基于LabVIEW的木材声发射信号采集与小波析取

申珂楠，赵海龙，丁馨增，李 明

（西南林业大学 机械与交通学院，云南 昆明 653224）

基于LabVIEW的木材声发射信号采集与小波析取

申珂楠，赵海龙，丁馨增，李 明

（西南林业大学 机械与交通学院，云南 昆明 653224）

为了获取木材声发射信号波形，采用NI高速数据采集设备构建了一种多通道声发射信号采集系统，同时基于LabVIEW软件设计了相应的信号小波析取与处理平台，实现多通道声发射信号采集、分离、波形析取及频谱分析等基本功能。最后通过木材试件声发射试验验证了该系统的效用，并且通过对3种不同信号析取方法的比较，进一步验证小波分析的优势。作为一种通用的木材声发射信号采集与处理平台，该系统为木材声发射信号研究提供了必要的基础保障。

木材；木材声发射信号波形；小波分析；LabVIEW

声发射（Acoustic Emission, AE）是指当材料受到外力或内力作用产生变形或断裂时，以瞬态弹性波形式释放出应变能当现象，也称为应力波发射。声发射信号以主动方式动态反应材料内部应力应变的产生和发展状况。自上世纪50年代“Kaiser效应”被发现后，声发射技术作为一种新的主动无损检测模式被迅速应用于压力容器、岩石、金属材料等领域[1-3]。木材作为唯一可再生天然材料，一直以来都受到广泛的关注和应用，然而由于木材内部结构复杂且受环境影响明显，在加工处理过程中，极易受内力或外力影响产生形变及开裂，进而导致物理性能下降。虽然木材表面的应变可以通过常规应变片方式检测，但是这些常规检测手段无法实时监测木材内部形变与开裂。无论木材表面还是内部发生变形或开裂时，都会产生相应的声发射信号，所以声发射技术成为极具潜力的木材动态损伤检测方法。

自上世纪80年代以来，声发射技术就被用来检测木材加工、干燥、加载等情况下的应变状况。CHEN应用声发射技术监测在静态疲劳扭转载荷下硬木材和软木材的失效过程，得出木材失效的变化过程问题[4]。Ando等[5]则利用声发射技术研究了陈旧木材微观破裂过程。谢力生等[6]根据声发射计测值预测木材干燥开裂。钟卫洲等[7]通过分析云杉试件的静态和动态压缩试验中的声发射信号特征，绘制云杉试件在不同应变率下的动态应力应变曲线。郭晓磊等建立了胶合板和贴面板在3点弯曲加载时的断裂损伤声发射监测系统[8]。孙建平等[9-10]采用参数分析方法研究山杨在动态载荷下的声发射信号演变过程。丁小康等[11]分析了木材薄切片在干燥过程中的声发射信号特点。

然而，与金属材料不同，木材是非常复杂的各向异性的非均匀复合材料，声发射信号在木材中的传播更为复杂。为此，目前在金属和岩石中使用的参数化声发射检测方式只能在一定程度上定性反映木材内部应变的发生和发展过程，而且由于缺乏对声发射信号在木材中的传播规律的了解，检测中的参数设置带有随意性和主观性。事实上，声发射波形是分析声发射在木材中传播规律的基本前提，也是制定检测参数的基本依据，然而由于测量噪声的存在，特别是声发射信号在传播过程中衰减明显，从原始采集信号中无法直接获得有用的声发射信号波形。为此，本研究将采用声发射传感器和高速数据采集设备，在LabVIEW环境中建立木材声发射信号采集系统，并采用小波分析方法从原始噪声信号中析取声发射信号波形，作为研究木材声发射传播规律及制定声发射参数的基础。

1 基于LabVIEW的木材声发射信号采集系统

1.1 木材声发射信号采集系统组成

为了满足多点监测的需求，本研究基于NI高速数据采集卡构建了一套多通道声发射信号采集系统，该系统最多可以同时采集8通道信号，最高采集频率可达2 MHz。整个声发射信号采集平台主要由传感放大、数据采集和数据存储3个部分组成，其中传感放大部分采用声华SR150N型声发射传感器及相应的PAI前置放大器，该传感器信号采集频率范围为22～220 kHz；数据采集部分由独立的NI USB-6366型8通道高速信号采集设备承担；声发射信号通过对应的基于LabVIEW的软件平台存储在计算机中。图1为3通道声发射信号采集的实物联接图，当然，根据实际检测需要，该系统可以十分方便地增加或更换其他型号的声发射传感器。根据现有文献资料记载，木材声发射信号频率几十千赫兹到几百千赫兹不等，而本系统采集设计设备最高采集频率为2 MHz，所以能够满足木材声发射信号采集需求。

