聲發射源多傳感器數據融合識別技術
加入技術交流群
ωi：由于實際聲發射檢測中各傳感器分布在構件的不同區域，如局部結構的不連續，都會給波的傳播模式帶來影響，因而造成對聲發射源的識別的正確性帶來影響，用此權值進行修正；
?i：傳感器i與各目標的最大相關系數，?i=max{CiCj}；
? i：傳感器i與各目標相關系數的分布函數， ；
mi(j)：傳感器i賦予目標類別j的基本概率分布值；
mi(?)：傳感器i賦予識別框架?的基本概率值，即傳感器i的不確定性概率值。
式中的 項，其物理意義在傳感器與識別聲發射源之間的置信測度，與傳感器本身的可靠性無關，主要是聲發射源發出的信號在傳播過程所造成的影響，與具體的檢測對象以及所采用的定位陣列有關。
2.2識別的過程
在聲發射源識別過程中，以平面三角形定位為例，當定位組中有聲發射信號發生時，信號的波形分別被該定位組中的三個傳感器接收，經放大并進行一定的濾波調理后，由高速A/D轉換器將模擬信號數字化，然后存儲于計算機中，可供事后分析。在實時采集時，只提取一些主要參數供檢測時監控使用，對于有定位要求的還要顯示定位的事件。采集時一般不進行識別過程的處理，主要是保證不丟失聲發射信號，在信號量較少的情況下，可以選擇實時識別。對信號和通道數較多，而且需要進行實時識別時，可采用分布式系統，下位機實現信號的采集與傳輸，上位機進行實時的處理，并及時顯示結果。識別時，為了提高神經網絡局部識別的能力，需要對原始信號進行預處理以提取信號的特征。小波分析對瞬態信號有較好的局部時頻特性，所以采用小波分析的方法進行信號特征提取。提取特征的信號送入神經網絡進行單個傳感器的局部目標分類。輸出的值用于構造mi(A)和mi(?)函數，再按Dempster合并規則，得到最終的基本可信度的分配值。最后，依照各命題的可信度和似然度等指標，用全局決策規則，得到目標識別的結果。
評論