一种智能检测方法及检测系统技术方案

本发明专利技术实施例涉及数据处理技术领域，公开了一种智能检测方法及检测系统，该方法包括：对采集到的声发射数据信号进行分类，以获得多个数据簇；获取每一数据簇对应的声发射信号累积能量曲线和裂纹长度曲线之间的相似度；将相似度达到第一指定阈值的声发射信号累积能量曲线对应的数据簇设置为与裂纹扩展相关数据簇。实施本发明专利技术实施例，能够提高与裂纹扩展相关的声发射数据信号的识别准确性。关的声发射数据信号的识别准确性。关的声发射数据信号的识别准确性。

【技术实现步骤摘要】
一种智能检测方法及检测系统


[0001]本专利技术涉及数据处理
，尤其涉及一种智能检测方法及检测系统。

技术介绍

[0002]涡轮叶片作为航空发动机中最关键的零件之一，其安全服役在确保航空发动机正常运行方面起着关键作用。目前，由于涡轮叶片的工作环境十分恶劣，承受着高温、高压、高转速机械载荷，而增材制造的涡轮叶片由于不可避免的存在一些微小气孔，在服役过程中容易产生疲劳裂纹，给结构装备带来极大安全隐患，甚至引发灾难性的后果。因此，通过采用监测技术来对增材制造的涡轮叶片的状态进行实时监测,对于降低故障损失及事故发生率具有重要意义。
[0003]但在实践中发现，现阶段最常用涡轮叶片状态监测技术是振动监测技术，但振动技术对增长制造的涡轮叶片疲劳裂纹起裂和早期扩展不敏感，而且由于涡轮发动机的复杂结构，和叶片中裂纹相关的振动信息很难被捕捉到。