图1 木材声发射采集系统Fig. 1 Wood acoustic emission collection system

1.2 基于LabVIEW的木材声发射信号小波析取平台

木材声发射信号是木材受力后主动释放应力所产生的弹性波，受木材内部复杂结构及环境噪声影响，声发射信号往往因为衰减显著而“淹没”在噪声信号中，为了分析木材应力应变的动态发展过程，必须从含有噪声的原始采集信号中析取出有用的声发射信号。由于小波及小波包分析具有多分辨率的特点，可由粗至精逐步的观察信号，不仅在时域而且在频域都具有表征信号的局部特征能力，该方法已被广泛应用于信号分析、图像处理、模式识别、故障诊断等诸多领域。在声发射信号处理方面，小波及小波包分析主要用于金属材料声发射信号波形提取和识别[12-17]，而对于木材工业而言，该方法仍处于尝试应用阶段，目前主要采用小波及小波包分析方法进行离线信号处理[18-20]，究其原因，除了木材声发射信号本身非常复杂外，主要受制于数据采集设备与软件处理之间的实时数据交换不畅。

本研究基于NI的高速采集设备构建了木材声发射信号采集系统，而该设备和NI自身提供的LabVIEW软件可以实现无缝联接，所以本研究将依托LabVIEW软件自身强大的控件功能，采用小波及小波包分析方法设计木材声发射信号波形析取与分析应用平台，实现声发射信号动态采集与分析，并且通过与等波纹低通滤波及带窗傅立叶滤波2种方法比较，验证小波分析的效果。为了便于叙述，本研究将LabVIEW程序后面板程序按照信号流程分为信号采集、信号分离及信号波形析取等3个子VI加以阐述。

图2为数据采集子VI，该程序主要完成多通道信号采集，在对应的前面板中，可以根据实际需要设定信号采样速率、通道数等基本参数，以及信号存储路径及格式等。图3是声发射信号分离子VI，该程序将由数据采集子VI中的混叠多通道信号按通道数加以分离。同时还可以通过设置偏置量实现信号片段提取。图4为声发射信号析取子VI，也是整个信号处理平台的核心部分，为了便于比较，分别采用等纹低通滤波、带窗傅立叶滤波及小波分析等3种方式进行信号波形析取。在与该程序对应的前面板中，不仅可以显示经过不同方法处理后的信号波形，同时还提供相应波形的频谱图，与前面两个VI类似，3种信号处理方法的参数均可以根据实际需要加以设置。最后，为了详细说明小波分析方法的实现过程，重点给出了小波分析子VI（如图5所示），小波基、阈值、降噪方式等相关参数可以直接在对应控件中设置。

图2 数据采集子VIFig. 2 Data collection VI

图3 声发射信号分离子VIFig. 3 Acoustic emission signal separation VI

图4 声发射信号析取子VIFig. 4 Acoustic emission signal extraction VI

图5 小波分析子VIFig. 5 Wavelet analysis VI

由上述VI构成的木材声发射信号处理平台，不仅完成了对多通道信号的采集与存储，同时以图形方式直观地提供各通道的原始信号波形及处理后的信号波形，并且提供对应时域信号的频谱图，从而为不同信号析取方法的比较与分析提供了必要的基础。

2 木材声发射信号采集与析取试验

为了验证本研究所构建的声发射信号采集与处理系统的效果，本研究采用自然风干的云南松试件，通过外加声发射源的方式，进行木材声发射信号采集与析取试验。其中板材尺寸为116 mm × 400 mm；采用铅芯折断方式模拟声发射信号；通过3个通道采集声发射信号，各通道的采集电压幅值设置为（-5 v，5 v）；信号采样频率为100 kHz。以模拟声发射源为坐标原点，3个声发射传感器的位置分别为（60，0）、（160，0）、（230，0），单位为mm，图6是传感器分布实物图。

