基于谐波提取的焊接过程声发射信号特性分析

李 奇，何宽芳，刘湘楠

(湖南科技大学 机械设备健康维护省重点实验室, 湘潭 411201)

基于谐波提取的焊接过程声发射信号特性分析

李 奇，何宽芳，刘湘楠

(湖南科技大学 机械设备健康维护省重点实验室, 湘潭 411201)

通过试验掌握焊接过程中声发射信号特性是实现焊接裂纹声发射在线检测的前提。提出了一种基于谐波提取的声发射信号特性分析方法，结合焊接过程中声发射信号测试试验，对焊接过程中的声发射信号进行有效提取与频谱分析，获取了焊接过程中摩擦激励源、焊接电弧冲击激励源和焊接结构裂纹激励源声发射信号的频域特性。为实现焊接过程中的结构裂纹声发射在线检测提供了基础数据及参考依据。

焊接过程；声发射信号；谐波提取；频谱分析

声发射检测技术是焊接过程中结构裂纹检测的有效手段。声发射信号作为材料内部能量释放的一种弹性波，能够实时表征焊接热裂纹产生及扩展的物理现象本质[1]。焊接过程中采集到的结构裂纹产生及状态变化所产生的声发射源信号具有多模态、非线性的特点，加上声发射测试中受到试件与夹具连接的摩擦、电弧冲击的干扰等影响，采集到的声发射信号呈现出多声发射源共存、特征微弱的特点[2]。要利用声发射信号实现对焊接过程中结构热裂纹的检测，需要掌握焊接过程中各声发射源信号的特性，其中通过试验掌握焊接过程中的声发射信号特性是最直观有效的手段。

现有的信号提取方法包括小波提取、经验模态分解法(EMD)、局部均值分解(LMD)等[3-6]。吴旭景等[7]应用EMD和小波分解对含大量噪声的管道泄漏声发射信号进行提取；徐嗣嘉等[8]提出了一种小波能量谱分析和共振解调法相结合的声发射信号特征提取方法；蒋鹏等[9]采用小波分解法对储罐底板的声发射信号进行了分析；SUN等[10]提出了一种基于LMD的管道小泄漏声发射信号提取方法。这些方法能够对信号分量实现从高频率到低频率的提取，但提取出来的分量仍然可以分解成为多组谐波，而且不同分量之间不可避免地会出现谐波频段重叠的现象，不能保证提取到的特征信号源的单一性，分解获得的分量并不一定是由单一的谐波组成；加上焊接过程采集到的各个源声发射信号的频带未知，焊接裂纹声发射信号具有多模态混合状态，焊接过程中不同声发射源产生的信号谐波具有不同的频段，因此很难将不同的声发射源信号从原始信号中有效地分离提取出来，也就难以准确掌握焊接过程中不同声发射源信号的基本特性。

因此，笔者提出一种基于谐波提取的声发射信号特性分析方法，开展焊接过程裂纹声发射信号的特性试验，获取焊接过程中多源声发射信号的特性，为实现焊接过程中的结构热裂纹声发射在线检测提供基础数据及参考依据。

1 基于谐波提取的声发射信号特性分析方法

1.1 奇异值分解(SVD)分析

SVD分析法[11]被广泛应用于信号检测中，该方法具有较高的分辨力和较好的动态特性,适用于短数据处理，可有效地判定具有较高信噪比的数据中含有的谐波数。其通过对信号重构矩阵进行奇异值分解，将包含信号信息的矩阵分解到一系列奇异值和奇异值矢量对应的时频子空间[12]。

选择信号分析片段，用x数组{x1,x2,…,xl}表示。对数据组x拟合高阶AR(m)(自回归)模型，最终获得信号重构矩阵如下。

(1)