技术实现思路

[0004]本专利技术实施例公开一种智能检测方法及检测系统，能够提高与裂纹扩展相关的声发射数据信号的识别准确性。
[0005]本专利技术实施例第一方面公开一种智能检测方法，所述方法包括：
[0006]对采集到的声发射数据信号进行分类，以获得多个数据簇；
[0007]获取每一所述数据簇对应的声发射信号累积能量曲线和裂纹长度曲线之间的相似度；
[0008]将所述相似度达到指定阈值的所述声发射信号累积能量曲线对应的所述数据簇设置为与裂纹扩展相关数据簇。
[0009]作为另一种可选的实施方式，在本专利技术实施例第一方面中，所述对采集到的声发射数据信号进行分类，以获得多个数据簇，包括：
[0010]利用狄利克雷高斯混合模型将所述声发射数据信号分类为不同的类别，以获得多个所述数据簇。
[0011]作为另一种可选的实施方式，在本专利技术实施例第一方面中，所述利用狄利克雷高斯混合模型将所述声发射数据信号分类为不同的类别，以获得多个所述数据簇之前，所述方法还包括：
[0012]利用变分下界的计算公式计算出最大化变分下界L(q)；
[0013]检测所述最大化变分下界L(q)的变化值是否小于第二指定阈值；若是，利用公式E
ξ
(ξ
k
)＝p
k
/(p
k
+q
k
)，计算出分量数目变量值；
[0014]将所述分量数目变量值代入至DPGMM分布概率密度函数中，以计算出混合系数π
k
；
[0015]将所述混合系数π
k
中小于第三指定阈值的混合比例π进行删除，以确定出所述数据簇的数量。
[0016]作为另一种可选的实施方式，在本专利技术实施例第一方面中，所述获取每一所述数据簇对应的声发射信号累积能量曲线和裂纹长度曲线之间的相似度，包括：
[0017]计算出每一所述数据簇内的声发射信号累积能量，以获得所述声发射信号累积能量曲线；
[0018]分别对所述声发射信号累积能量曲线和所述裂纹长度曲线中进行归一化处理；
[0019]逐一利用欧几里得距离算法计算出所述声发射信号累积能量曲线与所述裂纹长度曲线之间的欧几里得距离；
[0020]根据所述欧几里得距离，确定出所述相似度；其中，所述欧几里得距离与所述相似度呈反比例关系。
[0021]本专利技术实施例第二方面公开一种检测系统，所述检测系统包括：
[0022]分类单元，用于对采集到的声发射数据信号进行分类，以获得多个数据簇；
[0023]获取单元，用于获取每一所述数据簇对应的声发射信号累积能量曲线和裂纹长度曲线之间的相似度；
[0024]设置单元，用于将所述相似度达到指定阈值的所述声发射信号累积能量曲线对应的所述数据簇设置为与裂纹扩展相关数据簇。
[0025]作为另一种可选的实施方式，在本专利技术实施例第二方面中，所述分类单元包括：
[0026]分类子单元，用于利用狄利克雷高斯混合模型将所述声发射数据信号分类为不同的类别，以获得多个所述数据簇。
[0027]作为另一种可选的实施方式，在本专利技术实施例第二方面中，所述检测系统包括：
[0028]第一计算单元，用于所述分类子单元利用狄利克雷高斯混合模型将所述声发射数据信号分类为不同的类别，以获得多个所述数据簇之前，利用变分下界的计算公式计算出最大化变分下界L(q)；
[0029]检测单元，用于检测所述最大化变分下界L(q)的变化值是否小于第二指定阈值；
[0030]第二计算单元，用于在所述检测单元检测出所述最大化变分下界L(q)的变化值小于第二指定阈值时，利用公式E
ξ
(ξ
k
)＝p
k
/(p
k
+q
k
)，计算出分量数目变量值；
[0031]第三计算单元，用于将所述分量数目变量值代入至DPGMM分布概率密度函数中，以计算出混合系数π
k
；
[0032]删除单元，用于将所述混合系数π
k
中小于第三指定阈值的混合比例π进行删除，以确定出所述数据簇的数量。
[0033]作为另一种可选的实施方式，在本专利技术实施例第二方面中，所述获取单元包括：
[0034]第一计算子单元，用于计算出每一所述数据簇内的声发射信号累积能量，以获得所述声发射信号累积能量曲线；
[0035]处理子单元，用于分别对所述声发射信号累积能量曲线和所述裂纹长度曲线中进行归一化处理；
[0036]第二计算子单元，用于逐一利用欧几里得距离算法计算出所述声发射信号累积能量曲线与所述裂纹长度曲线之间的欧几里得距离；
和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0055]本专利技术实施例公开了一种智能检测方法及检测系统，能够提高与裂纹扩展相关的声发射数据信号的识别准确性。
[0056]以下结合附图进行详细描述。
[0057]实施例一
[0058]请参阅图1，图1是本专利技术实施例公开的一种智能检测方法的流程示意图。如图1所示，该智能检测方法可以包括以下步骤。
[0059]101、检测系统对采集到的声发射数据信号进行分类，以获得多个数据簇。
[0060]作为一种可选的实施方式，在本专利技术实施例中，本申请中的可由集成前置放大器的声发射传感器，信号采集模块，控制分析模块组成。其中，声发射传感器可用于将在涡轮叶片中发生的声发射事件所产生的弹性波转化成电信号然后传输到信号采集系统，其内部集成了前置放大器；
[0061]以及，信号采集模块可包含以下子模块：模拟滤波模块、模数转换模块、数字滤波模块、参数提取模块、信号传输模块。其中模拟滤波模块对输入的模拟信号进行滤波处理，得到降噪的模拟信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能检测方法，其特征在于，包括：对采集到的声发射数据信号进行分类，以获得多个数据簇；获取每一所述数据簇对应的声发射信号累积能量曲线和裂纹长度曲线之间的相似度；将所述相似度达到第一指定阈值的所述声发射信号累积能量曲线对应的所述数据簇设置为与裂纹扩展相关数据簇。2.根据权利要求1所述的方法，其特征在于，所述对采集到的声发射数据信号进行分类，以获得多个数据簇，包括：利用狄利克雷高斯混合模型将所述声发射数据信号分类为不同的类别，以获得多个所述数据簇。3.根据权利要求2所述的方法，其特征在于，所述利用狄利克雷高斯混合模型将所述声发射数据信号分类为不同的类别，以获得多个所述数据簇之前，所述方法还包括：利用变分下界的计算公式计算出最大化变分下界L(q)；检测所述最大化变分下界L(q)的变化值是否小于第二指定阈值；若是，利用公式E
ξ
(ξ
k
)＝
k
/(
k
+
k
)，计算出分量数目变量值；将所述分量数目变量值代入至DPGMM分布概率密度函数中，以计算出混合系数π
k
；将所述混合系数π
k
中小于第三指定阈值的混合比例π进行删除，以确定出所述数据簇的数量。4.根据权利要求1～3任一项所述的方法，其特征在于，所述获取每一所述数据簇对应的声发射信号累积能量曲线和裂纹长度曲线之间的相似度，包括：计算出每一所述数据簇内的声发射信号累积能量，以获得所述声发射信号累积能量曲线；分别对所述声发射信号累积能量曲线和所述裂纹长度曲线中进行归一化处理；逐一利用欧几里得距离算法计算出所述声发射信号累积能量曲线与所述裂纹长度曲线之间的欧几里得距离；根据所述欧几里得距离，确定出所述相似度；其中，所述欧几里得距离与所述相似度呈反比例关系。5.一种检测系统，其特征在于，所述检测系统包括：分类单元，用于对采集到的声发射数据信号进行分类，以获得多个数据簇；获取单元，用于获取每一所述数据簇对应的声发射信号累积能量曲线和裂纹长度曲线之间的相似度；设置单元，用于将所述相似...

【专利技术属性】
技术研发人员：吴桂毅，史生润，张书彦，
申请(专利权)人：东莞材料基因高等理工研究院，
类型：发明
国别省市：