首先，来自3个传感器的信号经过3通道信号采集子VI处理后，形成一个混叠信号（如图7最左侧所示）。然后利用声发射信号分离子VI将该混叠信号分离成3个独立的信号（如图7所示），其中自左到右依次为来自3个传感器的原始采集信号，由于传感器距离声源位置不同，分离后的3个信号波形在幅值上存在差异，特别是距离声源位置最远的3号传感器，因信号衰减导致信号幅值明显减弱，进而受噪声影响更加明显。

图7 混合及分离信号Fig. 7 Mixture and separation of signals

图8列出了各通道信号经过3种不同方法析取后的信号波形。图（a）表明信号经等纹低通滤波处理后，当声发射信号明显强于噪声时（图（a）左侧传感器1和2的信号），该方法能够保留声发射信号特征，但是受幅值平滑处理影响，信号的幅值相对下降的同时，噪声在一定程度上被放大。然而，当声发射信号与噪声信号强度接近时（图（a）最右侧传感器3的信号），该方法析取后的波形明显失真。图（b）显示带窗傅立叶滤波方法受平滑处理影响更为明显，各通道析取后的信号波形均明显失真。图（c）则说明采用小波分析方法可以有效析取声发射信号，特别在有用信号相对较弱的情况下（如传感器3的采集信号），小波分析方法更是完整提取了声发射信号。

为了分析信号组成及特征，图9列出了小波分析后的各声发射波形的频谱图。从图中可以看出，试验测得的声发射信号频率主要集中在30 KHz左右，但是受声波在木材中的传播路径、反射、衍射、散射及木材内部结构影响，声发射信号呈现一定的分散特征，尤其当传感器距离声源较远时，这种影响非常明显。另外，受信号衰减影响，从频谱图中可以明显看出距离声源越远，采集的声发射信号能量越低。

图8 不同方式处理后的信号波形Fig. 8 Signal waveform after treated with different ways

图9 小波析取信号频谱Fig. 9 Signal frequency spectrum of wavelet extraction

3 结 论

为了获取有效的木材声发射信号波形，本研究构建了一种集信号采集、分离、析于一体的声发射信号处理系统，该系统硬件主要由NI高速数据采集设备构成，软件部分开发则是基于通用的LabVIEW软件。木材试件声发射试验表明，在采用小波分析方法时，该系统能够有效析取声发射信号，进而为木材声发射信号特征分析提供必要的基础。但是，本研究仅仅通过外加人造声源试验验证了系统的效用，未来将针对不同树种的木材试件，通过施加外力的方式引起木材表面及内部发生应变，并采用本研究构建的系统动态采集分析声发射信号，进而建立不同类型木材声发射信号的特征参量，为木材应力应变分析提供新的途径。

[1] Satour A, Montrésor S, Bentahar M,et al. Acoustic emission signal denoising to improve damage analysis in glass fibrereinforced composites[J]. Nondestructive Testing and Evaluation,2013 (ahead-of-print): 1-15.

[2] Bruno C. Z. Honorio,Rodrigo D. Drummond, Alexandre C. Vidalet al.Well log denoising and geological enhancement based on discrete wavelet transform and hybrid thresholding[J]. Energy exploration & exploitation,2012,30(3):417-433.

[3] Olufemi A. Omitaomu,Vladimir A. Protopopescu,Auroop R.Ganguly et al.Empirical Mode Decomposition Technique With Conditional Mutual Information for Denoising Operational Sensor Data[J]. IEEE sensors journal,2011,11(10):2565-2575.

[4] Chen Z, Gabbitas B, Hunt D. Monitoring the fracture of wood in torsion using acoustic emission[J]. Journal of materials science,2006, 41(12): 3645-3655.

[5] Ando K, Hirashima Y, Sugihara M,et al. Microscopic processes of shearing fracture of old wood, examined using the acoustic emission technique[J]. Journal of Wood Science, 2006, 52(6): 483-489.

[6] 谢力生. 声发射在木材干燥中的应用[J]. 林产工业, 2001,28(3): 38-42.

[7] 钟卫洲, 宋顺成, 黄西成. 三种加载方向下云杉静动态力学性能研究[J]. 力学学报, 2011, 43(6): 1141-1150.

