一种快速识别陶瓷涂层失效类型的声发射信号分析方法

摘要

本发明涉及一种快速识别陶瓷涂层失效类型的声发射信号分析方法。首先采集涂层试验过程中产生的声信号，提取信号特征参数，对声发射信号进行聚类分析，然后选取最靠近各个聚类中心的信号对其进行小波变换，并提取能谱系数作为模式识别的特征参数，根据能量分布识别出涂层损伤类型。最后统计各类损伤的声发射事件数，将所得数据与外加载荷‑位移曲线相结合，得到涂层失效过程的临界载荷及相应的信号频率，全面了解陶瓷涂层在外加载荷作用下的失效过程。本发明为陶瓷涂层的失效机理研究提供了直接的依据，对涂层正常服役的寿命预测具有重大意义。

说明书

技术领域

本发明涉及一种快速识别陶瓷涂层失效类型的声发射信号分析方法。

背景技术

陶瓷涂层指涂层材料为陶瓷的喷涂层，现已广泛应用于高温超导、电子工业、航空航天等各个领域。它可以有效降低工作环境对基底材料的影响，从而优化部件的使用性能。目前，陶瓷涂层的力学性能及其损伤演化是一个重要的研究课题。

声发射检测技术作为一种动态无损检测方法，它已经被广泛地应用到各种类型材料的损伤检测中。尽管陶瓷涂层的损伤模式与损伤过程十分复杂，但是在损伤的过程中都会产生声发射信号，因此通过声发射技术对陶瓷涂层失效过程进行实时监测，是研究涂层损伤演化和失效机理的有效手段。声发射信号的处理和分析是声发射技术的关键，如何做到声发射信号的有效识别，并从这些信号中获得声发射源定性和定量的信息对于研究材料的失效机理具有重要的影响。

作为一种动态监测技术，声发射对涂层失效的研究具有重要意义，同时，后续的信号分析与处理也非常重要。中国专利(申请号：CN200810031180.4)公布了一种热障涂层损伤及其失效过程的声发射实时监测方法，通过对热障涂层声发射信号进行小波变换，提取小波能谱系数作为信号特征参数，识别出来热障涂层表面垂直裂纹和界面裂纹两种失效模式。但是，该方法需要对每一个损伤声发射信号进行小波变换和能谱系数计算，然后采取人工逐一识别的方法对信号进行模式识别。由于试验过程中往往会产生大量声信号，因此在分析过程中需要投入大量的时间和精力。中国专利(申请号：CN201310341961.4)公布了一种热障涂层声发射信号自动识别方法，其特点是对所收集的声信号进行小波包变换并提取能谱系数，然后构建BP人工神经网络，并经过多次训练最终识别出声发射信号对应的损伤类型，该方法在前一个专利的基础上有效地改进了工作量大的问题，但是仍然需要对每一个信号波形做小波变换和能谱系数的提取，过程较为复杂。

发明内容

本发明的目的在于解决上述存在问题，提供一种快速识别陶瓷涂层失效类型的声发射信号分析方法，该方法能够在不失真的基础上简化现有信号分析方法，提高信号分析的效率。

为实现上述目的，本发明的技术方案是：一种快速识别陶瓷涂层失效类型的声发射信号分析方法，

S1、采集陶瓷涂层在损伤失效过程中的声发射信号；

S2、提取声发射信号特征参数并进行归一化处理；

S3、对步骤S2中得到的信号特征参数，进行聚类分析，得到分类后的信号及对应的聚类中心；

S4、选取每个聚类中心最近的若干个信号进行小波变换，提取小波能谱系数作为识别陶瓷涂层损伤模式的声发射信号特征参数，识别出涂层损伤类型。

在本发明一实施例中，所述步骤S2中，是通过使用平均数方差标准化的方法进行声发射信号特征参数的归一化处理，其原理是将数据变换到均值为0，标准差为1的标准正态分布变换，具体实现如下，

