基于熵和波形特征的木材損傷斷裂過(guò)程聲發(fā)射信號(hào)處理

張美林，李俊萩，張晴暉，何鑫，藍(lán)增全，李明

(西南林業(yè)大學(xué)大數(shù)據(jù)與智能工程學(xué)院，昆明 650224)

木材是一種具有多孔、層狀結(jié)構(gòu)的天然復(fù)合材料，當(dāng)其局部發(fā)生形變和斷裂時(shí)，能量以應(yīng)力波的形式釋放出來(lái)，從而產(chǎn)生大量的聲發(fā)射(acoustic emission，簡(jiǎn)稱AE)信號(hào)。木材的損傷或破壞方式非常復(fù)雜，但從細(xì)觀結(jié)構(gòu)變化行為來(lái)看，木材內(nèi)部的損傷大致可分為胞壁屈曲與塌潰、胞壁界面損傷與層裂、微裂隙損傷區(qū)的形成與擴(kuò)展、胞壁斷裂等幾種基本形式，而每一種損傷或斷裂在其生成發(fā)展中都會(huì)有明顯的聲發(fā)射特征[1]。因而，通過(guò)對(duì)木材在加載狀態(tài)下的AE信號(hào)進(jìn)行分析和研究，從而推斷出其內(nèi)部的狀態(tài)變化，并反演破壞過(guò)程，對(duì)木材內(nèi)部損傷的研究，以及實(shí)時(shí)監(jiān)測(cè)和評(píng)估具有重要意義。

現(xiàn)代聲發(fā)射技術(shù)的開(kāi)端在20世紀(jì)50年代初的德國(guó)[2]，我國(guó)直到80年代初AE技術(shù)開(kāi)始應(yīng)用于工程實(shí)際當(dāng)中[3]。Reiterer等[4]采用劈裂試驗(yàn)和AE監(jiān)測(cè)相結(jié)合的方法，研究軟木和硬木Ⅰ型斷裂內(nèi)應(yīng)力變化和斷裂過(guò)程。孫建平等[5]研究山楊在動(dòng)態(tài)載荷下AE信號(hào)的演變過(guò)程，通過(guò)AE信號(hào)的幅值與能量等參數(shù)分析研究不同受力階段木材的AE信號(hào)特征。邵卓平等[6]以無(wú)缺陷和含裂紋試件為研究對(duì)象，在彎曲破壞的條件下研究材料內(nèi)部微結(jié)構(gòu)演化的AE特性，并用AE事件數(shù)、振鈴計(jì)數(shù)、持續(xù)時(shí)間以及Felicity比等特征參數(shù)對(duì)幾種損傷類型進(jìn)行辨識(shí)。郭曉磊等[7]利用參數(shù)分析法研究木材損傷斷裂過(guò)程中AE信號(hào)特征。Lamy等[8]通過(guò)力-位移曲線分析、聲發(fā)射測(cè)量和數(shù)字圖像采集3種實(shí)驗(yàn)方法的比較，研究了單調(diào)加載下花旗松的破壞過(guò)程。Friedrich等[9]探討了從AE信號(hào)的實(shí)驗(yàn)記錄中計(jì)算出的幾個(gè)指標(biāo)，以及它們?cè)诿枋鼋Y(jié)構(gòu)破壞過(guò)程中的效率，并將其敏感性與聲發(fā)射分析中通常使用的其他經(jīng)典參數(shù)進(jìn)行了比較。董紅平等[10]、鞠雙等[11]通過(guò)信號(hào)瞬時(shí)頻率研究AE事件發(fā)生數(shù)或頻譜等特性。

上述研究證明了木材損壞過(guò)程中AE信號(hào)的幅值、累計(jì)能量、振鈴總計(jì)數(shù)、瞬時(shí)頻率、頻譜等常規(guī)參量均能夠在一定程度上對(duì)木材損壞過(guò)程進(jìn)行反映。不過(guò)，由于環(huán)境噪音的干擾，信號(hào)采集系統(tǒng)的設(shè)備不同，不同樹(shù)種、含水率等狀態(tài)的改變均可能導(dǎo)致相應(yīng)參數(shù)發(fā)生變換，從而導(dǎo)致誤判。因此，研究并尋找更加敏感和準(zhǔn)確的信號(hào)特征，同時(shí)剔除無(wú)用的干擾信息，不僅有助于提高判斷的準(zhǔn)確性，同時(shí)能夠提高木材損傷狀態(tài)預(yù)警的實(shí)時(shí)性。

