基于熵驱动的层次化框架,实现具有误报控制的稳健声发射检测

《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》:Entropy-driven hierarchical framework for robust acoustic emission detection with false-alarm control

【字体: 大 中 小 】 时间:2026年07月24日 来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING 10.2

编辑推荐:

  •提出了一种EDMS方法,用于可靠检测非平稳声发射信号。•通过联合熵与熵率对瞬态复杂性衰减进行建模。•分层置信度推断可减少误报并恢复弱信号事件。•在各类测试样本中,该方法的平均误报率低于0.10,检测率高于0.90,覆盖率高于0.85。•还能实现可解释的应力腐蚀开裂监测与结构评估

  •提出了一种EDMS方法,用于可靠检测非平稳声发射信号。•通过联合熵与熵率对瞬态复杂性衰减进行建模。•分层置信度推断可减少误报并恢复弱信号事件。•在各类测试样本中,该方法的平均误报率低于0.10,检测率高于0.90,覆盖率高于0.85。•还能实现可解释的应力腐蚀开裂监测与结构评估。

引言
在腐蚀、机械振动和电磁耦合共存的复杂工业环境中,声发射信号不可避免地会受到多种干扰因素的影响。因此,这类信号通常具有较低的信噪比、稀疏的脉冲特征以及明显的非平稳性。这些问题会模糊事件边界,增加误触发的可能性,还会限制检测算法在不同工作条件下的适用性[1]、[2]。应力腐蚀开裂是影响核部件在使用过程中结构完整性的最严重失效机制之一。能够尽早且实时地识别裂纹,并尽量减少干扰,对于预防事故和制定维护策略至关重要[3]。然而在实际的腐蚀环境中,复杂的噪声和多路径传播往往会提高误报率,同时掩盖早期微裂纹的弱能量特征[4]。近年来,人们越来越关注利用声发射技术进行裂纹监测。声发射对裂纹萌生和扩展过程中释放的瞬态能量极为敏感,无需外部激励即可实现连续信号采集,其工作频率通常在几千赫到几兆赫之间。基于声发射的方法在监测储罐、管道、压力容器以及关键核部件方面展现出巨大潜力[5]。为探索这一潜力,许多研究在加速腐蚀的受控实验室环境中开展了与应力腐蚀开裂相关的声发射研究。典型的实验装置包括浸入含氯离子或硫酸根离子溶液中的紧凑拉伸试样、C形环试样或拉伸试样。这些实验为了解裂纹生长机制提供了宝贵见解。但由于流体振动、气泡产生以及电磁耦合等因素,记录到的声发射信号往往包含较强的噪声和非平稳特性[6]。这种复杂性使得传统的固定阈值检测方法难以在裂纹早期萌生阶段识别出弱信号[7]。此外,试样厚度、加载条件以及噪声特性的差异,会导致声发射信号的统计特征和能量特征存在较大的样本依赖性。因此,基于阈值或经验特征参数的方法往往无法在不同试样上实现一致的检测性能[8]、[9]。

与此同时,传统的到达时间检测方法,如幅度阈值、能量阈值、希尔伯特包络分析以及STA–LTA或AIC算法,在工程实践中应用较为简单。但在强噪声、非平稳背景以及多路径传播条件下,这些方法的性能往往会下降[10]、[11]。在这种环境下,低阈值可能会被噪声波动、气泡共振或阴极干扰所触发,而高阈值则可能抑制早期微裂纹信号,从而导致误报和漏检同时出现。尽管希尔伯特包络分析能够增强与故障相关的信号成分,但它仍然容易受到背景波动和共振成分的影响[12]。因此,人们开始采用具有更强统计特性和信息论特性的时频指标,以降低事件检测对固定阈值标准的依赖性[13]、[14]。

近期的研究越来越多地采用信息论与时频方法,以提高缺陷相关声发射瞬态信号与背景噪声的分离度,为传统基于阈值的检测方法提供了一种更为可靠的替代方案。这些方法已被应用于多种领域,包括海洋结构物的腐蚀监测[15]、钢筋混凝土结构[16]以及增材制造金属结构的监测[17],还有航空结构和复合材料的疲劳损伤评估[18]、[19]、[20]、[21]。基于熵的描述符也被用于混凝土损伤的表征[22],小波分类器则在局部腐蚀场景下的声发射信号分类中得到了应用[23]。在这些方法中,基于熵的表示方法因无需标记数据即可量化信号复杂性而备受关注。

常见的基于熵的方法通过时间域、频率域或时频域中定义的概率分布,来量化信号能量的分散程度或集中程度。例如,多尺度熵被用于轴承故障诊断,可通过捕捉多个时间尺度上的信号复杂性来实现这一目的[24];小波熵则被应用于腐蚀损伤评估以及结构监测中的声发射信号表征[22]、[25]。香农小波能量熵作为应用最为广泛的静态熵描述符之一,已被用于噪声环境下的基于声发射的检测任务[25]。塔萨利斯同步挤压小波熵也在相对可控的噪声条件下被证明可用于裂纹监测[26]。在大多数这类方法中,熵是在一个局部窗口内计算出来的,被视为用于基于阈值触发或决策的静态分布描述符,对其时间演化过程关注较少[14]。因此,这类方法只能描述信号结构的一部分,难以完整体现信号强度、频谱特征和时间动态之间的耦合演化关系。