对于具有n个声发射信号的样本，平均数方差标准化的计算公式为：

其中，x_i为原始信号参数，x_i'为标准化后信号参数；为原始信号参数的均值，σ为标准差。

在本发明一实施例中，所述声发射信号特征参数包括声发射信号的持续时间、振幅、信号强度的特征参数。

在本发明一实施例中，所述步骤S3的具体实现过程如下，

根据步骤S2中得到的信号特征参数作为模式识别的输入向量选取欧氏距离作为声发射信号间相似性测度，利用公式(2)来计算不同k值对应的轮廓值，根据轮廓值确定所选分类数，

其中，a(l)表示第l个点与其同类中的其他点之间的平均距离，b(l,k)为一个向量，表示第l个点与不同类别中各点的平均距离；s值满足大于预设阈值即可确定聚类有效；

根据确定的分类数，进行聚类分析即可得到分类后的信号及对应的聚类中心。

在本发明一实施例中，所述s值的预设阈值为0.6。

在本发明一实施例中，所述步骤S4具体实现过程如下，

根据步骤S3得到的聚类中心，选取每个聚类中心最近的若干个信号根据公式(3)-(6)计算并提取小波能谱系数作为识别陶瓷涂层损伤模式的声发射信号特征参数，

声信号可用波形函数f(t)表示：

f(t)＝f⁰(t)+f¹(t)+...+fⁿ(t)(3)

其中，f⁰(t),f¹(t),...,fⁿ(t)为分解信号的各级；各级中的能量为：

总能量计算公式为：

小波尺度下各级的能量系数求解公式为：

R⁽ⁱ⁾(t)＝E⁽ⁱ⁾(t)/E^(T)(t)(6)

根据上式得出各频段小波能谱系数，其中最大值所对应的小波尺度为信号的特征尺度，相应的频段即为声信号的特征频段。

在本发明一实施例中，进行提取小波能谱系数的计算之前还需进行小波分解尺度的计算，公式为：

其中，f_s为采样频率，L_f为滤波器长度，N为采样长度。

相较于现有技术，本发明具有以下有益效果：本发明为陶瓷涂层的失效机理研究提供了直接的依据，在不失真的基础上简化现有信号分析方法，提高信号分析的效率对涂层正常服役的寿命预测具有重大意义。

附图说明

图1为本发明分析方法流程示意图。

图2为本发明中轮廓值s与聚类类别数k之间的关系图。

图3为三类声发射信号在不同参数空间中的分布图。

图4为信号五层小波分解示意图。

图5为db8小波的尺度函数与小波函数的图形。

图6为本发明中陶瓷涂层损伤声发射信号三种典型的特征能谱图：(a)涂层弹塑性变形(b)层片裂纹(c)界面裂纹。

图7为本发明中陶瓷涂层压痕失效过程中不同失效形式的振铃计数与压入深度的关系示意图。

具体实施方式

下面结合附图1-7，对本发明的技术方案进行具体说明。

本发明的一种快速识别陶瓷涂层失效类型的声发射信号分析方法，

S1、采集陶瓷涂层在损伤失效过程中的声发射信号；

S2、提取声发射信号特征参数(包括声发射信号的持续时间、振幅、信号强度等特征参数)并进行归一化处理；

S3、对步骤S2中得到的信号特征参数，进行聚类分析，得到分类后的信号及对应的聚类中心；

S4、选取每个聚类中心最近的若干个信号进行小波变换，提取小波能谱系数作为识别陶瓷涂层损伤模式的声发射信号特征参数，识别出涂层损伤类型。

所述步骤S2中，是通过使用平均数方差标准化的方法进行声发射信号特征参数的归一化处理，其原理是将数据变换到均值为0，标准差为1的标准正态分布变换，具体实现如下，

对于具有n个声发射信号的样本，平均数方差标准化的计算公式为：

其中，x_i为原始信号参数，x_i'为标准化后信号参数；为原始信号参数的均值，σ为标准差。

所述步骤S3的具体实现过程如下，

根据步骤S2中得到的信号特征参数作为模式识别的输入向量选取欧氏距离作为声发射信号间相似性测度，利用公式(2)来计算不同k值对应的轮廓值，根据轮廓值确定所选分类数，

