Page 38 - 《应用声学》2021年第3期
P. 38
356 2021 年 5 月
通过对比分析，本文所用诊断模型很好地实现 表 4 含噪信号识别结果
了对螺栓 AE 信号的识别，准确率最高，达到了 97% Table 4 Noisy signal recognition result
左右，优于其他诊断模型。为了进一步的验证诊断
模型的泛化性能，本文通过改变螺栓预紧力和振动 含噪信号 信号处理方式 识别准确率/%
无处理 67.5
台频率、加速度的大小，获得新的 AE 信号，然后对
SNR：−1 提取原始时域信号 MFCC 82.5
新的 AE 信号进行识别，来探究振动台的频率和加
本文方法 92.5
速度改变是否会对试验结果造成影响。验证试验取
无处理 62.5
10次测试的平均值作为最终结果，结果如表3所示。
SNR：−2 提取原始时域信号 MFCC 77.5
表 3 验证信号识别结果 本文方法 90.0
Table 3 Verify signal recognition results
3 结论
振动 加速度/ 预紧力矩/
识别结果
频率/Hz (m·s −2 ) (N·m) 本文利用深度学习理论实现了法兰螺栓在
55 15 8 过松：98.36% 4 种连接状态下的声发射信号的识别， 构建的
45 10 15 过紧：93.54% CEEMDAN-MFCC-CNN 诊断模型实现了声发射
信号的自适应消噪和特征自提取，具有较高的诊断
60 15 12 过紧：91.25%
精度，有效地解决了抗噪性、鲁棒性差的问题。通过
55 10 10 正常：99.98%
与传统的方法进行对比，说明了基于深度学习理论
40 15 0 失效：99.99%
的信号识别方法的优越性。
改变振动台的频率和加速度之后，诊断模型依
旧有着很高的准确率，说明在训练过程中，本文所用
参 考 文 献
诊断模型消除了振动频率和振动加速度改变所带
来的影响，很好地评价了螺栓连接状态，具有较高的 [1] 史文博, 杜静, 龚国伟. 风电机组主轴法兰螺栓连接疲劳损伤
分析 [J]. 机械设计与制造, 2020(4): 226–229.
泛化性能和鲁棒性。
Shi Wenbo, Du Jing, Gong Guowei. Fatigue damage anal-
2.4 抗噪性能分析 ysis of bolts connection between mainshaft and flange
on wind turbine[J]. Machinery Design and Manufacture,
AE 信号容易受机电噪声干扰，所以诊断模型 2020(4): 226–229.
应具备抵抗噪声的能力，本文所用诊断模型不是对 [2] 唐玉玲, 姜智, 周振功, 等. 碳纤维增强环氧树脂复合材料螺
原始 AE 信号进行识别，而是应用 CEEMDAN分解 栓连接结构在拉伸载荷下损伤过程的声发射分析 [J]. 复合材
料学报, 2019, 36(8): 1854–1863.
将原始 AE 信号分解为多个 IMF 分量，并通过设计 Tang Yuling, Jiang Zhi, Zhou Zhengong, et al. Acous-
的寻优算法自动选择需要处理的 IMF 分量，用所选 tic emission analysis of carbon fiber reinforced polymer
分量的 MFCC系数作为样本输入，这在一定程度上 bolted joints damage process under tensile load[J]. Acta
Materiae Compositae Sinica, 2019, 36(8): 1854–1863.
增加了输入数据的随机性和降低了噪声的干扰。为 [3] 党轩, 谷丰收, 王铁, 等. 基于声发射的柴油机连杆大端轴瓦
了验证诊断模型的抗噪效果，进行了抗噪试验，通过 碰撞摩擦故障诊断 [J]. 振动与冲击, 2018, 37(19): 205–210.
在原有的 AE 信号上加入高斯白噪声，获得了不同 Dang Xuan, Gu Fengshou, Wang Tie, et al. Collision fric-
tion fault diagnosis for diesel engine connecting rod big
信噪比(Signal-to-noise ratio, SNR)的噪声信号，然
end bearing bush based on acoustic emission[J]. Journal
后将经过不同处理的噪声信号作为输入样本，探究 of Vibration and Shock, 2018, 37(19): 205–210.
不同的处理方式对于试验结果的影响，结果如表 4 [4] 简克彬, 王宁, 黎启胜, 等. 独管塔模型与底板螺栓连接状
态的声发射辨识试验方法研究 [J]. 西南科技大学学报, 2013,
所示。
28(3): 45–49.
在加入噪声之后，采用本文所用方法可以很好 Jian Kebin, Wang Ning, Li Qisheng, et al. Study of
地消除噪声的干扰，在识别准确率方面优于其他方 bolted joint condition of single pipe tower model and the
base plate using acoustic emission identification experi-
法，说明本文所用方法可以提取到更为有效的故障
ment methods[J]. Journal of Southwest University of Sci-
信息，具有良好的抗噪性能。 ence and Technology, 2013, 28(3): 45–49.
