维度的得分向量；t_a2表示待诊断样本在第一数据空间中第2个维度的得分向量；t_a3表示待诊断样本在第一数据空间中第3个维度的得分向量；t_a4表示待诊断样本在第一数据空间中第4个维度的得分向量；t_a5表示待诊断样本在第一数据空间中第5个维度的得分向量；f_12B表示待诊断样本在第二数据空间中的得分矩阵，b是第二数据空间的代码，t_b1,t_b2,t_b3,t_b4,t_b5表示待诊断样本在第二数据空间中5个维度的得分向量；t_b1表示待诊断样本在第二数据空间中第1个维度的得分向量；t_b2表示待诊断样本在第二数据空间中第2个维度的得分向量；t_b3表示待诊断样本在第二数据空间中第3个维度的得分向量；t_b4表示待诊断样本在第二数据空间中第4个维度的得分向量；t_b5表示待诊断样本在第二数据空间中第5个维度的得分向量。