相關(guān)研究表明，木材在受力發(fā)生斷裂的過(guò)程中，激發(fā)生成的AE信號(hào)具有不確定性、復(fù)雜性、非平穩(wěn)以及非線性等特點(diǎn)。而目前通過(guò)信號(hào)的不確定性和波形特征來(lái)對(duì)木材損傷狀態(tài)下的AE信號(hào)進(jìn)行分析的相關(guān)研究較少。由于信號(hào)的熵值能夠?qū)π盘?hào)的復(fù)雜程度、紊亂程度進(jìn)行表征，信號(hào)的峰值因子、脈沖因子、裕度因子、波形因子等時(shí)域特征參數(shù)能夠敏感地反映出波形的變化。因而，本研究通過(guò)采集木材在彎曲損傷過(guò)程中的AE信號(hào)，利用經(jīng)驗(yàn)?zāi)Ｊ椒纸馑惴?empirical mode decomposition，EMD)對(duì)干擾進(jìn)行抑制。同時(shí)，分析并挖掘木材損傷和斷裂狀態(tài)與信號(hào)特征的對(duì)應(yīng)關(guān)系。

1 AE信號(hào)處理與特征計(jì)算

由于EMD算法充分考慮了信號(hào)本身的局部尺度特征，使得每個(gè)分解分量自然地表示原信號(hào)的一種尺度特征，非常適合非線性、非平穩(wěn)信號(hào)的分析處理。因此，本研究首先采用EMD算法對(duì)AE信號(hào)進(jìn)行分解，對(duì)各個(gè)分量信號(hào)進(jìn)行分析處理，保留攜帶了更多木材斷裂信息的分量，去除干擾分量，然后再重構(gòu)AE信號(hào)。最后，再對(duì)重構(gòu)后信號(hào)的熵值、峰值因子、脈沖因子、裕度因子、波形因子等特征值進(jìn)行計(jì)算與分析。

1.1 EMD原理與信號(hào)重構(gòu)機(jī)制

EMD的基本原理是把一段離散數(shù)據(jù)信號(hào)分解為不同頻率的本征模函數(shù)(intrinsic mode function, IMF)，以及一個(gè)頻率接近為0的殘余分量。它是由美國(guó)學(xué)者Huang等[12]于1998年首次提出的，其可以表示為：

(1)

式中：X為原始信號(hào)；Ci為IMF；r為殘余分量。

在信號(hào)處理中，瞬時(shí)頻率是信號(hào)最重要的特性，它是時(shí)間的單調(diào)函數(shù)，在給定的時(shí)刻只有唯一頻率值，瞬時(shí)頻率把信號(hào)截至為“窄帶”，直觀上，瞬時(shí)頻率為相位的微分。峭度反映波形分布特性的數(shù)值統(tǒng)計(jì)量，當(dāng)信號(hào)存在較多沖擊成分時(shí)，峭度值明顯增大。當(dāng)木材因受外力內(nèi)壁發(fā)生變化時(shí)，能量以應(yīng)力波的形式釋放出來(lái)，表現(xiàn)為AE信號(hào)，峭度值越大說(shuō)明信號(hào)中沖擊成分所占的比重越多。而有效AE信號(hào)往往包含于沖擊成分較多的信號(hào)中，其中峭度值較大的IMF分量中沖擊成分較為明顯，攜帶了更多的木材斷裂信息。一段信號(hào)經(jīng)EMD分解，根據(jù)式(2)[13]計(jì)算各IMF分量的峭度，其中Ti為第i個(gè)IMF分量峭度。

(2)

