Page 92 - 无损检测2024年第四期
P. 92

魏   莱,等:
   基于 MFCC 的碳纤维复合缠绕气瓶损伤声发射信号分析

   了在不同速度冲击下碳纤维增强塑料在损伤过程中                            加帧左端和右端的连续性; 然后对分帧加窗后的各
   所产生的声发射信号, 并对其进行了参数分析和傅                           帧信号进行快速傅里叶变换得到各帧的频谱, 并对
   里 叶 变 换,将 损 伤 类 型 分 为 基 体 开 裂 ( 80~               信号的频谱取模平方得到信号的功率谱; 最后让功


   120kHz )、 层间分层( 120~170kHz )、 纤维 / 基体界面           率谱通过一组梅尔尺度的三角形滤波器组, 进而计

   脱黏( 170~200kHz )、 纤维断裂( 200~300kHz ) 等。           算每个滤波器组输出的对数能量, 再将上述的对数

       对 于 声 发 射 信 号 特 征 提 取 技 术, HEIDARY            能量代入离散余弦变换, 求出 MFCC 参数。
   等  [ 10-11 ] 分别利用小波包和小波对声发射信号 进行                       与语音信号相比, 声发射信 号 是 0~500kHz

   多层分解, 对不同损伤特征向量采取不同频段能量                           宽频分布的信号, 且采样频率高, 信号数据量大, 因
   序列进行表征, 该方法的缺点是在选择小波基时相                           此 MFCC 的提取也应进行相应改进以适合于声发
   对困难, 并且分解层数不易确定。 GORMAN 等                  [ 12 ]  射信号特征     [ 13 ] 。 MFCC 的提取具体步骤如下。
   对不同故障源中板状试件产生的声发射信号特性进                                ( 1 )信号分帧: 为保证帧内信号相对平稳且帧

   行了分析。 李 振 雷 等       [ 13 ] 提 出 利 用 梅 尔 倒 谱 系 数    信号包含完整的声发射波形信息, 一帧时长需略大
   ( MFCC ) 区分砂岩破裂声发射信号, 从而判断其断                      于一个完整波形的持续时间。研究中选取的帧长为
   裂程度。徐栋等        [ 14-15 ] 提出纤维增强复合层合 板 的           256 , 重叠部分长度为 128 。
   剩余承载能力可以用梅尔倒谱系数或其衍生特征定                                ( 2 )加汉明窗: 为增加声发射信号分帧后每一

   量表示。即, 基于修正梅尔倒谱分析的模型对于复                           帧与相邻帧之间的连续性, 对帧信号进行窗函数处
   合材料结构健康状况的实时评估具有一定意义。                             理, 即让每一帧信号乘以汉明窗, 计算公式为
       对 CFRP气瓶展开不同冲击能量下的声发射检                                                         2 πr   
                                                                           (
                                                               =
                                                         x' ( r ) x ( r ) α- 1- α ) cos         ,
   测试验, 模拟损伤形成的过程并采集声发射信号, 并                                                         R -1     
                                                                        
                                                                                              
                                                                        
   对声发射信号进行梅尔频率倒谱系数特征提取, 旨在                                          0≤r ≤R -1                  ( 2 )
   找出信号特征与损伤类型之间的对应关系, 以实现气                          式中: x' ( r ) 为加窗后信号x' 的第 r 个值; x ( r ) 为声
   瓶声发射信号的特征识别。                                      发射信号x 的第 r 个值; α 为汉明窗系数; R 为每帧
                                                     数据的长度。
  1  声发射特征提取方法
                                                         ( 3 )离散傅里叶变换: 通过离散傅里叶变换将
      梅尔频率倒谱系数利用人类对声音频率非线性                           分帧加窗后的信号从时域转换到频域, 并对每帧信
   变化的感知能力, 将声音频谱转换为梅尔频率尺度,                          号的频谱取模平方得到信号的功率谱。由于信号在
   这样的非线性表示比正常的对数倒频谱中的线性间                            时域上的变化往往很难反映出信号的特性, 所以通
   隔的频带更能适应人类的听觉系统, 能使声音信号                           常将其转换为频域上的能量分布来观察, 不同的能
   更好地表示出来。其通过逐条计算滤波频谱 的能                            量分布代表不同信号的特性。其计算公式为
   量, 得到的参数能够反映各频带的频谱能量分布。                                         R- 1      2π
                                                           X ( k ) =  x' ( r ) e - i rk ,  0≤k ≤R  ( 3 )
                                                                              R
   1.1  梅尔频率倒谱系数算法原理                                               ∑
                                                                   r=0
      梅尔频率倒谱系数是一种具有时频信息的二维                           式中: X ( k ) 为离散傅里叶变换后信号 X 的第k 个
   特征, 是一组通过非线性梅尔刻度的对数能量频谱                           值; i 为虚数单位。

   线性变换所得的参数, 可以充分反映信号的非稳态                               ( 4 )滤波并计算对数能量: 将信号功率谱通过
   特性, 在语音识别领域广泛使用。赫兹频率和梅尔                           梅尔滤波器组, 计算每个滤波器组输出的对数能量,
   刻度的关系为                                            其计算公式为

                                   f                                   R- 1
                                                                                      (

             Mel ( ) 2595l g1+    700         ( 1 )         s ( m ) ln   ∑  X ( k ) H m k ) ,
                                                                                  2
                 f =
                                                                  =

                                                                       k= 0
   式中: Mel ( ) 为梅尔刻度; 线性为频率。                                        m = 0 , 1 , 2 ,…, M         ( 4 )
                          f
            f
       MFCC 的提取首先将 N 个采样点集合成一个                       式中: s ( m ) 为对数能量s 的第 m 个值; M 为滤波器
   观测单位, 称为帧。通常情况下, N 的值涵盖的时                         总数; H m k ) 为第 m 个滤波器的频率响应。
                                                              (
   间约为 20~40 ms 。为 了 避 免 相 邻 两 帧 的 变 化 过                  文中试验滤波器个数选择 26 。

   大, 两相邻帧之间有一段重叠区域, 该重叠区域包含                             ( 5 )离散余弦变换: 进行离散余弦变换将频谱

   了 M 个取样点。该算法先将每帧乘以窗函数, 以增                         变换到时域上, 则获得声发射梅尔倒谱系数, 即 M
    5
     4
          2024 年 第 46 卷 第 4 期


          无损检测
   87   88   89   90   91   92   93   94   95   96   97