式中：A为m×n的矩阵，其中m+n-1=l。

对A进行奇异值分解A=USVT，其中左奇异值矩阵U为m×m方阵，右奇异值矩阵V为n×n方阵，奇异值数组Sr=diag{S}={s1,s2,…,sr}，s1>s2>…>sr，同时r=min(m,n)，对一个m×n的秩为k的矩阵C进行奇异值分解得到的奇异值矩阵秩为k(k≤r)。

对不含噪声的信号diag(S)=[s1，…,sk,0，…，0]，奇异值si{i=1,2,…,k}的衰减随着k的增大而快速衰减，其中k=rank[C]=2n，n为谐波层数。但是实际采集到的声发射信号分析往往包含着各种干扰成分，通过研究发现n层谐波主要贡献在前2n个奇异值上，而随机干扰信号对各个奇异值的贡献几乎是一样的。因此只要能够在奇异值描绘出来的波形图中找到奇异值由迅速衰减向趋于平缓的转折点所对应的序数就是有效秩2n。为了能够更加准确地判断出信号谐波的层数，通过计算如下奇异值不等式

(2)

式中：p=2n，能够满足不等式的最小p称为信号的有效秩也是信号矩阵的有效维数。不等式中推荐ξ1=0.05。

1.2 有效谐波提取

信号可以通过谐波叠加的形式表示，通过对原始信号进行SVD法，可以判断出信号有效谐波的层数，通过FFT变换将信号由时域投影到频域并且可以描绘出其幅值谱，对信号幅值谱进行分析就能够掌握信号能量随频率的变化情况，按照信号谐波幅值从大到小进行提取，然后使用FFT逆变换将频域信号转换到时域，得到有效谐波。采集到的原始信号是离散的数据，离散时间内的连续傅里叶变换为：

(3)

式中：x(m)为一组非周期序列；x(m)的傅里叶变换X(ejω)是ω的连续函数，且是ω的周期函数，周期为2π。

由于选择分析对象为原始数据中的有数个数据，通过改良数据，信号片段离散型傅里叶变换可以定义为：

(4)

通过FFT变换，将信号从时域转换到了频率，其中WM=e(-j2π/M)。信号序列为m=1,2,3，…,(M-1)。为了进一步描绘出信号幅值与频率间的相互关系，将信号幅值与频率联立绘制出信号幅值谱，在信号幅值谱中按照幅值从大到小的次序提取频域信号点进行FFT逆变换，就能得到幅值从大到小的谐波。离散型傅里叶逆变换为

(5)

式中：x(m)为信号序列，采样点对应的时间为t=m/f。

通过奇异值分析法判断出了信号中的谐波数n，以幅值从大到小n次重复FFT逆变换将n重谐波提取出来；由于高频部分出现“伪频率”的概率低，也保证了谐波提取过程中谱线增高变窄至最佳状态。

1.3 声发射信号特性分析方法

由于信号可通过谐波叠加的形式表示，结合SVD谐波分析法、FFT谐波分离法对信号进行有效信号提取，形成基于谐波分析的多源声发射信号特性分析方法。该方法通过将信号片段拟合为AR矩阵，并使用SVD分析方法对重构矩阵进行分析确定信号有效谐波的层数，然后通过FFT谐波分离法将有效谐波分离出来后进行重构得到有效信号，同时可以获取信号有效谐波的频率、幅值、相位等相关特性参数。具体流程如图1所示。

图1 有效信号提取流程图

2 试验方案设计

为了实现焊接过程中不同激励源声发射信号的试验采集，笔者设计了一套焊接过程裂纹声发射信号测试平台，它不仅能够在焊接过程中给焊件施加可调约束应力来引导焊接结构裂纹产生，而且能够实现焊接过程中声发射信号的实时采集。笔者还设计了焊接过程不同源声发射信号的试验采集方案。

