[发明专利]流体机械叶片多裂纹的声发射检测方法

摘要

本发明公开了一种流体机械叶片多裂纹的声发射检测方法，首先在机组叶片的多裂纹附近安装声发射传感器，采用美国PAC公司的PCI‑2声发射采集系统进行信号采集，确定信号的采样频率、采样长度、滤波频率等采集参数；应用小波分析和盲分离结合技术对所提取的裂纹声发射信号进行特征分析，从而对叶片和设备进行多裂纹检测，识别出主裂纹。本发明能够以简单、高效、准确的方式来识别多裂纹复合材料损伤，从而保证机组的安全性和高效性，延长叶片使用寿命、减少维护成本；并且能够明晰裂纹状态与特征参数的评价机制，从而解决流体机械设备多裂纹的检测问题，避免由于叶片的裂纹故障而引起的事故发生。

主权项

1.流体机械叶片多裂纹的声发射检测方法，其特征在于，包括以下步骤：/n步骤1、首先在流体机械设备叶片中的多裂纹附近安装声发射传感器，接收声发射信号，并将波动信号转换为电信号，通过声发射采集系统，确定信号的采样频率、采样长度、滤波频率；/n步骤2、然后利用小波滤波器对采集信号X(k)进行预降噪消噪处理，从而提升盲源信号分离的效果；然后应用盲解卷算法，在源的信息和通道信息均未知时，通过滤波器W(k)消除通道影响，对去噪后的混合信号x(k)进行盲源分离，将输出信号y(k)作为源信号s(k)的近似估计并将输出信号y(k)的广义能量作为目标函数，根据Godard算法，得到修正滤波器系数的目标函数；最小化目标函数，得到调整滤波器系数的自适应迭代式；再用最小均方算法最小化目标函数得到滤波器W(k)的迭代式；最后，用相似系数ξ来检验盲解卷结果与期望信号的相似程度，ξ越接近1则分离效果越好；/n步骤3、最后通过对分离出的多裂纹声发射信号进行特征分析，根据结果分析来判定裂纹状态从而实现对流体机械设备叶片进行多裂纹检测；/n所述步骤2中应用小波去噪和盲去卷积分离算法从而分离信号的计算步骤如下：/n(2.1).首先，根据数据采集系统将在机组叶片或设备的多裂纹处采集的AE信号作为采集信号X(k)，y(k)是源信号s(k)的估计信号，因此声发射传感器所得的混合信号可表示为：/ns(k)＝y(k)＝f[WX(k)-WA(z)V(k)] (1)/ny(k)＝Wx(k) (2)/n式中，V(k)为噪声信号，W为自适应滤波器；A为未知通道的脉冲响应，A(z)为信道冲击响应，代表从第i源信号到传感器的线性传递函数，A(z)＝[A