基于声发射信号的金刚石压机顶锤裂纹在线检测方法技术

本发明专利技术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。

On line detection method of hammer crack of diamond press based on AE signal

The invention provides a new on-line detection method for top crack of a diamond press. The use of backtracking search optimization algorithm (BSA) method to optimize the parameters of support vector machine model, avoid the blindness of parameters selection; application of K SPWVD method, which use the method of template matching and K S test, to avoid each signal to be detected are complex time-frequency analysis, improve the efficiency of the algorithm., and make full use of the smoothed pseudo Wigner distribution Wiley good time-frequency analysis performance. The method is accurate and fast in operation, and is beneficial to on-line detection of the hammer crack in diamond press.

【技术实现步骤摘要】
基于声发射信号的金刚石压机顶锤裂纹在线检测方法
本专利技术涉及硬质合金缺陷检测领域，具体涉及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。
技术介绍
人造金刚石硬度高、耐磨性好，可广泛用于切削、磨削、钻探等机械加工行业和半导体等电子工业。我国人造金刚石产量居世界第一位，主要应用六面顶压机进行生产制作。金刚石压机顶锤是由硬质合金材料合成，属于脆性材料，在高温高压环境下，易产生裂纹。如果不及时检测出裂纹，往往造成塌锤事故，给企业带来巨大的经济损失。传统的金刚石压机顶锤裂纹检测方法主要有两种，一种是人工利用锯条在锤面划过，通过检修师的感官经验判断是否出现裂纹。这种方法要求停机拆卸，不仅效率低，而且对人工的经验依赖性强；另一种方法是检测金刚石压机顶锤工作状况下的电阻率，往往容易受到恶略工作环境的影响，电阻率测量误差大，裂纹检测准确率低。为了对本专利申请的技术背景做更深入的了解，专利技术人对关于声发射信号对物体细微缺陷检测的专利情况进行了检索。在中国专利中有申请号为201010259859.6，名称为一种金属拉深件微小裂纹冲击性信号的识别方法的专利技术专利，该方法先采用声发射传感器对金属拉深件微小裂纹声发射冲击性信号进行采集，对采集的信号进行预处理，将预处理的信号输入计算机中，再进行小波包分析，对小波包分解后的不同频段的数据进行重构，采用时间序列的方法对去噪后的声发射信号进行时序分析，建立时序模型，最后在计算机中结合模糊综合评判方法与最大隶属度原则实现对金属拉深件的状态辨别。另外中国专利中还有申请号为201510271094.0，名称为一种使用声发射信号能量特征值预测脆性材料临界失稳的方法，其步骤为：①在待监测脆性材料上安装声发射传感器，采集声发射信号；②根据声发射信号的波形特征选取小波基；③对声发射信号进行1级小波包分解，分解成低频段信号和高频段信号；④分别计算低频段信号和高频段信号的能量特征值P1和P2；⑤分别绘制低频段信号的能量特征值P1和高频段信号的能量特征值P2的统计图；⑥根据P1和P2的变化状态判断待监测脆性材料是否处于临界失稳状态。上述两个专利中对获取到的信号数据的处理过程并没有建立智能识别的模式，没有自我学习的能力，其适用范围有限，对于金刚石压机顶锤来说，其在线检测过程中数据量大，上述两种专利方法，在数据量大的情况下其反应速度必然有局限性，不能够及时判断危险情况，难以直接借鉴使用。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种基于声发射信号的金刚石压机顶锤裂纹检测方法。为达到专利技术目的，本专利技术的技术方案是：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-Smirnovtest，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-Smirnovtest，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7；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。优选的，所述步骤2中的基于回溯搜索优化算法的支持向量机模型(BSA-SVM)的建立过程包括，a.确定训练样本从步骤1中采集的顶锤声发射信号集中选取n1组已知正常信号和n2组已知疑似裂纹信号作为无裂纹状态，n3组已知裂纹信号对应裂纹状态，此处已知疑似裂纹信号为顶锤没有裂纹但信号波形与裂纹信号相似的信号；无裂纹状态和裂纹状态两种类样本共同组成训练样本，利用小波包对信号进行三层分解，提取各频段的能量百分比作为样本特征值，样本特征值矩阵构成支持向量机模型的输入向量，模型的输出为1或-1，分别代表无裂纹和裂纹状态；b.确定支持向量机的待优化参数支持向量机中有2个参数：核函数参数σ和惩罚函数参数C，标记为p(σ，C)；c.基于BSA的参数初始化BSA的初始化是指初始化种群P和历史种群oldP；种群包括N个个体，个体的长度设置为d＝2，代表参数的个数；种群P初始化表达式为：Pi,j～U(lowj,upj)其中i＝1，2，3，…，N；j＝1，2，3，…，D；N和D分别代表种群的规模和问题维度，U(,)表示均匀分布函数，upj和lowj分别表示第j维变量的上、下界；历史种群oldP初始化是防止首次运行筛选Ⅰ时，oldP数值为空集；历史种群oldP由以下公式决定：oldPi,j～U(lowj,upj)d.筛选Ⅰ根据概率运算重新定义oldP，其表达式为：ifa＜bthenoldP＝P|a,b～U(0,1)式中等号表示更新代替；新一代的历史种群oldP是上一代或者是m代前的历史种群，m＝1,2,…M-1，M为目前迭代次数；e.突变BSA通过下式形成试验种群的初始形式MutantMutant＝P+F·(oldP-P)式中F作为变异尺度系数用于控制变异的幅度，F＝3·randn，其中randn～N(0,1)，N(,)表示标准正态分布函数；f.交叉BSA通过交叉过程产生试验种群的最终形式T；该交叉方式是一种基于两种交叉方式等概率调用的联合交叉方式；在交叉时，首先是交叉长度n的选择，然后在历史种群P中每个个体随机筛选n个特征并与Mutant中等位置等维度的特征本文档来自技高网...

【技术保护点】
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7；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。...

【技术特征摘要】
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-Smirnovtest，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-Smirnovtest，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7；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。2.根据权利要求1所述的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：所述步骤2中的基于回溯搜索优化算法的支持向量机模型(BSA-SVM)的建立过程包括，a.确定训练样本从步骤1中采集的顶锤声发射信号集中选取n1组已知正常信号和n2组已知疑似裂纹信号作为无裂纹状态，n3组已知裂纹信号对应裂纹状态，此处已知疑似裂纹信号为顶锤没有裂纹但信号波形与裂纹信号相似的信号；无裂纹状态和裂纹状态两种类样本共同组成训练...

【专利技术属性】
技术研发人员：杜文辽，王宏超，孟凡念，赵峰，岳磊，王良文，李安生，李浩，刘成良，
申请(专利权)人：郑州轻工业学院，
类型：发明
国别省市：河南,41