2.1 焊接试验平台

搭建的焊接过程裂纹声发射信号测试平台由焊机模块、可调约束压力施加模块和声发射信号采集模块三大模块构成。焊机模块由焊接电源、焊机、辅助机构组成，试验过程中可以依据不同工艺要求对焊机模块进行选择。焊接可调约束应力试验装置由压力施加夹具、试验台身主体、焊件安装夹具3个单元组成，其能够在不同的工作条件下给焊件施加压力，使得焊件产生塑性形变而引导裂纹产生。声发射信号采集模块由外置PC机、声发射主机箱、声发射信号跟随电路组成，能够在焊接试验过程中实时采集声发射信号，并且进行显示与储存。结合不同焊接工艺试验，如手工焊接、铝合金MIG焊等，该平台可以模拟不同焊接工艺时的焊接结构变形、裂纹产生等物理过程，并同步进行多通道声发射信号采集与测试。图2为该焊接试验平台实物照片。

图2 焊接试验平台实物

2.2 试验方案及信号采集 以铸铁手工焊作为试验对象，选用铸铁型号为HT200，基本尺寸(长×宽×厚)为200 mm×70 mm×8 mm，手工焊机焊接电流为100～130 A，焊接电压380 V，焊丝牌号为J422，焊丝直径为2.5 mm，分别采集摩擦源、焊接电弧冲击源、焊接结构裂纹源声发射信号。选择AEU2S声发射系统，传感器型号为SR150M。为了实现试验信号的有效采集，首先对声发射信号采集仪的相关参数进行设置，以减少外界干扰因素对特征信号的影响，相关参数设置为：采样频率1 000 kHz；波形长度2 048；锁闭时间1 000 μs;波形门限45 dB。

声发射信号采集试验方案如下：

(1) 摩擦源声发射信号采集试验。焊接试验过程中，摩擦源声发射信号主要是由焊接工件与试验台台身、焊件安装夹具、压力施加螺杆等发生摩擦产生的。工焊机模块是焊接结构裂纹研究的基础模块，由焊接电源、焊机、辅助机构等组成。试验过程中可以依据不同要求对焊机模块进行选择，此处试验方法为铸铁手工焊。试验过程中，使用工件安装夹具板块与焊件产生摩擦，并通过声发射采集仪采集声发射时域信号。

(2) 焊接电弧冲击源声发射信号采集试验。焊接电弧冲击源声发射信号是由焊接过程中电弧冲击作用产生的。采集焊接电弧冲击源声发射信号的过程中，为保证焊接电弧冲击源声发射信号的信噪比，起弧过程中要求尽量减少焊丝与焊件之间的相对滑动时间，同时需要保证焊接过程的平稳进行。

(3) 焊接裂纹源声发射信号采集试验。焊接结构裂纹源声发射信号，是由焊件发生形变引起焊接结构裂纹而使得焊件内部残余应力释放产生的。由于焊接过程中裂纹源声发射信号相对微弱，为有效采集焊接裂纹源声发射信号，需要避免其他源声发射信号的干扰。选择在焊接工作完成之后，立刻施加应力约束使焊件变形并产生裂纹，且同步进行声发射信号采集，这样做的目的在于避免焊接过程中摩擦源、焊接电弧冲击源产生的声发射信号的干扰，尽量获得较高信噪比的焊接结构裂纹源声发射信号。

3 试验结果分析

应用基于谐波分析的多源声发射信号特性分析方法，分别对焊接试验过程中摩擦源、焊接电弧冲击源、焊接结构裂纹激励源声发射信号进行特性分析，基本流程如图3所示。

图3 焊接过程声发射信号特性分析流程

图4 原始摩擦源声发射信号及频谱

3.1 试件与夹具摩擦源声发射信号分析 选取试验采集到的摩擦源声发射信号中的一段原始信号进行分析处理，信号波形及其幅值谱如图4所示。应用基于谐波提取的声发射信号特性分析方法，对选取的摩擦源声发射信号进行计算与特性分析，提取的有效摩擦声发射信号及其幅值谱见图5。对比图4(a)和图5(a)可看出,原始声发射信号经特性分析后，提取的有效摩擦声发射信号仍然保留了原始声发射信号模态特征。从图4(b)和图5(b)可看出：原始声发射信号频谱能量主要集中在20 kHz～30 kHz，之后随频率的增大逐渐减小，但频段分布相对较宽；而提取的有效摩擦声发射信号频谱能量相对集中。这说明原始声发射信号经特性分析后，剔除了高低频段其他干扰成分，保留了摩擦声发射信号主体模态成分，摩擦声发射信号谐波主要集中在10 kHz～63 kHz频段。

