基于AR模型的声发射信号到达时间自动识别
王晓伟，刘占生，窦唯
(哈尔滨工业大学能源科学与工程学院，哈尔滨 150001)
摘 要：声发射信号到达时间的信息，对于声发射事件的定位、识别以及声发射源机理分析都是非常重要的。实际应用中，常用人工读取或通过设定幅值阈值来获取信号的到达时间。针对以上常用方法的缺点，结合噪声信号的AR模型和声发射信号的AR模型，应用Akaike信息准则．实现了对声发射信号到达时间的自动识别。对实验数据的识别结果显示，该方法对信号的幅频特性变化比较敏感。在相同信噪比的情况下，该方法识别的偏差要小于阈值法。当信噪比较低时，阈值法可能会给出错误的结果，而该方法仍然能够给出较准确的结果。
关键词：AR模型；声发射；到达时间
中图分类号：TG156 文献标识码：A
近年来，声发射(Acoustic Emission)检测技术被广泛用于结构的健康监测，用来检测、定位和估计结构的冲击损伤[1]，并取得很好的效果。
在大多数声发射应用中，信号的到达时间是通过设定固定阈值电压确定的，但是对于幅值很小的信号，或者噪声很大的信号，这种方法将会导致定位误差[2-3]。为了改善定位误差，互相关技术被用来确定特殊模式和频率的到达时间[4]，该方法使用声发射信号与Gaussian脉冲调制的单频余弦波的互相关函数来确定特定模式和频率的到达时间，但是该方法在验证时其仅考虑了声发射信号主要成分是幅值比较大的弯曲模式(反对称)成分，而且没有考虑声发射源作为板内的情况[5,6]。此外，结合板波理论，小波变换的方法也被用于确定声发射波的到达时间[5-7]能够准确分析出不同模式波到达传感器的时间，但是需要人工读取声发射波的到达时间。
在结构实时在线监测过程中，大量的声发射数据被记录下来，人工读取声发射信号到达时间将十分困难，Jochen结合小波变换和AIC准则，实现了对混凝土中声发射波到达时间的识别[8]。声发射检测和地震监测过程是类似的，都是通过检测声发射源或地震源引起的物体表面的振动来对物体的结构进行评估并对振源进行相应的识别。在地震领域中，通常采用长短时平均比方法[9.10]、AIC准则法[12-14]、高阶统计量法[15]以及结合小波及小波包分解的AR模型方法[16,17]等自动检测P波或S波的到达时间。
进行一些修改以后，地震中的一些识别算法能够被用于声发射和超声信号到达时间的自动提取。例如，T．Lokajicek等将高阶统计量的方法用于岩石中声发射信号到达时间的提取[18]。本文结合噪声信号的AR模型和声发射信号的AR模型，应用AIC准则，实现了对声发射信号到达时间的自动识别。
