一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法

摘要

一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法，涉及伤损裂纹信号处理与检测领域的方法，解决了传统裂纹信号检测方法速度慢、效率低的问题。本发明的步骤为：一、加载原始声发射信号，获得噪声声发射信号；二、对噪声声发射信号提取γ倒谱系数特征，依据自适应鲁棒系数对其进行筛选；三、将噪声信号特征聚类，计算各特征到各聚类质心的距离，计算各聚类的不平等优化距离值；提取待测声发射信号的γ倒谱系数特征，依照步骤二选择待测信号特征，计算各特征到各聚类质心的距离，依据不平距离优化判别算法，判别待测信号。本发明运算速率快，检测精度高。在高铁钢轨与车轮伤损裂纹检测领域，具有很高的社会意义和经济价值。

说明书

技术领域

本发明涉及钢轨裂纹信号处理与检测领域的方法，具体涉及一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法。

背景技术

自2003年中国第一条高速铁路秦沈客运专线开通以来，中国高铁事业开始飞速跨越，17年间，高铁版图一再扩容，遍布祖国大好河山，沟通南北，横亘东西。近些年，高铁更是走出国门，成为中国制造一张靓丽的名片。面对高铁交错复杂的线路、里程数大等现状，保障高速铁路安全、稳定、可靠的运行将是后期铁路安全工作的重中之重，探索新的钢轨伤损检测方法并提高检测速度具有重要意义。

目前，主要的伤损裂纹检测方法有超声检测、漏磁检测、涡流检测和视觉检测等。上述检测方法原理和特点各不相同，被广泛应用于伤损裂纹检测领域，然而也存在许多不足之处。超声检测方法因为需要在检测探头与被测物之间添加耦合剂，导致检测速度变慢，检测效率因此受到严重影响。漏磁检测技术伤损裂纹检测速度快，但是往往受到物理机制的限制，仅仅能够对表面或者浅表层的裂纹进行检测，无法检测内部伤损裂，检测精度较低；涡流检测技术能可以检测内部伤损裂纹，并且检测效率高，检测过程简单，然而涡流检测方法应用局限性大，只适用于横截面存在较大裂纹的物体伤损检测；视觉检测应用广泛，但是检测精度远远低于其他几种方法。近年来，声发射检测方法越来越受到人们的重视，该方法是一种被动式监测方法，能够实时监测钢轨的伤损状态，但由于列车运行过程中存在巨大的噪声干扰，使该方法的检测精度较低，容易对噪声形成误判，为此提出一种能够克服噪声干扰具有较高检测精度的伤损检测方法具有重要意义。

本发明基于不平等距离优化聚类算法，结合γ倒谱系数(Gammatone CepstralCoefficients,GTCC)特征信息，对特征信息聚类分析，并计算各样本点与各聚类质心距离，设定各聚类质心判定优化距离值，依据不平距离优化判别算法，达到区分噪声干扰与裂纹伤损信号的目的，完成伤损声发射信号检测，从而提高了钢轨裂纹伤损的检测精度。

发明内容

本发明的目的在于提出一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法。提高了钢轨裂纹声发射信号的检测精度。

本发明的目的是通过以下技术方案实现的：首先，利用γ倒谱系数特征对声信号敏感的特点，从噪声声发射信号中提取γ倒谱系数特征，并根据自适应鲁棒系数对特征进行筛选处理，得到鲁棒性强的低维γ倒谱系数特征；而后，对筛选后特征进行聚类处理，聚类为K个簇，计算各特征到K簇中各聚类质心的距离，并计算每个簇聚类质心的不平等优化距离值；最后，提取待检测声发射信号的γ倒谱系数特征，并依据噪声声发射信号筛选特征序号，选择待测声发射信号的筛选特征，计算各特征到K簇中各聚类质心的距离，依据不平距离优化判别算法，判别各个特征是否属于伤损信号，完成伤损声发射信号检测。

本发明的流程图如图1所示，具体步骤如下：

1.一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法，其特征在于它包括以下步骤：

步骤一：加载包含伤损裂纹与噪声的声发射信号

步骤二：对噪声声发射信号

步骤三：将噪声信号特征

2.根据权利要求1所述的基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法，其特征在于所述的步骤一具体包括：

1)加载包含伤损裂纹与噪声的声发射信号

2)从

3.根据权利要求1所述的基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法，其特征在于所述的步骤二具体包括：

1)对声发射信号

2)对获得的H

首先采用移动平均法把特征参数序列分为平稳趋势项和随机余量项两个部分：

其中，

3)根据上式，分别计算得到H

i

其中，θ

4.根据权利要求1所述的基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法，其特征在于所述的步骤三具体包括：

1)从特征

2)计算各特征点到指定质心的距离；

其中，

3)利用下式进行每个簇的质心更新，并重复进行2)到3)步，直到质心位置不再发生变化：

其中，j

4)计算每个簇的特征点到其簇质心的距离，确定其中距离的最大值；

其中i

5)设定每个簇聚类质心的不平等优化距离值，对于K个聚类，待检测信号特征属于该簇聚类的判定优化距离值为：

其中，p＝1，2，...，K；α

6)在移动时间窗口处理下提取待检测声发射信号

其中，i

7)进一步在获取待检测信号各特征簇编号的情况下，根据5)中的不平等优化距离值进行不平距离优化判别，判别方法如下式：

如果计算结果R为1，则该特征属于伤损裂纹信号；反之，则属于噪声信号。判别各个特征是否属于伤损信号，完成伤损声发射信号检测。

本发明与现有技术相比具有如下优点：

本发明采用γ倒谱系数特征来表征包含伤损裂纹的声发射信号的辨识性信息，以此达到排除噪声干扰的目的。此外，基于γ倒谱系数特征具有多维信息的特点，提出自适应鲁棒系数方法，筛选获得具有高鲁棒性的低维特征，降低特征维度减少数据运算量，节约时间成本，增加信号检测速率。

同时，本发明提出基于不平等距离的优化聚类算法，将噪声声发射信号的特征参数以相似性为基础，划分为多个簇；依据各个簇特征参数到各簇质心距离，计算每个簇聚类质心的不平等优化距离值；根据噪声信号与伤损信号的差异性，并依据不平距离优化判别算法对待检测声发射信号进行伤损检测。

目前已有的伤损裂纹检测方法仅仅适用于实验室运行数据，这些数据往往只添加了几种已知的噪声信号。然而实际情况下的伤损裂纹信号含有大量的噪声干扰，有用信息湮没其中。同时已有的伤损裂纹检测方法运算效率低下，耗时巨大。本发明提出的基于不平等距离的聚类算法能够将各种已知噪声与伤损裂纹信号分离，从而提高伤损信号检测精度，满足实际工作生产中的检测高速率与精度的要求。

附图说明

图1为本发明方法的流程图。

图2为噪声发射信号时频图。

图3为待测声发射信号时频图。

图4为信号检测不平等优化距离图

图5为信号检测示例图

具体实施方式

下面结合钢轨裂纹实测与仿真信号数据说明本发明的具体实施方式：

执行步骤一：加载包含伤损裂纹的声发射信号

执行步骤二：在移动时间窗口处理下，对声发射信号

表1聚类γ倒谱系数各维鲁棒系数

此时设定自适应鲁棒系数为0.9，从表1中可以发现第1、2共2维特征的鲁棒系数超过0.9，所以选择这2维稳定性更好的γ倒谱系数特征M

执行步骤三：从γ倒谱系数特征M

接下来，加载一段待检测声发射信号

计算M