[发明专利]基于语音信号特征提取应用于冲击弹性波分析的方法

说明书

本发明公开了一种基于语音信号特征提取应用于冲击弹性波分析的方法，包括机架及安装于机架上的激振锤，还包括安装在机架上的轮组，所述轮组作为本联动激振装置的行走轮系，还包括联动装置，所述联动装置用于实现激振锤与轮组的联动：轮组中的行走轮每转动特定圈数，激发激振锤执行一次锤击动作。该激振装置可实现定间距间隔敲击被测面。

技术领域

本发明涉及冲击弹性波分析技术领域，特别是涉及一种基于语音信号特征提取应用于冲击弹性波分析的方法。

背景技术

近年来，大数据、人工智能等在社会、生产的各个方面得到了突飞猛进的发展和应用，这些技术在工程无损检测行业的过程中还存在一些难点，其中人工智能中机器学习所需特征参数的确立与提取就是难点之一。

现有的冲击弹性波的分析主要体现为只注重某些特定参数的提取，并根据参数的判断标准结合分析人员的经验加以判断，给出结果。这种传统的数据解析及分析方法得到的结果存在一定缺陷，具体有一下两点：

检测信号中除了目标参数其他相当部分的有用信息未被充分应用，造成有用信息的浪费；某些分析结果需结合经验加以判断，不能做到判断结果精准化、自能化。

发明内容

针对上述提出的人工智能中机器学习所需特征参数的确立与提取就是难点的问题，本发明提供了一种基于语音信号特征提取应用于冲击弹性波分析的方法，用于解决从检测信号中提取出可供机器学习并提高机器学习精度的有效的参数的问题。

本方案的技术手段如下，基于语音信号特征提取应用于冲击弹性波分析的方法，包括依次进行的以下步骤：

A、收集多个已知检测结果的检测数据；

B、使用基于语音信号特征提取的方法对步骤A收集到的数据进行特征提取；

C、将步骤B中提取的特征值建立训练集，并训练模型；

D、将需要分析的检测数据导入步骤C所训练的模型并生成检测结果。

具体的，本方案中，针对A步骤中已知检测结果的检测数据，用于步骤C中训练模型。所述步骤C旨在训练模型以对未知检测结果的数据进行分析判定，具体训练方法可为：利用weka软件读入训练集，所述训练集包括所述已知检测结果和检测数据在B步骤中得到的特征，而后在weka软件中选择分类功能面板，并选择朴素贝叶斯或者神经元网路或者随机森林做为基本分类器并调整分类器参数，通过分类器自动推算、学习，如针对冲击弹性波用于混凝土密实度判定或内部有无空洞，由步骤B提取的密实数据特征值的变化规律以及不密实数据特征值的变化规律，最后运行软件根据学习结果建立出模型。进一步的，针对步骤C，可选用交叉验证方式验证学习效率。所述密实与否即为A步骤中的已知检测结果，同时，A步骤中的检测数据数量优选设置为介于几百到几百万之间。

更进一步的技术方案为：

具体的，所述步骤A的实现步骤为：

A1、采集被测物，在被测物上标记检测点，使用信号激发装置激发信号，使信号在被测物内部传播；

A2、使用信号接收装置，沿步骤A1检测点逐点采集在结构物内部传播后的信号。

具体的，所述步骤B的实现步骤为：

B1、对步骤A2中采集到的信号依次进行预加重、分帧以及加窗处理，得到多个短时分析窗信号；

B2、对B1步骤得到的短时分析窗信号进行快速傅里叶变换得到对应的频谱；

B3、对B2得到的频谱通过滤波器得到新的频谱；

B4、对B3得到的频谱依次进行取对数、做快速傅里叶变换逆变换处理提取最终特征值。

本发明具有以下有益效果：