[8] 郭晓磊,郭 勇,胡 伟,等.木基复合材料破坏过程中声发射特性的研究[J]. 南京林业大学学报，2011,35(3):97-100.

[9] 孙建平, 王逢湖, 朱晓东,等. 动态载荷下基于声发射技术等杨木破坏过程检测[J]. 林业科学, 2006,42(9): 89-92.

[10] 孙建平, 王逢湖, 朱晓东,等. 基于声发射技术的木材损伤过程监测[J]. 福建林学院学报,2006,26(4): 344-348.

[11] 丁小康, 张祥雪, 郝燕华,等. 木材干燥过程中声发射信号分析[J]. 木材工业,2012,26(3): 40-43.

[12] Ahadi M. Bakhtiar M.S.. Leak detection in water-f i lled plastic pipes through the application of tuned wavelet transforms to Acoustic Emission signals[J]. Applied Acoustics, 2010, 71(7): 634-639.

[13] Khamedi R., Fallahi A., Refahi O.A.. Effect of martensite phase volume fraction on acoustic emission signals using wavelet packet analysis during tensile loading of dual phase steels[J].Materials and Design,2010,31(6): 2752-2759.

[14] Chen H.X., Chua P.K., Lim G.H.. Testing and evaluation of water hydraulic components by acoustic emission and wavelet analysis[J].Journal of Testing and Evaluation. 2008,36(6): 534-539.

[15] Subba R.S.V., Subramanyam B.. Analysis of acoustic emission signals using wavelet transformation technique[J]. Defence Science Journal, 2008, 58(4): 559-564.

[16] Serrano E.P., Fabio M.A.. Application of the wavelet transform to acoustic emission signals processing[J]. IEEE Transactions on Signal Processing, 1996,44(5): 1270-1275.

[17] 廖 立,涂登云,李重根,等.热处理对尾赤桉木材物理力学性能的影响[J].中南林业科技大学学报,2013,33(5):128-131.

[18] Kamala G., Hashemi J., Barhorst A.A.. Discrete-wavelet analysis of acoustic emissions during fatigue loading of carbon fiber reinforced composites[J]. Journal of Reinforced and Composites,2001,20(3): 222-238.

[19] Wang L.H., Li L., Qi W.et al. Pattern recognition and size determination of internal wood defects based on wavelet neural networks[J]. Computers and Electronics in Agriculture,2009,69(2): 142-148.

[20] Hu C.S., Afzal M.T.. A wavelet analysis-based approach for damage localization in wood beams[J]. Journal of Wood Science,2006,52(5): 456-460.

Wood acoustic emission signal acquisition and wavelet extraction based on LabVIEW

SHEN Ke-nan, ZHAO Hai-long, DING Xin-zeng, LI Ming
(College of Machinery and Transportation, Southwest Forestry University, Kunming 653224, Yunnan, China)

In order to obtain wood acoustic emission signal waveform, A multi channel acoustic emission signal acquisition system was constructed based on NI high-speed data acquisition equipment. At the same time, a signal wavelet extraction and processing platform based on LabVIEW software was designed, which can be used to collect, separate, extract the acoustic emission signal, spectral analysis and other basic functions. Finally, the wood specimen acoustic emission tests were carried out to verify the effectiveness of the system. And through the comparisons among three different signal extract ways, the advantages of wavelet analysis method was verif i ed.As a universal platform for wood acoustic emission signal acquisition and processing, this system provides the necessary foundation for the processing of wood acoustic emission signal.

wood; wood acoustic emission signal acquisition; wavelet analysis; LabVIEW

S781.38

A

1673-923X(2015)04-0125-05

10.14067/j.cnki.1673-923x.2015.04.022

2014-07-28

国家自然科学基金资助项目（31100424）；云南省教育厅科学研究基金（2013J018）

申珂楠，硕士研究生 通讯作者：李 明，副教授，博士，硕士生导师；E-mail：swfu_lm@swfu.edu.cn

申珂楠,赵海龙,丁馨增,等. 基于LabVIEW的木材声发射信号采集与小波析取[J].中南林业科技大学学报, 2015, 35(4):125-129.

[本文编校：文凤鸣]