Page 39 - 无损检测2021年第二期

试验研究

DOI : 10.11973 / ws j c202102002

基于无监督深度学习的声发射信号聚类分析

李 睿, 张 纯, 万 乐, 闫小青

( 南昌大学 建筑工程学院,南昌 330031 )

摘 要:为提高声发射信号检测诊断的自动化程度, 直接从声发射波形出发, 提出了一种基于
深度神经网络与聚类分析的声发射信号分类方法。针对声发射信号标签数据难以获取的问题, 采
用无监督学习方式, 根据大量声发射实测波形进行深度一维卷积自编码器训练, 实现了声发射信号
特征的自动提取, 进而结合 K 均值聚类算法准确区分不同类型的声发射信号。铅芯在复合材料板
上突然断裂和摩擦的声发射试验表明, 提出的方法能自动识别不同类别的声发射信号, 识别效果优
于基于人为设定声发射信号特征的聚类方法。
关键词:声发射信号; 无监督学习; 特征提取; 聚类分析; 卷积自编码器; 模式识别

中图分类号: TB33 ; TG115.28 文献标志码: A 文章编号: 1000-6656 ( 2021 ) 02-0005-06

Clusterin g anal y sisofacousticemissionsi g nalsbasedonunsu p erviseddee p learnin g

LIRui , ZHANGChun , WANLe , YANXiao q in g

( SchoolofCivilEn g ineerin gandArchitecture , Nanchan gUniversit y , Nanchan g330031 , China )

Abstract : Basedonacousticemission ( AE ) waveform , thisp a p er p ro p osesamethodofAEsi g nalclassification

basedondee pneuralnetworkandclusteranal y sis.Inordertoavoidthedifficult yof makin g AEsi g nallabel

manuall y , alar g enumberofmeasuredAEwaveformsareusedfordee pone-dimensionalconvolutionalautoencoder

trainin g inanunsu p ervisedlearnin gmethodtorealizetheautomaticextractionofAEsi g nalcharacteristics , andthen

thek-meansclusterin gal g orithmiscombinedtoaccuratel ydistin g uishdifferentt yp esof AEsi g nals.The AE

ex p erimentsofsuddenfractureandfrictionofleadcoreoncom p ositep latesshowthatthep ro p osed methodcan

automaticall y identif ydifferentt yp esofAEsi g nals , andtheidentificationaccurac yishi g herthantheclusterin g

methodbasedontheartificialcharacteristicsofAEsi g nals.

Ke ywords : acousticemissionsi g nal ; unsu p ervisedlearnin g ; featureextraction ; clusteranal y sis ; convolutional

autoencoder ; p atternreco g nition
声发射是指材料局部因能量的快速释 放而发 特征参数分析和全波形分析是声发射信号处理
出瞬态弹性波的现象。声发射信号的检测、 分类与 的两种主要手段 [ 3 ] 。特征参数法是从各声发射信号
分析有助于揭示结构内部损伤演化规律及 破坏类 的波形出发, 人为设定并提取反映波形主要特征的
型, 在复合材料损伤检测、 机械故障诊断等领域得到 参数用于信号诊断分析 [ 4-5 ] 。常见的特征参数有持
了广泛应用 [ 1-2 ] 。 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
收稿日期: 2020-11-15
基金项目: 国家自然科学基金项目( 51469016 ); 江西省自然科学
术, 研究声发射信号与损伤类型之间的关系。信号
基金项 目 ( 20202BAB204029 ); 江 西 省 研 究 生 教 改 项 目 ( JXYJG-
处理时, 两种方法提取的信号特征都是人为预先设
2019-018 ); 江西省研究生创新专项资金项目( CX2018057 )
定的, 但对于实际的结构或材料, 其声发射信号复杂
作者简介: 李 睿( 1996- ),男,硕士研究生, 研究方向为结构

健康检测与损伤识别 多样, 受材料性能、 结构形式、 加载方式等多种因素
通信作者: 张 纯( 1976- ),男,教授,研究方向为结构健康检 影响; 因此, 人为预先设定的信号特征参数并不一定

测与损伤识别, zhan g chun@ncu.edu.cn 对材料损伤类型或模式敏感, 不适当地选用特征反
5

2021 年 第 43 卷 第 2 期
无损检测