Page 69 - 《应用声学》2023年第1期

第 42 卷 第 1 期 刘利平等： 基于时频分帧能量熵的陶瓷制品敲击声波信号特征识别 65

中，在该交错部分的信号样本的特征识别难度较大； 3 结论
MODWPT 归一化能量数据可视化图中，下方大量
的红色和蓝色散点交错在一起，故识别难度相比上 本文提出了 MODWPT 时频分帧能量熵特征
述两种方法大。故结合表 2 中各种特征提取方法的 提取方法，克服了常用的归一化能量特征用于陶瓷
陶瓷制品敲击声波信号特征识别的 F 1 值，不难得 制品敲击声波信号特征识别时存在的识别性能一
出，相比 MODWPT 时频分段能量熵、MODWPT 般的问题，也克服了时频分段能量熵用于识别采样
归一化能量特征，本文提出的 MODWPT 时频分帧 长度不一的信号样本时存在对信号局部描述能力
能量熵特征提取方法，可以提升特征的代表性，从而 不一致导致特征代表性降低的问题。本文方法相
提升陶瓷制品敲击声波信号识别的性能。 比 MODWPT 归一化能量、MODWPT 时频分段能

50 量熵两种方法提升了陶瓷制品敲击声波信号特征
Ꭵᬞᬝၬ
40 识别的 F 1 值分别为 3.22%、1.86%，且 F 1 值达到了
௄Ꭵᬞᬝၬ
30 98.46%。
20
然而，本文的特征提取方法对参数有一定的敏
10
感性，后续会研究如何降低本文方法对参数的敏感
0
性；并且本文仅对陶瓷制品有缺陷或无缺陷的敲击
-10
声波信号的特征识别进行了研究，对不同陶瓷制品
-20
器件类型分别研究是否有缺陷的敲击声波信号特
-30
-60 -40 -20 0 20 40 60 80
征识别，以及对不同陶瓷缺陷类型的敲击声波信号
(a) MODWPT௑ᮠѬࣝᑟ᧚྅
特征识别，也是后续将要进行的工作。
40
Ꭵᬞᬝၬ
30
௄Ꭵᬞᬝၬ
参 考 文 献
20
10
[1] 邱永德, 林国勇. 陶瓷制品微缺陷裂纹图像无损检测仿真 [J].
0 计算机仿真, 2018, 35(6): 399–402.
-10 Qiu Yongde, Lin Guoyong. NDT simualtion of micro de-
fect crack image in ceramic products[J]. Computer Simu-
-20
lation, 2018, 35(6): 399–402.
-30
-60 -40 -20 0 20 40 60 80 [2] Dassios K G, Matikas T E. Assessment of fatigue damage
and crack propagation in ceramic matrix composites by
(b) MO௑ᮠѬ඀ᑟ᧚྅DWPT
infrared thermography[J]. Ceramics, 2019, 2(2): 393–406.
50 [3] 张松. 新型轻质陶瓷基复合材料工业 CT 无损检测研究 [D].
Ꭵᬞᬝၬ
40 秦皇岛: 燕山大学, 2020.
௄Ꭵᬞᬝၬ
30 [4] Kesharaju M, Nagarajah R. Feature selection for neural
network based defect classification of ceramic components
20
using high frequency ultrasound[J]. Ultrasonics, 2015, 62:
10
271–277.
0
[5] 张玉燕, 李万达, 杨若然, 等. 陶瓷基复合材料粘接构件超声
-10 特征研究方法 [J]. 测控技术, 2021, 40(5): 80–85.
-20 Zhang Yuyan, Li Wanda, Yang Ruoran, et al. Ultrasonic
-30 features study method of bonded ceramic matrix compos-
-60 -40 -20 0 20 40 60
ite[J]. Measurement & Control Technology, 2021, 40(5):
(c) MODWPTॆʷӑᑟ᧚ 80–85.
[6] Salazar A, Safont G, Vergara L. A new application of
图 8 3 种特征提取方法对应的输入特征向量集的
ultrasound signal processing for archaeological ceramic
t-SNE 数据可视化分析
classification[C]//ICASSP 2020-2020 IEEE International
Fig. 8 The t-SNE data visualization analysis of Conference on Acoustics, Speech and Signal Processing
the input feature vector set corresponding to the (ICASSP). IEEE, 2020: 3082–3086.
three feature extraction methods [7] 肖强宏, 周强, 王莹, 等. 一种基于敲击声时 -频分析的陶瓷结
构缺陷检测方法研究 [J]. 中国陶瓷, 2017, 53(9): 47–53.