骆志高，叶红英，胥爱成

（江苏大学 机械工程学院，江苏 镇江 212013）

在薄板成型过程中，变形程度、受力情况以及摩擦与润滑等情况千差万别，制件在成型过程中产生裂纹在所难免，而当裂纹扩展到一定程度则可能造成经济损失亦或灾难性的事故。因此，从经过处理的声发射信号中提取到相关的特征参数，成为本研究的主要目的。

近年来，在声发射信号特征参数提取方面国内外均取得了相当的成果。Khamedi等［1］采用小波技术研究了不同马氏体含量的双相钢在拉伸试验中产生的声发射信号能量基本上集中在两个或三个不同组成部分的频率范围，每个频率范围与单独的微观故障结构相关。Chen等［2］采用声发射技术对磨削烧伤与振动进行了分析，采用小波包分解与短时傅里叶变换对声发射信号进行预处理并分解至不同频段，得到了较好研究成果。Mohanty等［3］采用高斯时间序列模型对金属结构进行寿命预测，结果表明与其他组合方法相比，采用高斯时间序列模型的预测误差要小得多。何正嘉等［4］采用第二代小波变换对数控机床铣削过程产生的声发射信号进行分析，最终有效地提取并识别出立铣刀破损状态特征以及对工件表面加工质量的影响，为故障诊断、误差溯源、质量控制提供了科学的依据。吴小俊［5］对焊接裂纹声发射监测系统进行了软、硬件设计，并开发了一套基于虚拟仪器技术的焊接裂纹声发射监测分析系统平台。成建国［6］采用神经网络模式识别法对混流式水轮机转轮产生裂纹时的声发射信号进行识别，并通过所设计的特征提取器提取出五个特征参数，从而成功识别出金属裂纹声发射信号。……