Page 175 - 《应用声学》2024年第1期

第 43 卷 第 1 期 姚俊宇等： FCM-FastICA 的点蚀声发射信号分离识别方法 171

(3) 计算W p ： 1.4 混合信号分离识别方法
W p = W p /∥W p ∥. (7) 根据上述理论，本文提出采用FCM与FastICA
相结合的方法对点蚀混合信号进行识别，采用FCM
(4) 判断W p 的收敛性，收敛则转入步骤(5)，否
聚类确定信号类别，使用 FastICA 对混合信号进行
则返回步骤(2)。
分离得到信号分量，并利用相关性系数表征分离效
(5) 令 p = p + 1，若 p 6 m，返回步骤 (2)；若
果和识别信号，其主要流程如图1所示。
p > m，计算结束。
1.3 基于相关性系数的盲源分离效果评价
2 点蚀实验方案
相关性系数是一种统计度量，可描述连续信号
或离散序列的相关程度，常用在信号分析领域。为 对 Q235 钢进行了点蚀 AE 特性研究，实验试
了有效评价源信号 S i (t) 与估计信号 Y j (t) 的关系， 件的尺寸为 200 mm × 70 mm × 5 mm，为使试件
利用相关性系数进行表征，具体表达式如 (8) 所示， 满足腐蚀实验的光洁度、均一性要求，采用砂纸
其中 S i 与 Y j 分别表示源信号的分量以及与之对应 打磨试件表面。试件中间预留半径为 5 mm 的点
的估计信号的分量 [12−13] 。 蚀区域，用无水乙醇对试件表面进行擦拭，干燥
cov [S i (t), Y j (t)]
, (8) 后进行点蚀实验。AE 监测系统主要包括 R3I-AST
ρ ij = √
cov [S i (t), S j (t)]cov [Y j (t), Y j (t)]
型传感器、前置放大器以及 Micro-II Express 采集
式(8) 中，用 ρ ij 的绝对值表示两个信号之间的相关 系统。该采集系统带宽为 1 kHz∼1 MHz，可实现
性，当取值为0 时说明两者之间没有任何关系，相互
16 位的 A/D 转换。该监测系统的参数设置如表 2
独立，表明对观测信号分离失败。本文评价信号之
所示。
间的相关性程度主要参考表1。
设置两组对比实验分别为：(1) 单蚀坑点蚀实
表 1 相关性系数范围 验，(2) 双蚀坑同时点蚀实验，其中设计两组双蚀
Table 1 Correlation coefficient range
坑同时点蚀实验以确保实验的有效性。腐蚀液为
极弱或 浓度 12%HCl 与 0.5 mol/L NaCl 等比混合液；所有
相关程度 弱相关 中等相关 强相关 极强相关
不相关 实验环境温度、湿度条件相同。具体示意图如图 2
相关系数 0 ∼ 0.2 0.2 ∼ 0.4 0.4 ∼ 0.6 0.6 ∼ 0.8 0.8 ∼ 1.0
所示。
ԔݽηՂ

ᐑዝ DBϙ ᝠካ
ద n ዝԔηՂ
ηՂѬ᧚֒֒⊲⊲⊲֒m
For i/ . n ߛښХ̵
ዝیηՂ
ηՂᄊᄱТভᝠካ
࡛̆Տ ηՂᄊᄱТভᝠካ
ዝηՂ
N
rĺ0.6
Y
rĺ0.6
Y
N ࡛̆ԔηՂ
ηՂᄊFastICA
ᄯູѬሏ
ፇౌ
图 1 算法流程图
Fig. 1 Algorithm flow chart

表 2 AE 采集参数设置
Table 2 AE hardware parameter settings

门槛/dB 采样频率/MHz 增益/dB 采样点数 峰值时间/µs 撞击时间/µs 闭锁时间/µs
32 1 40 1024 300 500 1000