由于現(xiàn)有研究表明木材AE信號(hào)主要分布在50～200 kHz范圍內(nèi)，并且，木材損壞過(guò)程中，AE信號(hào)具有較大能量，以及較多的沖擊成分。因此，本研究綜合考慮各分量的能量、瞬時(shí)頻率，以及能反映信號(hào)沖擊成分多少的峭度值，從多個(gè)分量中確定并選擇有效分量，再對(duì)信號(hào)進(jìn)行重構(gòu)。

1.2 熵函數(shù)的意義

熵在信息論中是十分重要的一個(gè)概念，它從平均意義上表征了隨機(jī)對(duì)象的總體信息不確定度。對(duì)于一個(gè)離散隨機(jī)變量X，將其概率空間設(shè)為：

(3)

其中概率p滿足：

則整個(gè)概率空間的平均不確定性即信息熵定義為：

(4)

在解決實(shí)際問(wèn)題中，為了避免事件ai出現(xiàn)的概率趨于0時(shí)不收斂的情況，岳嘉穎等[14]在研究中提出了指數(shù)熵的概念，設(shè)事件ai的概率為p(ai)，則其包含的信息總量定義為：

ΔI[p(ai)]=e1-p(ai)

(5)

則整個(gè)概率空間的指數(shù)熵H定義為：

(6)

信息熵和指數(shù)熵的概念都是用于描述信息源的冗余度，一段信號(hào)越是有序，信息熵就越低；反之，一段信號(hào)越是混亂，信息熵就越高。

1.3 信號(hào)的波形特征參數(shù)

峰值因子、脈沖因子、裕度因子、波形因子等時(shí)域特征參數(shù)能夠敏感地反映出波形的變化，常被做為異常波形檢測(cè)的特征參數(shù)。設(shè)某離散信號(hào)序列X=(x1,x2,…,xn)，n為信號(hào)長(zhǎng)度，各波形特征參數(shù)的計(jì)算如下。

峰值因子X(jué)C是信號(hào)峰值差(Xpeak)與均方根值(Xrms)的比值，代表峰值在波形中的極端程度。表達(dá)式為：

(7)

脈沖因子X(jué)I是信號(hào)峰值差(Xpeak)與整流平均值(Xarv)的比值。表達(dá)式為：

(8)

裕度因子X(jué)L是信號(hào)峰值差(Xpeak)與方根幅值(Xr)的比值。均方根的公式是信號(hào)平方和的平均值的算術(shù)平方根，方根幅值是算術(shù)平方根的平均值的平方。表達(dá)式為：

(9)

波形因子X(jué)S是均方根值(Xrms)與整流平均值(Xarv)的比值，及脈沖因子和峰值因子的比值。表達(dá)式為：

(10)

綜合來(lái)說(shuō)，峰值因子、脈沖因子和裕度因子的物理意義是相似的，都是用來(lái)檢測(cè)信號(hào)中有無(wú)沖擊的指標(biāo)及波形平緩程度的。波形因子是脈沖因子和峰值因子的比值，其也間接代表了一段信號(hào)的極點(diǎn)波動(dòng)情況。

2 試驗(yàn)設(shè)計(jì)

2.1 試驗(yàn)樣木及設(shè)備

選用表面無(wú)缺陷且氣干狀態(tài)下含水率穩(wěn)定在11%左右的櫸木(Makino)為實(shí)驗(yàn)材料，試件尺寸為800 mm(長(zhǎng))×60 mm(寬)×30 mm(厚)。本研究實(shí)驗(yàn)設(shè)備為NI USB-6366高速采集卡、LabVIEW軟件搭建3通道AE信號(hào)采集系統(tǒng)、UTM5105型萬(wàn)能力學(xué)試驗(yàn)機(jī)(最大試驗(yàn)力為100 kN，功率為1.5 kW，可實(shí)現(xiàn)全曲線的繪制)、SR150N單端諧振式AE傳感器(信號(hào)帶寬為22～200 kHz)，同時(shí)配備了增益為40 dB前置放大器，每個(gè)通道的最高采樣頻率為2 MHz，放大器的輸出電壓范圍為±5 V。

