声发射信号处理与分析方法探究
开篇：润墨网以专业的文秘视角，为您筛选了一篇声发射信号处理与分析方法探究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
【摘要】 声发射技术是一种对信号发射的处理技术。根据材料结构的的机理，说明了声发射信号的作用，根据他的这种原理可以进行参数的分析和人工神经的处理等原理。本文主要简单介绍了目前的信号发射技术的处理，并分析这种发射信号不能满足工业发展需求的原因，并对此原因进行的处理和分析。同时也是对声发信号的处理和分析的探究。
材料由于局部的能量而释放的大量能量的现象，可知声发射技术是目前最常用的评价技术。声发射技术可以受到环境的影响，会使声发射的波形随着而改变。本文通过介绍常用的几种发射信号的原理，就这些原理分析声发射不能满足工业需求的缘由，从而进一步的提高对声发射的技术，来面对目前的技术难关。
一、波形的分析
1、信号类型。信号的来源有很多种，裂纹和断裂等有许多种。通过一些波形的特点，其实就是信号在以不同程度上来显示信号，让突发型和连续型这两种典型的类型来分析波传播时噪音，声发射技术检测评价的标准是声发射信号的波形。因此，只有在将合适的信号类型来对获取到的信息源进行处理和分析。
2、信号参数。目前，声发射主要的参数有信号的幅度、能量、事件和电压等，虽然参数的分析容易，但由于参数过于简单，则被认为得出的结论不是很准确。很多专家为提高反射信号的准确性，综合其特征参数来改善发射材料和结构的稳定性[1]。虽然目前发射技术的参数可以提高它的特征。参数分析法可以直观、快速、便捷的使用发射信号，但是由于环境的影响，导致参数的不准确。因此，这种技术只适合于工程要求不是很精确的项目中应用。
二、声发射信号处理和分析的方法
1、人工神经网络的分析法。通过大量的简单单元交汇形成的网络的过程叫人工神经网络，其结构就是模拟脑神经系统，发挥和大脑神经系统类似的功能会发生抑制和进步的信号，来使整个网络的信息可以相互传递。
y=f（∑ni =1wi X-θ ）
y为输出，f（・）为激发函数，wi为相应的权系数
人工神经网络可能要分为训练和测试两个阶段。训练阶段是一组输入和一组输出为本训练。网络训练的过程是网络参数的调整过程[2]。在测试的时候，按照固定的输入，通过网络计算得出计算结果。人工神经网络根据其较高的精度和结构的稳定性的特性建立了一个复杂和缓慢的能够存储大量数据的网络支持。让它的范围均是对一些小的对象，不能广泛的推广使用。
2、小波的分析。小波分析能够将不同时间的信号绘制成频谱信号，能够将某一个时刻的地域信息对应出来。对于噪音的声发射，可以和发射源相结合，使环境影响减少，小波是一种长度有限均值是零的小区域波形。小波分析主要用在对信号的处理上，可以出去声发射波中的有效信息。从之前的一些分析可以总结出干扰信号和疲劳信号的损伤，从此获得更高的噪音比。他也能分析出混合这噪音的发射信号，同时小波能够处理大量的原始数据。
3、其他的发射处理方法。现代声发射信号的分析和处理，有一些常见的处理方法，还有谱估计算法、常规的识别法和相位信息比较法等。有很多人利用这方法来进行研究，也取得了一定的效果。有些人利用相位信息法，将模拟信号和实际中的裂纹进行比较，能够监测出微弱的声发射源信号。声发射信号的频谱既可以反映出声发射源的特征，同时还可以揭示源信号的特点和动态特征[3]。目前信号的频谱通过周期性的分析，得到平稳的信号和谱分析的一种局部信息的全面分析的方式叫全局分析法。常规模式应用的样本特征可以识别出信号源，但却不能适应环境的复杂性。因此，频谱分析和常规的分析方法在嘈杂的环境中都不能得到有效的推广[4]。（1）目前还没有一个标准来对声发特征来进行管理，所以急需建立参数的统一标准，来提高数据的可靠性。（2）在小波的变动中，不同的波的选取对分析结果的影响不同，甚至还影响监测结果的可信度和准确度，所以建立小波的分析案例，使声发射技术得到发展。（3）由于人工神经网的建设，可以存放大量的原始数据，同时计算机编程者能力的要求也很高，还缺乏对问题的处理能力。因此，急需要对网络工具进行改进，使其能够更满足现代工业的发展，也更为简单。
结论：声发射技术在材料、机械、等多种领域有这大量的使用，主要是运用它的动态监测性能。声发射技术的核心是声发射信号，现在许多各地的专家对声发射信号进行分析和处理，为声发射技术的发展提供了坚实的基础。目前声发射信号的处理和分析方法还不是很完善。因此，需要发展新的精确、简单的操作信号分析和处理理论。同时综合运用现代先进的技术来解决问题的有效途径。
参 考 文 献
[1]龚仁荣.结构材料中声射传播特性研究[D].镇江：江苏大学，2005.
[2]刘浩.基于声发射技术的货车滚动轴承故障诊断研究[D].长沙：中南大学，2010.
[3]张志强，李国禄，王海斗等.基于声发射原理监测涂层疲劳磨损的研究[J].摩擦学学报，2012，32（1）：89.
[4]戴光，蒋鹏，蒋昌云等.基于信息熵的马氏体相变声发射信号分析[J].金偃却理，2012，37（4）：113.