其中，a(l)表示第l个点与其同类中的其他点之间的平均距离，b(l,k)为一个向量，表示第l个点与不同类别中各点的平均距离；s值满足大于预设阈值即可确定聚类有效；所述s值的预设阈值为0.6；

根据确定的分类数，进行聚类分析即可得到分类后的信号及对应的聚类中心。

所述步骤S4具体实现过程如下，

根据步骤S3得到的聚类中心，选取每个聚类中心最近的若干个信号根据公式(3)-(6)计算并提取小波能谱系数作为识别陶瓷涂层损伤模式的声发射信号特征参数，

声信号可用波形函数f(t)表示：

f(t)＝f⁰(t)+f¹(t)+...+fⁿ(t)>

其中，f⁰(t),f¹(t),...,fⁿ(t)为分解信号的各级；各级中的能量为：

总能量计算公式为：

小波尺度下各级的能量系数求解公式为：

R⁽ⁱ⁾(t)＝E⁽ⁱ⁾(t)/E^(T)(t)(6)

根据上式得出各频段小波能谱系数，其中最大值所对应的小波尺度为信号的特征尺度，相应的频段即为声信号的特征频段。

进行提取小波能谱系数的计算之前还需进行小波分解尺度的计算，公式为：

其中，f_s为采样频率，L_f为滤波器长度，N为采样长度。

以下为本发明的具体实施过程。

本发明的一种快速识别陶瓷涂层失效类型的声发射信号分析方法，实现步骤如下：

(1)采集陶瓷涂层在损伤失效过程中的声发射信号；

(2)提取步骤(1)中采集到的声发射信号的持续时间、振幅、信号强度等特征参数，并利用平均数方差标准化的方法对各个参数做归一化处理；

(3)根据步骤(2)中得到的信号参数作为模式识别的输入向量选取欧氏距离作为声发射信号间相似性测度，利用公式(2)来计算不同k值对应的轮廓值，根据轮廓值确定所选分类数；

(4)根据步骤(3)确定的k值对声发射信号进行聚类分析得到分类后的信号及对应的聚类中心；

(5)选取每个聚类中心最近的几个信号进行小波变换，根据所述公式(3)～(6)计算并提取小波能谱系数作为识别陶瓷涂层损伤模式的声发射信号特征参数，其中所选取的小波分解尺度由公式(7)得出。

本发明中聚类分析的原理如下：

基于无监督模式识别的声发射信号聚类分析方法，是在损伤模式及各信号类别都未知的情况下，通过选取合适的信号特征参数，按照参数间某一种特定的相似性度量方法和聚类算法把类别相似的声发射信号分成一类。其基本步骤为：