2.2 試驗(yàn)過(guò)程

本研究采用三點(diǎn)彎曲實(shí)驗(yàn)激發(fā)生成AE信號(hào)。通過(guò)UTM5105型萬(wàn)能力學(xué)試驗(yàn)機(jī)對(duì)試件進(jìn)行橫向加壓，跨距為200 mm，并以1 mm/min的速度對(duì)試件勻速加載，整個(gè)加壓時(shí)間持續(xù)370 s。在壓頭兩側(cè)分別布置3個(gè)AE傳感器，每2個(gè)傳感器的距離設(shè)定為300 mm，實(shí)驗(yàn)結(jié)構(gòu)圖如圖1所示。并且在傳感器上涂抹硅膠作為耦合劑，保證采集信號(hào)更準(zhǔn)確。

圖1 實(shí)驗(yàn)設(shè)置Fig. 1 Experimental setting

試件表面加壓產(chǎn)生的AE信號(hào)由傳感器SR150N轉(zhuǎn)換為電信號(hào)，經(jīng)前置放大器對(duì)信號(hào)進(jìn)行放大，然后使用NI USB-6366數(shù)據(jù)采集卡采集并轉(zhuǎn)換為數(shù)字信號(hào)存儲(chǔ)在計(jì)算機(jī)中。數(shù)據(jù)采集過(guò)程是在基于LabVIEW軟件搭建數(shù)據(jù)采集系統(tǒng)的控制下實(shí)現(xiàn)的。本研究將數(shù)據(jù)采集卡的采樣頻率設(shè)置為500 kHz，根據(jù)香農(nóng)采樣定理，理論上可以辨識(shí)0～250 kHz范圍內(nèi)的AE信號(hào)。

3 結(jié)果與分析

圖2 時(shí)間-載荷曲線Fig. 2 Time-load curve

3.1 原始數(shù)據(jù)分析

為了分析應(yīng)力與AE信號(hào)發(fā)生的關(guān)系，利用力學(xué)試驗(yàn)機(jī)繪制了相應(yīng)的時(shí)間-載荷曲線(圖2)。從圖2可以看出，載荷的變化大致可以分為3個(gè)階段。在一開(kāi)始時(shí)，載荷隨著時(shí)間線性增加，并在204 s左右達(dá)到最大值。宏觀上，樣木也就在該時(shí)刻發(fā)生了明顯的斷裂。隨后，在很短的時(shí)間內(nèi)，載荷曲線出現(xiàn)一個(gè)陡峭的下降。再之后，載荷曲線以近似于指數(shù)曲線的趨勢(shì)逐漸下降。

采集獲取的原始AE信號(hào)見(jiàn)圖3，根據(jù)采樣頻率和持續(xù)時(shí)間計(jì)算可知，共有1.85×108個(gè)采樣點(diǎn)。通過(guò)觀察分析圖2和圖3，根據(jù)波形的幅值或能量，從木材細(xì)觀結(jié)構(gòu)損傷形變行為來(lái)看，可將其大致分為3個(gè)階段：0～110 s，基本沒(méi)有AE事件，此階段木材處于彈性變形時(shí)期，其內(nèi)部沒(méi)有明顯損傷產(chǎn)生，其產(chǎn)生的形變?yōu)榭苫謴?fù)變形；>110～204 s，有較多幅值較小的AE事件，此階段木材處于彈塑性階段，載荷不斷增加，試件內(nèi)部有微小的斷裂，木材被加壓變形，內(nèi)部部分結(jié)構(gòu)發(fā)生不可恢復(fù)性形變；204 s之后，AE事件頻度明顯增多，且幅值較大，此階段處于塑性階段，木材發(fā)生宏觀斷裂，隨著荷載的增加，不可恢復(fù)程度顯著增大，直至試件完全斷裂。從圖3可以看出，試件載荷達(dá)到204 s之前已有較多的AE事件，可以推斷出木材內(nèi)部已經(jīng)產(chǎn)生了微裂。因此，AE信號(hào)能夠比宏觀形變更加敏感地反映出木材內(nèi)部損傷狀態(tài)的變化。

