Page 177 - 《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 173

浓度较高，AE 活动较活跃，其中大部分信号能量 综上，单点蚀两阶段主要有 3 类信号，分别为
较低，幅值主要分布在 32 ∼ 36 dB，计数分布在 阶段 I 的 A D1 ，阶段 II 的 B D1 、B D2 ；双点蚀两阶段
0 ∼ 10，持续时间集中在 0 ∼ 1000 µs。阶段 II 中聚 存在 7 类信号，分别为阶段 I 的 A S1 、A S2 ，阶段 II 的
类个数为 2 时 DB 值最小，此时聚类结果最佳，该阶 B S1 、B S2 、B S3 、B S4 、B S5 。双点蚀过程中存在更多的
段主要存在两类信号命名为B D1 、B D2 ，该阶段钝化 信号类别，这是由于两个蚀坑产生的腐蚀信号发生
膜平衡被打破，点蚀坑深向发展，在点蚀成核后随 混叠。
着点蚀电位的持续升高，点蚀坑持续生长并趋于稳
3.3 双蚀坑同时腐蚀混合信号的分离与识别
定，其中 B D1 信号的幅值大多分布在 32 ∼ 46 dB，
3.3.1 阶段I信号分离
计数集中在 0 ∼ 40，持续时间集中在 1500 µs 以下；
A S1 、A S2 两类信号与原信号 A D1 的相关性分
B D2 信号幅值大多分布在 32 ∼ 52 dB，计数分布在
别为 0.819、0.326。A S1 信号为单个信号，波形如
0 ∼ 50，持续时间小于3000 µs。3类信号波形如图5
图 7(a) 所示，其与 A D1 相关性程度达到0.8 以上，为
所示。
极强相关。
3.2.2 双点蚀过程信号类别 A S2 信号波形如图 7(b) 所示，对 A S2 信号进行
图 6(a)、图 6(b) 为双蚀坑同时腐蚀两阶段的 FastICA 盲源分离，得到分量 A S21 、A S22 ，如图 8 所
DB 值与聚类个数之间的关系图。阶段 I，最佳聚类 示。为了验证信号分离效果，将 A S2 分量信号与原
个数为 2，该阶段的点蚀信号主要存在两类，命名为 信号 A D1 进行相关性分析，A S21 、A S22 与原信号的
A S1 、A S2 ；阶段II，最佳聚类个数为 5，该阶段主要存 相关性系数分别为 0.7125、0.6982，可知分量信号与
在五类信号，命名为B S1 、B S2 、B S3 、B S4 、B S5 。 原信号A D1 的相关性为强相关。

1.0 2.0 6
1.5 5
0.5 1.0 4 3
ࣨϙ/(10 -3 V) -0.5 0 ࣨϙ/(10 -3 V) -0.5 ࣨϙ/(10 -3 V) 2 1 0
0.5
0

-1.0 -1.0 -1
-2
-1.5 -3
-1.5 -2.0 -4
0 400 800 1200 1600 2000 0 400 800 1200 1600 2000 0 400 800 1200 1600 2000
௑ᫎ/µs ௑ᫎ/µs ௑ᫎ/µs
(a) ԔηՂA D1 ηՂ (b) ԔηՂB D1 ฉॎ (c) ԔηՂB D2 ฉॎ
图 5 单点蚀过程样本原信号波形图
Fig. 5 Sample source signal waveform of single pitting process

0.90 0.90

0.85 0.85

0.80
DBϙ DBϙ 0.80
0.75 0.75

0.70 0.70

0.65 0.65
0 2 4 6 8 10 0 2 4 6 8 10
ᐑዝ˔஝ ᐑዝ˔஝
(a) ᫽඀Ĉ (b) ᫽඀ĉ
图 6 双点蚀过程基于 DB 值的聚类有效性判别
Fig. 6 Clustering validity discrimination based on DB value for double pitting process