基于小波变换与RBF网络的声发射信号识别
2015-11-24周俊,王强,伊鸣,王帅
石油化工高等学校学报 2015年3期
周 俊, 王 强, 伊 鸣, 王 帅
(1.后勤工程学院, 重庆 401331; 2.中国人民解放军65133部队,辽宁沈阳 110043 )
基于小波变换与RBF网络的声发射信号识别
周 俊1, 王 强1, 伊 鸣2, 王 帅1
(1.后勤工程学院, 重庆 401331; 2.中国人民解放军65133部队,辽宁沈阳 110043 )
声发射检测技术不需开罐就能对储油罐安全性在线评估,声发射信号识别是储油罐腐蚀状况分析的基础,针对现有参数分析法的不足,提出一种基于小波变换特征提取与RBF神经网络识别的声发射信号识别方法。利用db2小波对声发射信号6层分解,将6层细节特征空间的能量作为声发射信号特征向量;结合声发射信号特点设计RBF神经网络,利用已知模式声发射信号训练RBF网络;用RBF神经网络对腐蚀、裂纹和冷凝声发射信号进行分类测试。实验结果表明,RBF网络的识别率达到93.3%,显示了RBF网络识别声发射信号的优越性。对储油罐安全状况的定量分析具有一定意义。
声发射; 小波; 细节特征; RBF神经网络; 识别
储罐底板腐蚀产生的声发射信号比较微弱,且采集过程中受环境和距离的影响,包含一定的噪声,如何从包含噪声的声发射信号中提取表征腐蚀类型的特征[1],且对提取特征进行有效分类,是声发射信号分析处理的关键问题,对储油罐安全状况的定量分析具有重要意义。早期的声发射信号分析主要采用参数分析方法,典型的声发射信号参数包括幅度、振铃计数、持续时间、能量、门槛电压值、到达时间、撞击数率等[2],随着声发射技术应用研究的深入, 发展了一些新型的参数分析方法。……
登录APP查看全文