图5 提取的有效摩擦源声发射信号及频谱

图6 原始焊接电弧冲击源声发射信号

图7 提取的有效焊接电弧冲击源声发射信号

3.2 焊接电弧冲击源声发射信号分析

选取试验采集到的电弧冲击激励源声发射信号中的一段原始信号进行分析处理，信号波形及其幅值谱如图6所示。应用基于谐波提取的声发射信号特性分析方法，对选取的电弧冲击激励源声发射信号进行计算与特性分析，提取的有效电弧冲击激励源声发射信号及其幅值谱见图7。对比图6(a)和图7(a)可看出,原始声发射信号经特性分析后，提取的有效电弧冲击激励源声发射信号仍然保留了原始声发射信号的模态特征。从图6(b)和图7(b)可看出：原始声发射信号频谱能量集中在50 kHz～60 kHz，之后随频率增大逐渐减小，但频段分布较宽;而提取的有效电弧冲击激励源声发射信号频谱能量相对集中。这说明原始声发射信号经特性分析后，剔除了高低频段其他干扰成分，保留了电弧冲击激励源声发射信号主体模态成分，电弧冲击激励源声发射信号谐波主要集中在22.5 kHz～103.5 kHz频段。

图8 原始焊接结构裂纹源声发射信号

图9 提取的有效焊接结构裂纹源声发射信号

3.3 焊接结构裂纹源声发射信号分析 选取试验采集到的裂纹源声发射信号中的一段原始信号进行分析处理，信号波形及其幅值谱如图8所示。由图8(b)可看出，采集到的裂纹源声发射信号频谱能量分布在10 kHz～260 kHz，主要包括施加约束时引起的摩擦、裂纹产生的声发射信号。应用基于谐波提取的声发射信号特性分析方法，对选取的裂纹源声发射信号进行计算与特性分析，提取的有效裂纹源声发射信号及其幅值谱见图9。对比图8(a)和图9(a)可看出,原始声发射信号经特性分析后，提取的有效裂纹源声发射信号仍然保留了原始声发射信号模态特征。从图8(b)和图9(b)可看出,原始声发射信号频谱能量分布较宽，而提取的有效裂纹源声发射信号频谱能量相对集中。这说明原始声发射信号经特性分析后，剔除了高低频段其他干扰成分，保留了裂纹源声发射信号主体模态成分，裂纹源声发射信号谐波主要集中在100 kHz～265.5 kHz频段，这与金属裂纹源声发射信号主要集中在谐波频段的观点相吻合。进一步观察可以看出，图9(b)裂纹声发射信号能量有两个波峰。产生这一现象的原因在于：试验采集到的焊接结构裂纹源声发射信号中混有焊渣裂纹源声发射信号，焊渣裂纹与焊接结构裂纹在形成与扩展过程中产生的声发射信号机理相似。

4 结论

(1) 搭建了焊接过程裂纹声发射信号测试平台。该平台可以模拟不同焊接工艺下产生的焊接结构变形、裂纹产生等物理过程，并同步进行多通道声发射时域信号采集。

(2) 提出了一种基于谐波提取的声发射信号特性分析方法，并结合焊接过程中的裂纹声发射信号测试试验，以铸铁手工焊为研究对象，分别对焊接过程摩擦激励源、焊接电弧冲击激励源、焊接结构裂纹激励源的声发射信号进行有效提取与频谱分析，获取了相应激励源的声发射信号频域特性。

(3) 焊接过程中，摩擦源声发射信号谐波频段主要分布在10 kHz～63 kHz，焊接电弧冲击源声发射信号谐波频段主要分布在22.5 kHz～103.5 kHz，焊接结构裂纹源声发射信号谐波频段主要分布在100 kHz～265.5 kHz频段。

[1] 许中林,李国禄, 董天顺. 声发射信号分析与处理方法研究进展[J].材料导报,2014,28(5):56-60.

