基于多分辨奇异谱熵和svm的泄漏声发射信号识别方法
【技术领域】
[0001] 本发明设及基于多分辨奇异谱赌和SVM的泄漏声发射信号识别方法，属于声发射 信号模式识别技术领域。
【背景技术】
[0002] 在工业快速发展的今天，各类压力管道、高压锅炉随处可见，在使用过程中由于腐 蚀、磨损等原因可能会造成管道或炉壁材料破损导致泄漏，一旦泄漏点得不到及时处理，很 容易发生工业事故，从而带来严重的经济损失和人员伤亡。声发射检测技术是一种利用局 部材料快速释放能量所产生的瞬态弹性波作为激励源的检测技术，在无损检测中占有重要 的地位。目前声发射检测在刀具磨损、腐蚀检测等方面已经取得了一定的研究成果，所W将 其应用于工业管道泄漏检测中也是可行的。
[0003] 目前，对声发射信号的处理方法主要有时域参数法、时域波形法、频域法、小波分 析和经验模态分解等。运些方法从不同角度描述声发射信号的特征，提供了多种多样的声 发射信号检测方法。虽然声发射检测领域的文献很多，但是目前管道泄漏的声发射技术研 究主要是对有无泄漏和泄漏点位置的判定，根据泄漏声发射信号研究泄漏信号参数状态的 文献不多。
[0004] 判断泄漏声发射类型是泄漏声发射检测的主要目的之一，泄漏声发射类型的确定 有助于进一步对材料受损情况作出评估，W便提前采取相应补救措施。因此，研究一种能在 多干扰和低信噪比的复杂信号中，快速和准确地提取泄漏信息特征并识别泄漏类型的方法 具有重要意义。
[0005] 小波分析具有很好的时频局域性，特别适合于非平稳信号的分析。小波奇异谱赌 是融合小波变换、信号的奇异值分解和信息赌提取等相关理论，得到的一种小波信息赌提 取方法。小波奇异谱赌测度可W将信号从小波空间映射到独立的线性空间，直接反映被分 析信号时频空间中特征模式能量的分布不确定性。被分析信号越简单，能量越集中，小波奇 异谱赌值越小;反之，信号越复杂，能量越分散，小波奇异谱赌值越大。因此，小波奇异谱赌 测度可W用来衡量被测信号的复杂度和不确定性，为泄漏声发射研究提供量化和直观分析 的结果。支持向量机(SVM)是基于统计学理论下的一种新型机器学习方法，能很好的解决实 际应用中出现的小样本、过学习、高维数、局部最小等问题，特别实在小样本、非线性情况 下，具有较好的泛化能力。
[0006] 基于此，本文首先用实验室设备数字声发射系统采集敲击、砂纸和断铅Ξ种模拟 声发射信号;然后求取小波奇异谱赌值，将其组合成为特征参数;最后利用支持向量机对特 征参数进行训练和测试。
【发明内容】
[0007] 本发明提供了基于多分辨奇异谱赌和SVM的泄漏声发射信号识别方法，W用于解 决泄漏声发射信号检测分类问题，能有效地对泄漏声发射信号进行分类，能在泄漏故障发 生时及时准确判断出泄漏故障类型，为采取相应的补救措施提供参考。
[0008] 本发明基于多分辨奇异谱赌和SVM的泄漏声发射信号识别方法是运样实现的：
[0009] 首先采用数字声发射系统进行实验数据采集，分别采集敲击、砂纸和断铅3种模拟 声发射信号;然后对采集的声发射信号分别进行小波多尺度分解;再求得每一层的奇异谱 赌，将其组成一个特征向量;最后将特征向量分为训练集和测试集，训练集用于训练得到支 持向量机分类器参数，用训练好的分类器对测试集进行分类测试，其结果就是对不同声发 射信号的分类识别。
[0010] 所述基于多分辨奇异谱赌和SVM的泄漏声发射信号识别方法的具体步骤如下：
[0011] A、声发射信号采集:采用数字声发射系统进行实验数据采集，分别采集敲击、砂纸 和断铅巧巾模拟声发射信号各m组，信号记为x(t);
[0012] B、对原始信号x(t)进行小波变换，设分解尺度为j，则x(t)的小波分解信号为di, cb，…，山，依次表示从高频段到低频段信号；
[0013] C、分别对分解后的每一层系数进行重构，设第j层上的重构信号为化={山化)}，假 设要重构1个η维相空间，那么η维相空间第1个矢量为化中的山（1)，d2(2)，…，山(η)，然后右 移1步，第2个矢量为di(2)，cb(3)，···，山(η+1)，依次类推，可构造一个(Ν-η+1)Χη维的矩阵：
[0014]
[001引其中，Ν表示第j层上的重构信号Dj= {dj(k)}ke [1，Ν]中k的取值范围，从巧帆
[0016] D、对一组信号的每层矩阵Aj进行奇异值分解，计算信号的奇异谱赌，将各层的赌 值组合起来，即得到特征向量，按照运种方法将Ξ种类型声发射信号共3*m组的奇异谱赌求 出来，每一组信号得到一组特征向量；
[0017] E、分别取每类信号的两组特征向量作为训练集、两组作为测试集，用它们训练分 类器，选用高斯径向基核函数，gamma参数为1，惩罚因子C为200;
[0018] F、选定了分类器参数之后，取每类信号的a组特征向量作为训练集，剩余组的特征 向量作为测试集，用训练好的分类器对测试集进行分类测试。
[0019] 所述m值可W选用20，a值可W选用6。
[0020] 本发明的工作原理是：
