损伤声发射信号小波包神经网络特征识别方法

齐添添¹, 陈尧¹, 何才厚^1,2, 龙盛蓉¹, 李秋锋¹

1. 无损检测技术教育部重点实验室 南昌航空大学, 南昌 330063;
2. 江西省特种设备检验检测研究院鹰潭分院, 鹰潭 335000

收稿日期:2020-08-14出版日期:2021-02-28发布日期:2021-09-30
通讯作者:李秋锋(1976-),男,教授,E-mail:qiufenglee@163.com.E-mail:qiufenglee@163.com
作者简介:齐添添(1995-),女,硕士生.
基金资助:国家自然科学基金项目（11764030，51705232）；江西省自然科学基金项目（20192BAB216026）；江西省质监局科技计划项目（GZJKE201810）

A Wavelet Packet Neural Network Feature Recognition Method for Damage Acoustic Emission Signals

QI Tian-tian¹, CHEN Yao¹, HE Cai-hou^1,2, LONG Sheng-rong¹, LI Qiu-feng¹

1. Key Laboratory of Nondestructive Testing, Nanchang Hangkong University, Nanchang 330063, China;
2. Yingtan Branch of Special Equipment Inspection and Research Institute of Jiangxi, Yingtan 335000, China

Received:2020-08-14Online:2021-02-28Published:2021-09-30

摘要/Abstract

摘要： 在材料损伤的检测和评价时，为了在大量接收信号中识别有效声发射信号，提出了一种基于小波包特征提取的损伤声信号神经网络识别方法，首先利用小波包全局分解的优势，准确提取非平稳信号的特征信息，建立相应特征向量，对有效声发射信号和干扰噪声信号进行表征；然后根据特征向量和识别输出要求，建立了3层结构的反向传播神经网络对信号进行分析和识别，滤除噪声信号，保留有效声发射信号；最后，在玻璃钢复合材料的声发射实验中，采集了400组信号对该方法进行验证，准确性达到97.5%，能够满足工程需要.
中图分类号:
TH87

引用本文

齐添添, 陈尧, 何才厚, 龙盛蓉, 李秋锋. 损伤声发射信号小波包神经网络特征识别方法[J]. 北京邮电大学学报, 2021, 44(01): 124-130.
QI Tian-tian, CHEN Yao, HE Cai-hou, LONG Sheng-rong, LI Qiu-feng. A Wavelet Packet Neural Network Feature Recognition Method for Damage Acoustic Emission Signals[J]. Journal of Beijing University of Posts and Telecommunications, 2021, 44(01): 124-130.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4882