诸如能量重分配和同步挤压等先进的时频技术,进一步提升了时频能量分布的集中度和可解释性,增强了声发射分析中弱瞬态成分的可见度[26]、[27]。即便如此,当熵与这些表示方法结合使用时,它仍大多被用作描述性特征或阈值统计量,这使得事件边界的界定容易受到窗口长度、变换参数以及背景波动的影响[14]。在应力腐蚀开裂监测中,这一局限性更为明显,因为该场景下的声发射信号强度更低、持续时间更长,还常常受到电化学噪声和环境噪声的干扰[5]。在这种条件下,裂纹引发的瞬态信号的起始和结束时间往往难以辨识,这使得基于静态熵阈值的策略难以在不同的试样和噪声条件下,同时实现精确的边界划分、较低的误报率以及较高的检测覆盖率。与此同时,基于深度学习和盲源分离的端到端检测框架在特征表示领域发展迅速[27]、[28]、[29],但它们的输出往往缺乏概率校准,难以在检测过程中保持稳定的误报率。总体而言,现有的方法尚未建立起一种超越静态熵阈值检测的框架,无法对复杂性动态进行显式建模,尤其是在应力腐蚀开裂监测这种噪声条件极为恶劣的情况下,难以实现对弱且非平稳的裂纹引发瞬态信号的精准识别。

针对上述不足,我们提出了一种基于熵的分层多阶段框架,即EDMS。与传统基于熵阈值的方法不同,EDMS同时对熵的大小和熵率进行建模,从而将复杂性水平及其时间演化特征都纳入边界推断之中。这种动态视角使得裂纹引发的复杂性衰减能够比仅通过静态熵比较更可靠地被识别出来。该框架还将多频段熵一致性建模、分层伪标签技术以及概率校准整合到一个统一的、具备边界感知能力的检测架构中,从而实现弱信号事件的恢复与误报的抑制,并且各项功能能够协同工作。从这个意义上说,EDMS与现有的基于熵的方法有所不同,它通过结合熵率协同建模与分层误报控制机制,能够在非平稳的应力腐蚀开裂条件下实现更为可靠的声发射边界检测。

该框架在加速腐蚀加载条件下的Q235碳钢应力腐蚀开裂试验平台上进行了验证。实验采用了H2SO4–NaCl混合腐蚀介质以及声发射传感器;噪声环境由测试装置本身产生的固有电化学噪声、机械噪声和回声干扰构成,未添加人工噪声。实验共使用了4种不同厚度(2毫米、4毫米、6毫米和8毫米)的试样,全程记录了裂纹扩展过程中的声发射信号。与传统的基于阈值的方法、典型的基于熵的检测器以及其他竞争性的信号处理方法相比,EDMS在复杂噪声条件下的可靠性显著更高。实验结果表明,该框架能够有效减少误报,提升检测覆盖率,同时在不同的工作条件下都能保持较高的准确率和稳定的性能。这些发现表明,EDMS为应力腐蚀开裂声发射分析中的自动化可靠检测提供了一种可迁移且可量化的解决方案。

本研究的主要贡献有三点:(1) 提出了一种结合熵与熵率的表示方法,用于表征裂纹引发的复杂性衰减,从而将熵从一种静态描述符转变为对边界变化敏感的动态检测依据。(2) 开发了一种基于熵的分层多阶段检测框架EDMS,该框架通过整合分层置信度推断和弱信号事件恢复机制,实现了在低信噪比条件下的可靠边界检测。(3) 建立了一种经过置信度校准的决策策略,该策略结合了局部噪声归一化、时间一致性匹配以及稳定性约束排序等方法,提升了跨试样的检测可靠性,并减少了虚假检测的出现。

章节节选
应力腐蚀开裂监测策略
所提出的熵驱动分层(EDMS)框架旨在在复杂噪声条件下,以高灵敏度检测弱声发射事件,同时精准识别事件边界。如图1所示,首先通过对原始声发射信号进行带通滤波和小波去噪处理[7],在抑制宽频噪声的同时保留瞬态信号成分。随后在多个频段上计算时间-频率同步挤压小波熵及其对应的时间熵率,以此来...

实验装置
基于上述检测框架和评估指标,下一节将介绍用于在受控应力腐蚀开裂环境中验证EDMS方法的实验装置及数据采集流程。如图3所示,实验中采用了声发射监测系统,用于捕捉Q235碳钢在裂纹萌生和扩展过程中的响应信号。为模拟腐蚀环境,首先将试样安装在Santam...

结果
本节将对在复杂噪声条件下所提出的EDMS框架的验证结果及分析内容进行阐述。首先从信号复杂性的角度,评估塔萨利斯熵表征裂纹事件相关瞬态响应的能力,随后通过对比不同厚度试样的检测结果,验证该框架的可靠性和可迁移性。图5展示了一个典型应力腐蚀开裂声发射信号的复杂性分析结果...

结论
本研究提出了一种EDMS框架,用于解决复杂噪声条件下应力腐蚀开裂声发射信号的非平稳特性问题。该框架在SWT的基础上实现了高分辨率的时频重建,同时通过协同建模塔萨利斯熵与熵率,实现了对信号能量复杂度及其动态演化特性的同时表征。通过将基于熵的多阶段推理机制嵌入检测流程,EDMS能够有效抑制误报...

作者贡献声明
刘光宇:撰写——初稿、方法论、研究实施、概念构思。Kevin Sze Chiang Kuang:撰写——审阅与编辑、监督、方法论、概念构思。阮文帅:研究实施、数据整理。陈一鸣:研究实施、数据整理。徐梦迪:验证、方法论、研究实施。刘玉红:可视化处理、数据整理。肖辉:撰写——审阅与编辑、资金申请、数据整理、概念构思。李学锋:撰写——审阅与编辑...

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
本研究得到了国家自然科学基金(项目编号62175187和62573324)以及中国国家留学基金委的资助。

刘光宇|Kevin Sze Chiang Kuang|阮文帅|陈一鸣|徐梦迪|刘玉红|肖辉|李学锋
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号