Page 68 - 《应用声学》2023年第1期

64 2023 年 1 月

M
M
其中，TC 、FC 、FC M 分别为正确预测缺陷样本 基本在 94% ∼ 96% 之间；在区间 [3000,4500] 时，F 1
0
1
1
类 1、将无缺陷样本类 0 预测为缺陷样本类 1、将缺 值呈现下降趋势；在区间 [4500,6000] 时，F 1 值总
陷样本类 1 预测为无缺陷样本类 0 的数量。图 7(a)、 体上升趋势；在区间 [6000,7500] 时，F 1 值基本在
图 7(b) 分别绘制了 MODWPT 时频分帧能量熵和 94% ∼ 96% 之间，所讨论的 258 个参数中的最高 F 1
MODWPT 时频分段能量熵对陶瓷制品敲击声波 值约为 96.60%，对应的分段数为 100 段。当帧长在
信号特征识别的F 1 值，随各自参数变化而变化的曲 区间 [1,3700] 时，以帧长为参数的 MODWPT 时频
线图。 分帧能量熵识别敲击日用陶瓷品声波信号的 F 1 值
基本在 96% ∼ 98% 之间；在区间 [3700,5000] 时，F 1
1.00 X. 1
Y . 0.98459 值基本在 94% ∼ 98% 之间，且呈现先降后升的趋
0.98
势；在区间[5000,7500]时，F 1 值呈下降趋势，所讨论
0.96
的250个参数中的最高F 1 值约为98.46%，对应的帧
0.94
长为1采样点。取两种能量熵特征的最高F 1 值作为
0.92
F  各自的结果，表 3 列出了 MODWPT 归一化能量特
0.90
征以及两种时频分段能量熵特征的F 1 值，用于对比
0.88
实验结果。
0.86
0.84
表 3 不同特征提取方法用于敲击声波信号特征
0.82
识别的 F 1 值
1000 2000 3000 4000 5000 6000 7000
Table 3 F 1-value of different feature ex-
ࣝ᫂/Ѭ඀஝
traction method applied to recognition of
(a) MODWPT ௑ᮠѬࣝᑟ᧚྅ᄊF  ϙᬤࣝ᫂ԫӑᄊజጳ
coin-tap sound signal
1.00
0.98 X : 100 特征提取方法 F 1 /%
Y : 0.966028
0.96
MODWPT 时频分帧能量熵 98.46
0.94
MODWPT 时频分段能量熵 96.60
0.92
MODWPT 归一化能量 95.24
F  0.90
0.88
0.92 由表 3 易知，在所讨论参数设定的范围内，
0.86 F  0.90 MODWPT 时频分帧能量熵识别陶瓷制品敲击声
0.88
0.84 2 3 4 5 6 7 8 9 10
Ѭ඀஝/඀ 波信号的最高 F 1 值，高于 MODWPT 时频分段能
0.82
量熵识别陶瓷制品敲击声波信号的最高F 1 值，且高
0.80
0 1000 2000 3000 4000 5000 6000 7000 于MODWPT归一化能量特征的F 1 值。
Ѭ඀஝/඀
为进一步分析上述 3 种特征提取方法对陶瓷
(b) MODWPT ௑ᮠѬ඀ᑟ᧚྅ᄊF  ϙᬤѬ඀஝ԫӑᄊజጳ
制品敲击声波信号特征识别的优化效果，图 8(a)、
图 7 两种能量熵特征的 F 1 值随各自参数变化的曲 图 8(b)、图 8(c) 对上述 3 种特征提取方法的特征向
线图
量集，采用t-SNE绘制了数据可视化散点图，以对比
Fig. 7 F 1-value curve of two kinds of energy en-
不同特征提取方法对不同类型陶瓷制品敲击声波
tropy feature vary with their respective parame-
信号的易区分性。
ters
对比图 8(a)∼ 图 8(c) 易知，MODWPT 时频分
对 比 MODWPT 时 频 分 段 能 量 熵 和 MOD- 帧能量熵数据可视化图中，只有小部分散点交错在
WPT 时频分帧能量熵在敲击陶瓷制品声波信号 一起，非常容易识别陶瓷制品敲击声波信号特征；
特征识别的 F 1 值曲线易知， 当分段数在区间 MODWPT 时频分段能量熵数据可视化图中，交错
[40, 3000] 时，以分段数为参数的 MODWPT 时频 部分主要在横坐标为0 ∼ 30，纵坐标为−20 ∼ 10的
分段能量熵识别敲击日用陶瓷品声波信号的 F 1 值 范围内，一些红色散点右混入右下方的蓝色散点堆