1)对所选声发射信号参数进行归一化处理把所有的参数都转化为[0,1]之间的数；

2)预先定义分类数k，并根据一定的规则选取k个样品作为初始的聚类中心；

3)计算每一个输入向量与聚类中心的距离，将输入向量分配给与其聚类中心距离最小的一类，得出一个初始的分类方案，并即根据各类别的均值重新计算聚类中心；

4)根据新的聚类中心对样品进行重新分类；

5)反复循环此3)、4)过程，当聚类中心收敛，聚类结束。

其中，归一化处理使用平均数方差标准化的方法，其原理是将数据变换到均值为0，标准差为1的标准正态分布变换。

对于具有n个声发射信号的样本，平均数方差标准化的计算公式为：

其中,x_i为原始信号参数，x_i'为标准化后信号参数；为原始信号参数的均值，σ为标准差

分类数k值由其相应轮廓值决定，k-means聚类k值轮廓值的确定：

其中，a(l)表示第l个点与其同类中的其他点之间的平均距离，b(l,k)为一个向量，表示第l个点与不同类别中各点的平均距离。

s值越大说明类与类之间分得越开，聚类效果越好。一般情况下，当s的值大于0.6就可以确定聚类有效。

本发明中小波分析的原理如下：

小波分析是一种新的时频分析、变换方法，具有多分辨率的特征，在时域和频域都具有很好的分辨率，小波变换的原理是将数据分解为一系列的小波分量，即小波级。每个小波能级由于其特定的频率范围。

通常，声信号可用波形函数f(t)表示：

f(t)＝f⁰(t)+f¹(t)+...+fⁿ(t)>

其中，f⁰(t),f¹(t),...,fⁿ(t)为分解信号的各级；各级中的能量为：

总能量计算公式为：

小波尺度下各级的能量系数求解公式为：

R⁽ⁱ⁾(t)＝E⁽ⁱ⁾(t)/E^(T)(t)>

根据上式得出各频段小波能谱系数，其中最大值所对应的小波尺度为信号的特征尺度，相应的频段即为声信号的特征频段。

进行提取小波能谱系数的计算之前还需进行小波分解尺度的计算，公式为：

其中，f_s为采样频率，L_f为滤波器长度，N为采样长度。

实施例：

以8YSZ热障涂层压痕试验为例对涂层断裂过程进行模式识别：

热障涂层试样采用大气等离子喷涂方法来制备，基体为Inconel718高温合金，粘结层为NiCoCrAlY，陶瓷层为8YSZ，粘结层与陶瓷层厚度分别为100μm和300μm。

图1为信号分析流程图，采集压痕过程中试样损伤的声发射信号，提取信号特征参数并根据公式(1)对其进行归一化处理，然后选取欧氏距离作为声发射信号间相似性测度并对声信号进行聚类分析。本例中根据公式(2)可求出不同k值对应的轮廓值，图2为所求轮廓值s与聚类类别数k之间的关系。当k＝3时，s＝0.6736，因此可将信号主要分为三类。图3为信号聚类分析后的三类信号在不同参数空间中的分布图。根据公式(7)可求得信号的小波分解尺度为5级，在聚类分析结果中分别选取距离聚类中心最近的三类信号对其进行五层小波分解(图4所示)，并利用公式(3)～(6)计算出各个频率段小波能谱系数，作为模式识别的特征参数，识别出涂层损伤类型。其中第一类信号波形幅度相对较低，主频带为A5能级，其相应的能量系数为0.5519；第二类信号主频带为D5能级，其相应的能量系数为0.5017；第三类信号主频带为D4能级，其相应的能量系数为0.4201。图5为本例在信号波形分析中所选取的小波基函数——db8小波的尺度函数与小波函数图。图6为本例中热障涂层在压痕载荷作用下三种典型的声发射信号特征能谱图，主频带分别为A5(0–156.25kHz),D5(156.25–312.5kHz)和D4(312.5–625kHz)，对应涂层弹塑性变形、层片开裂和界面开裂。图7为本发明中热障涂层压痕失效过程中每一种损伤模式的声发射信号事件数与压入深度的关系图，随着压入载荷的增加，涂层内部先发生弹塑性变形，然后出现层片裂纹和界面裂纹。

本发明采用以上的技术方案，具有以下优点：在对信号波形做有效分析和处理之前(包括小波变换和能谱系数的提取)先对信号做聚类分析，对所有信号做了一个明确的分类。然后选择距离聚类中心最近的几个信号做波形处理，在不失真的条件下有效简化了信号波形处理过程，减少信号分析的工作量，提高了信号的分析效率。本发明的主要价值在于：提出了一种简单快速的信号分析方法，为陶瓷涂层的失效机理研究和寿命预测提供了直接的依据。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。