圖3 原始AE信號(hào)Fig. 3 Original AE signals

不過(guò)，僅通過(guò)AE信號(hào)時(shí)域波形的幅度或能量還無(wú)法準(zhǔn)確判斷和分析不同斷裂時(shí)期AE信號(hào)的特征。例如，當(dāng)采集系統(tǒng)的放大倍數(shù)較小或噪音較大時(shí)，很難根據(jù)幅值或能量將110 s之前和之后的數(shù)據(jù)區(qū)分開(kāi)來(lái)。并且，通過(guò)比較圖2與圖3中204 s之后的曲線，很難直接從AE信號(hào)中判斷出載荷下降的趨勢(shì)。因此，本研究嘗試研究波形的復(fù)雜程度以及波形的形狀與木材內(nèi)部損壞狀態(tài)的關(guān)系。

3.2 AE信號(hào)的EMD分解和重構(gòu)

按照前述的信號(hào)預(yù)處理方法，首先對(duì)原始AE信號(hào)進(jìn)行EMD分解。其中，5×104個(gè)采樣數(shù)據(jù)經(jīng)分解后各IMF分量所對(duì)應(yīng)的時(shí)域信號(hào)見(jiàn)圖4。從圖4可以看出，信號(hào)能量主要集中在前5個(gè)IMF分量中。根據(jù)分解得到的各IMF分量信號(hào)計(jì)算出的峭度值和瞬時(shí)頻率均值見(jiàn)圖5。由圖形及計(jì)算結(jié)果分析可知：AE信號(hào)經(jīng)EMD分解后，前2個(gè)IMF分量歸一化峭度值最大，峭度值大的IMF分量包含更多的AE信號(hào)，且信號(hào)頻率從IMF1到IMF10逐層降低，高頻信號(hào)主要集中在前4個(gè)IMF分量中。因此，綜合考慮信號(hào)能量、信號(hào)的峭度和瞬時(shí)頻率選擇前4個(gè)IMF分量作為主IMF分量對(duì)AE信號(hào)進(jìn)行重構(gòu)。

圖4 聲發(fā)射信號(hào)EMD分解Fig. 4 Acoustic emission signal EMD decomposition

圖5 歸一化峭度值/瞬時(shí)頻率Fig. 5 Normalized kurtosis value/instantaneous frequency

3.3 特征分析

為了解木材整個(gè)試驗(yàn)過(guò)程應(yīng)力狀態(tài)及損傷程度，將經(jīng)EMD分解重構(gòu)后的AE信號(hào)進(jìn)行特征值提取，并觀察整個(gè)試驗(yàn)過(guò)程AE信號(hào)特征的變化。為了能夠?qū)崟r(shí)處理數(shù)據(jù)，在考慮采樣率的基礎(chǔ)上，將0.01 s的數(shù)據(jù)作為一個(gè)子集，分別計(jì)算重構(gòu)后信號(hào)的熵值(信息熵和指數(shù)熵)以及波形特征參數(shù)(峰值因子、脈沖因子、裕度因子、波形因子)，再結(jié)合損傷過(guò)程中微觀結(jié)構(gòu)變化進(jìn)行分析。

3.3.1 熵值特征分析

熵值曲線見(jiàn)圖6，可以看出信息熵與指數(shù)熵的絕對(duì)值的波形基本相似，在后續(xù)描述中，直接使用熵來(lái)代表信息熵和指數(shù)熵的絕對(duì)值。根據(jù)圖6中熵值曲線的包絡(luò)，很容易將其大致分為0～100 s，>100～150 s，>150～200 s，>200～370 s 4個(gè)階段，再結(jié)合已有的研究成果[1,6-7]，可知：

第1階段(0～100 s)，由于信號(hào)均是雜亂無(wú)序的噪音信號(hào)，因此熵的均值是4個(gè)階段中最大的。偶有幾個(gè)熵值的突變，對(duì)應(yīng)于少量的AE事件的發(fā)生。因此，這一階段與因木材胞壁屈曲與塌潰而產(chǎn)生的少量AE事件的情況相吻合，稱此類信號(hào)為屈曲AE信號(hào)。

