[发明专利]基于机器学习的陶瓷基复合材料声发射在线损伤模式识别方法

权利要求书

1.一种基于机器学习的陶瓷基复合材料声发射在线损伤模式识别方法，其特征在于，包括以下步骤：

1)训练分类器

采用已知损伤模式次序的工况对陶瓷基复合材料进行多次重复试验，采集声发射信号；对采集的声发射信号进行处理，提取每一帧信号频谱图中的包络曲线，获得声发射信号的频谱特征参数；对频谱特征参数进行分类并根据信号出现的时间次序，确定每种信号对应的损伤模式，标记数据，并建立频谱特征库；采用机器学习算法对频谱特征库进行学习，训练分类器；

该步骤具体为：

1.1)在常温下，采用已知损伤模式次序的工况对陶瓷基复合材料进行多次重复试验，并采集多组声发射信号；

1.2)采用小波分解重构法，对步骤1.1)采集的每一组声发射信号进行滤波；

1.3)将经滤波后的声发射信号分帧、加窗，并采用短时距傅里叶变换进行处理，得到每一帧信号频谱图，短时距傅里叶变换公式如下：

其中，z(t′)为时域信号，η^*为截断窗函数，t为时间变量，STFT_z(t,f)为变换所获得的频域信号，t′为求取卷积过程中的积分变量；

1.4)采用希尔伯特变换提取每一帧信号频谱图中的包络曲线，公式如下：

其中，H标示为希尔伯特变换，x(t)为输入信号，为所获得的变换信号，t为时间变量，τ为求取卷积过程中的积分变量；

1.5)将所有帧信号包络曲线组成的向量作为该组声发射信号的频谱特征参数；

1.6)提取所述陶瓷基复合材料试验前初始状态的频谱，并将各个频率对应的幅值作为门槛值，针对不同频率的频谱特征参数，滤去门槛值以下的参数；

1.7)重复步骤1.2)～1.6)，获得所有试验采集的声发射信号的频谱特征参数，将所有频谱特征参数聚合到一起，进行无监督模式识别，分析其频谱特征集中趋势，并进行分类；

1.8)根据分类完成的频谱特征出现的时间，结合该种工况下已知损伤模式出现的次序，对分好的每一类对应的损伤模式进行标记，由此建立频谱特征库；

1.9)采用机器学习算法对频谱特征库进行学习，训练分类器，并采用样本交叉验证方法保证分类器分类的准确性；

2)在线识别

对复杂工况下待识别的陶瓷基复合材料进行加载试验，采集声发射信号；实时读取采集的声发射信号，采用与步骤1)相同的处理方式将声发射信号处理成频谱特征参数；并采用步骤1)训练好的分类器实时识别所述频谱特征参数对应的损伤模式。

2.根据权利要求1所述基于机器学习的陶瓷基复合材料声发射在线损伤模式识别方法，其特征在于，还包括：

3)确定损伤程度

采用谐波小波包分解与重构算法提取各个损伤模式对应频带的能量，显示各类损伤模式的能量累积，以确定损伤程度。

3.根据权利要求1或2所述基于机器学习的陶瓷基复合材料声发射在线损伤模式识别方法，其特征在于：

所述频谱特征库采用自学习方法进行扩大，将既往已经完成识别的频谱特征参数，添加至所述频谱特征库中，扩大频谱特征库中样本容量。

4.根据权利要求3所述基于机器学习的陶瓷基复合材料声发射在线损伤模式识别方法，其特征在于，步骤2)的具体步骤为：

2.1)对复杂工况下待识别的陶瓷基复合材料进行加载试验，采集声发射信号；

2.2)加载试验过程中，实时读取采集的声发射信号，并采用步骤1.2)～1.6)的方法，获得声发射信号的频谱特征参数；

2.3)采用步骤1)训练好的分类器实时识别步骤2.2)所述频谱特征参数对应的损伤模式。

5.根据权利要求4所述基于机器学习的陶瓷基复合材料声发射在线损伤模式识别方法，其特征在于：

步骤1.1)中，所述已知损伤模式次序的工况为单轴拉伸；

单轴拉伸工况下损伤模式出现的次序为：基体开裂、界面脱粘及界面滑移、纤维断裂。