余焕伟，陈仙凤，朱先华，赵星波，杜锡勇

(1.绍兴市特种设备检测院， 绍兴 312000；2.嘉兴市南湖区社会福利保障指导中心，嘉兴 314001)

敲击检测属于声振无损检测方法的一种[1]，最早用于车轮的完整性检测，现应用范围逐渐扩大到陶瓷[2]、航天复合材料[3]、蠕墨铸铁件[4]、风力机叶片[5]检测等领域。在特种设备检测中也常使用检验锤敲击锅炉进行宏观检验[6]，可以对金属材料的开裂、劣化、腐蚀、结垢等进行初步判断。

降低敲击检测主观性的传统方法是利用传感器记录下敲击对象声振的幅值频率等信息，通过对敲击信号时频域特征参量的研究来判断被检对象的缺陷或故障状况[7-8]，再结合具体模型进行故障诊断[9-10]。上述方法主要从声振检测理论出发，比较依赖信号处理技巧和专家的知识经验，在实际应用中有一定的局限性。文章将在对敲击信号频域特征分析的基础上，借助于智能语音识别技术，提出一种基于改进的高斯混合-隐马尔可夫模型(GMM-HMM)的敲击检测模型，模拟检测人员从敲击中“听出”缺陷的过程，并通过试验对模型的有效性和鲁棒性进行验证。

1 隐马尔可夫语音识别理论

HMM(隐马尔可夫模型)以概率统计理论为基础，广泛应用于语音识别等多个领域[11-12],其包含了两个双随机过程，可用参数{S，X，Π，A，B}来描述：

S=(s1,s2,…,sN-1,sN)

(1)

X=(x1,x2,…,xM-1,xM)

(2)

Π=(Π1,Π2,…,ΠN-1,ΠN)

(3)

A=[aij]N×N,aij=P(qt+1=sj|qt=si),

1≤i,j≤N

(4)

B=[bjk]N×M,bjk=P(ot=vk|qt=sj),

1≤j≤N,1≤k≤M

(5)

式中：S为隐藏状态；N为隐藏状态数；X为L维的观测状态序列；M为观测状态数；Π为状态初始分布概率；A为状态转移概率矩阵；aij为从时刻t到t+1时状态si转移到状态sj的概率；qt,ot分别为t时刻的隐态状态和观察状态;B为状态发射矩阵；……