李 睿,张 纯,万 乐,闫小青

(南昌大学 建筑工程学院, 南昌 330031)

声发射是指材料局部因能量的快速释放而发 出瞬态弹性波的现象。声发射信号的检测、分类与分析有助于揭示结构内部损伤演化规律及破坏类型，在复合材料损伤检测、机械故障诊断等领域得到了广泛应用[1-2]。

特征参数分析和全波形分析是声发射信号处理的两种主要手段[3]。特征参数法是从各声发射信号的波形出发，人为设定并提取反映波形主要特征的参数用于信号诊断分析[4-5]。常见的特征参数有持续时间、上升时间、能量、幅值等。波形分析方法则是对声发射信号原始波形进行时频分析[6]，直接利用时频特征或结合主成分分析、支持向量机[7]等技术，研究声发射信号与损伤类型之间的关系。信号处理时，两种方法提取的信号特征都是人为预先设定的,但对于实际的结构或材料，其声发射信号复杂多样，受材料性能、结构形式、加载方式等多种因素影响；因此，人为预先设定的信号特征参数并不一定对材料损伤类型或模式敏感，不适当地选用特征反而会导致声发射信号的聚类分析效果不佳。

对于不同的声发射信号，信号特征的自适应提取以及聚类分析对解释AE(声发射)信号，进行模式识别意义重大。目前，以卷积神经网络(CNN)等为代表的深度学习技术是发展最为迅速的信号特征自动提取方法，其通过对图像、信号等数据的直接学习，能实现从具体到抽象等多个层次数据特征的自动提取[8]。……