[0021] 第一步:实验可W采用北京声华兴业科技有限公司生产的SA抓2S数字声发射系统 进行试验数据采集。实验时，保持传感器与事故点位置不变，在事故点处分别模拟敲击、砂 纸和断铅Ξ种工况声源，并记录相关实验数据。为验证上述方法的有效性，在实验室条件 下，按照国际无损检测界的规定（美国ASTM976号文件），使用0.5mm皿铅笔忍进行断铅试 验，可W得到模拟断铅声源信号。并用砂纸和金属棒，在相同位置模拟出砂纸和敲击两种不 同工况声源信号。实验每次采集1200个点作为一组信号，可W分别采集敲击、砂纸和断铅Ξ 种声源信号各20组；
[0022] 第二步:小波分析的基本方法是运用Mallat塔式算法，对信号x(t)进行降阶分解。 离散二进小波变换公式为：
，式中：H和G分别为低通滤波器和高通滤波器； Cj化)和山化)分别为信号分解尺度的近似系数和细节系数。设分解尺度为j，则x(t)的小波 分解信号为di，cb，…，山，Cj，依次表示从高频段到低频段信号。
[0023] 第Ξ步:分别对分解后的每一层系数进行重构，重构公式为CW化）=H*c^k)+G*dj 化），式中Η*和G*分别为Η和G的对偶算子。设第j层上的重构信号为町=化化）}，假设要重构 1个η维相空间，那么η维相空间第1个矢量为D冲的山（1)，(12(2)，-，，(1加），然后右移1步，第 2个矢量为di(2)，cb(3)，…，山(η+1)，依次类推，可构造一个(Ν-η+1)Χη维的矩阵Aj。
[0024]
[00巧]第四步：对每层矩阵Aj进行奇异值分解（singular value decomposition,SVD)， 计算信号的奇异谱赌。对一组信号的每层矩阵Aj进行奇异值分解（singular value decomposition，SVD)，计算信号的奇异谱赌。将各层的赌值组合起来，即得到特征向量。按 照运种方法将Ξ种类型声发射信号共60组信号的奇异谱赌求出来，每一组信号得到一组特 征向量。
[0026] 第五步:分别取每类信号的两组特征向量作为训练集、两组作为测试集，用它们训 练分类器，选用高斯径向基核函数，gamma参数为1，惩罚因子C为200。此时SVM分类器对待测 样本的识别正确率为100%。选定了合适的分类器参数之后，取每类信号的6组特征向量作 为训练集，剩余10组特征向量作为测试集。结果表明，SVM对Ξ种泄漏声发射信号的分类结 果正确率很高。
[0027] 图7表示支持向量机的体系结构，SVM在进行线性分类时，通过选择合适的核函数 将输入向量映射到高维特征空间，并在其中构造最优超平面，达到分类目的，其中的x(l)，x (2)，. . .，x(n)表示待识别样本序列，Κ(Χ，Χι)表示核函数，输出Y代表识别结果。图8和图9中 圆圈圈出的样本点叫做支持向量(suppod vectorS)，其位于最优超平面的附近，分布在各 自样本区域的边缘地带，虚线代表最优超平面。
[002引本发明的有益效果是：
[0029] 1、通过将泄漏声发射信号的类型识别问题转化为模式分类问题，在惩罚因子和 gamma参数选择合适的情况下，SVM对测试样本包含的声发射信息具有较强的分辨能力，可 W同时区分敲击、砂纸、断铅信号，且识别正确率很高，可实现自动分类；
[0030] 2、支持向量机对小样本数据具有较好的统计学习能力；
[0031] 3、通过求声发射信号的小波奇异谱赌值，能较好的反映声发射信号状态信息，可 W将其作为声发射信号的特征向量。
【附图说明】
[0032] 图1为本发明的处理流程图；
[0033] 图2为本发明Ξ种类型泄漏声发射信号的时域波形图；
[0034] 图3为本发明Ξ种类型泄漏声发射信号的频域波形图；
[0035] 图4为本发明敲击信号重构后的波形图；
[0036] 图5为本发明砂纸信号重构后的波形图；
[0037] 图6为本发明断铅信号重构后的波形图；
[0038] 图7为本发明支持向量机的体系结构图；
[0039] 图8为本发明训练分类器参数时的SVM训练样本可视化图像；
[0040] 图9为本发明SVM测试样本可视化图像。
【具体实施方式】
[0041] 实施例1:如图1-9所示，基于多分辨奇异谱赌和SVM的泄漏声发射信号识别方法， 首先采用数字声发射系统进行实验数据采集，分别采集敲击、砂纸和断铅巧巾模拟声发射信 号;然后对采集的声发射信号分别进行小波多尺度分解;再求得每一层的奇异谱赌，将其组 成一个特征向量;最后将特征向量分为训练集和测试集，训练集用于训练得到支持向量机 分类器参数，用训练好的分类器对测试集进行分类测试，其结果就是对不同声发射信号的 分类识别。
[0042] 所述基于多分辨奇异谱赌和SVM的泄漏声发射信号识别方法的具体步骤如下：
[0043] A、声发射信号采集:采用数字声发射系统进行实验数据采集，分别采集敲击、砂纸 和断铅巧巾模拟声发射信号各m组，信号记为x(t);
[0044] B、对原始信号x(t)进行小波变换，设分解尺度为j，则x(t)的小波分解信号为di, cb，…，山，依次表示从高频段到低频段信号；