[2] 耿荣升,沈功田,刘时风. 声发射信号处理和分析技术[J].无损检测,2002,24(1):23-28.

[3] YANG Z, YU Z, WU H, et al. Laser-induced thermal damage detection in metallic materials via acoustic emission and ensemble empirical mode decomposition[J]. Journal of Materials Processing Technology, 2014, 214(8):1617-1626.

[4] HAN L, LI C W, GUO S L, et al. Feature extraction method of bearing AE signal based on improved FAST-ICA and wavelet packet energy[J]. Mechanical Systems & Signal Processing, 2015, 62/63:91-99.

[5] YANG Z, YU Z. Grinding wheel wear monitoring based on wavelet analysis and support vector machine[J]. The International Journal of Advanced Manufacturing Technology, 2012, 62(1):107-121.

[6] 刘贵杰, 徐萌, 李思乐,等. 基于小波能量系数的海洋平台管节点疲劳裂纹扩展AE信号识别[J]. 无损检测, 2013, 35(2):1-7.

[7] 吴旭景, 杜斌, 叶陈. 基于EMD和小波分解的管道泄漏声发射源定位[J]. 无损检测, 2015, 37(10):60-63.

[8] 徐嗣嘉, 林丽, 周勇. 基于共振解调和小波包能量谱的声发射信号特征提取[J]. 无损检测, 2016, 38(1):1-5.

[9] 蒋鹏, 张璐莹, 李伟. 基于小波神经网络的储罐声发射检测信号分析方法[J]. 无损检测, 2014, 36(9):1-4.

[10] SUN J, XIAO Q, WEN J. Natural gas pipeline small leakage feature extraction and recognition based on LMD envelope spectrum entropy and SVM[J]. Measurement, 2014, 55(9):434-443.

[11] 徐彦凯,双凯. 自适应奇异值分解瞬变信号检测研究[J].电子与信息学报,2014,36(3):583-588.

[12] 余晓芬,俞建卫,费业泰. 混合谱动态测试信号综合分析法[J].中国科学技术大学学报,2002,32(1):112-116.

Characteristic Analysis of AE Signal in Welding Process Based on Harmonic Extraction

LI Qi, HE Kuanfang, LIU Xiangnan

(Hunan Provincial Key Laboratory of Health Maintenance for Mechanical Equipment,Hunan University of Science and Technology, Xiangtan 411201, China)

Characteristic analysis of the acoustic emission (AE) signal accompanying welding process by way of experiment is a prerequisite for realizing online detection of the welding crack. An AE signal characteristic analysis method based on harmonic extraction is proposed. Combining with an experiment on AE signals during the welding process, the valid extraction and frequency spectrum analysis are performed for AE signals collected in welding process. The AE signals frequency domain characteristics of the corresponding excitation source of friction, the welding arc shock and the welding structure crack are obtained respectively, which provide basic data and reference for realizing AE online detection of the welding crack.

welding process; AE signal; harmonic extraction; frequency spectrum analysis

2017-03-10

国家自然科学基金资助项目(51475159)；湖南省自然科学基金资助项目(2017JJ1015,2017JJ2086)

李 奇(1991-)，男，硕士研究生，研究方向为焊接过程质量监控

何宽芳(1979-)，男，教授，主要从事机械系统动态监测、焊接结构裂纹声发射检测相关工作,hkf791113@163.com

10.11973/wsjc201708004

TG115.28

A

1000-6656(2017)08-0016-06