[发明专利]基于声发射信号的金刚石压机顶锤裂纹在线检测方法

摘要

本发明提出一种新的金刚石压机顶锤裂纹在线检测新方法。利用回溯搜索优化算法(BSA)方法对支持向量机模型参数进行优化选择，避免了参数选择的盲目性；K‑SPWVD方法的应用，既利用模板匹配方法和K‑S检验，避免对每个待检测信号均进行复杂的时频分析，提高了算法的效率，又充分利用了平滑伪维格纳‑威利分布良好的时频分析性能。该方法准确性高，运算速度快，有利于金刚石压机顶锤裂纹的在线检测。

主权项

1.一种基于声发射信号的金刚石压机顶锤裂纹在线检测方法，其特征在于，综合利用BSA‑SVM智能检测方法和K‑SPWVD时频信号分析方法进行顶锤裂纹检测，具体步骤如下：第一部分检测依据的建立步骤1：在已知是否有裂纹的顶锤上安装声发射传感器，首先对已知是否有裂纹的顶锤进行声发射信号采集，通过电路对传感器采集的信号进行预处理，将预处理后的信号输入计算机；在计算机中对顶锤正常状态下的声发射信号和裂纹状态下的声发射信号进行收集；步骤2：计算机对上述顶锤正常状态下的声发射信号和裂纹状态下的声发射信号，利用回溯搜索优化算法(BSA)对支持向量机模型(SVM)进行参数的优化和训练，得到金刚石压机顶锤裂纹智能检测模型，该模型名词定为：基于回溯搜索优化算法的支持向量机模型(BSA‑SVM)；步骤3：利用上述步骤1中采集到的已有的裂纹状态下的声发射信号，(a)首先，取M个数据点的顶锤裂纹状态声发射信号作为模板信号；(b)然后，利用平滑伪维格纳‑威利分布(SPWVD)处理分析该模板信号，根据得到的频谱信息确定顶锤裂纹特征频率；第二部分实时检测过程步骤4：将声发射传感器安装到正在工作的顶锤上，针对采集到的正在工作中的顶锤声发射实时信号，首先利用基于回溯搜索优化算法的支持向量机模型(BSA‑SVM)进行识别，如果检测到是非裂纹信号，则执行步骤6；如果检测到是裂纹信号，暂定为一级疑似裂纹信号，同时执行步骤5；步骤5：将上述一级疑似裂纹信号利用柯尔莫诺夫‑斯米尔诺夫检验(Kolmogorov‑Smirnov test，简称K‑S检验)与平滑伪维格纳‑威利分布(K‑SPWVD)结合处理方法进行处理，该柯尔莫诺夫‑斯米尔诺夫检验与平滑伪维格纳‑威利分布(K‑SPWVD)结合处理方法的工作过程包括(i)首先对采集的一级疑似裂纹信号利用进行连续平移L点长度的加窗截取，窗口长度为M，利用柯尔莫诺夫‑斯米尔诺夫检验(Kolmogorov‑Smirnov test，简称K‑S检验)方法与所述的模板信号进行匹配；如果不匹配，说明是非裂纹信号，执行步骤6；如果匹配，暂定为二级疑似裂纹信号，并转到下一步(ii)；(ii)再将上述二级疑似裂纹信号利用平滑伪维格纳‑威利分布(SPWVD)处理分析所截信号，根据得到的频谱信息确定其特征频率，如果能观察到有步骤3(b)中的顶锤裂纹特征频率，则判定为顶锤发生了裂纹，执行步骤7，反之，则判定为非裂纹信号，执行步骤6；步骤6：输出顶锤没有裂纹的判断结果；步骤7：输出顶锤有裂纹的结果。