第2階段(>100～150 s)，熵均值較第1階段有一定的減小，且有較多的熵值突變。說(shuō)明此階段有較多的AE事件發(fā)生，且信號(hào)幅度值的分布較為集中。這與因木材胞壁界面損傷與層裂而產(chǎn)生的平穩(wěn)且幅值較小的AE信號(hào)，木材發(fā)生形變的情況相吻合，稱此類信號(hào)為形變AE信號(hào)。

第3階段(>150～200 s)，熵的均值在整個(gè)過(guò)程中最小，且有較多熵值突變，但波動(dòng)較小。表明此階段有較密集的AE事件發(fā)生，且信號(hào)的幅值差值最小。這與木材發(fā)生微裂時(shí)的情況相吻合。這時(shí)，因木材微裂隙損傷區(qū)的形成與擴(kuò)展產(chǎn)生相對(duì)第2階段混亂且能量更高的AE信號(hào)，稱此類信號(hào)為微裂AE信號(hào)。

第4階段(>200～370 s)，熵均值低于第1階段，與第2階段接近，熵值的突變較多，且波動(dòng)較大。說(shuō)明此階段產(chǎn)生大量混亂AE信號(hào)，且信號(hào)幅值波動(dòng)最大。這與因木材胞壁斷裂而產(chǎn)生的大量高幅值A(chǔ)E信號(hào)，木材發(fā)生斷裂的狀態(tài)相吻合，稱此類信號(hào)為斷裂AE信號(hào)。

綜上所述，與直接采用AE信號(hào)的幅度相比較，通過(guò)熵值能夠更加敏感地與微觀結(jié)構(gòu)變化相對(duì)應(yīng)，從而判斷出木材的損傷狀態(tài)。特別是第2～3階段的差異，可作為木材斷裂的前兆。不過(guò)，也發(fā)現(xiàn)，很難通過(guò)熵值圖中第4階段的曲線觀察到載荷曲線(圖2)所示的逐漸下降的變化。

圖6 重構(gòu)AE信號(hào)的熵值Fig. 6 Entropy value of reconstructed AE signal

3.3.2 波形特征分析

重構(gòu)信號(hào)的脈沖因子、裕度因子、峰值因子、波形因子曲線圖見(jiàn)圖7。從圖7可以看出，這4種特征都較好地反映了AE事件發(fā)生導(dǎo)致的信號(hào)突變。不過(guò)，相較于熵值，它們后幾個(gè)階段的區(qū)分度并不明顯。其中，脈沖因子、裕度因子和峰值因子能體現(xiàn)出第1階段與其他階段的差異，總體上其特征值均值都是第1階段<第2階段<第3階段<第4階段。波形因子只能夠體現(xiàn)出前3階段與第4階段的差異，不過(guò)波形因子第4階段的包絡(luò)較好地體現(xiàn)了逐漸下降的趨勢(shì)。

比較圖6中信息熵和指數(shù)熵的數(shù)值分布，從微觀上可以看出信息熵在每類AE信號(hào)數(shù)據(jù)分布更明顯。同時(shí)，比較圖7中脈沖因子、裕度因子、峰值因子、波形因子的數(shù)值分布，微觀上裕度因子更明顯地區(qū)分每類AE信號(hào)的差異。

圖7 重構(gòu)AE信號(hào)的波形特征Fig. 7 The waveform features of the reconstructed AE signals

3.4 重構(gòu)前后特征值比較

通過(guò)上述分析已經(jīng)得到信息熵和裕度因子，從微觀上更明顯地區(qū)分木材損傷斷裂過(guò)程中各類AE信號(hào)的差異。為了進(jìn)一步比較信息熵和裕度因子哪個(gè)更能直觀地反映試件損傷過(guò)程中信號(hào)的特征變化，同時(shí)比較經(jīng)EMD重構(gòu)前后AE信號(hào)的差異，根據(jù)不同類別的AE信號(hào)，從中抽取6段5×104個(gè)采樣數(shù)據(jù)，分別在55，125，185，204，245和315 s，得到重構(gòu)前后AE信號(hào)的信息熵和裕度因子數(shù)據(jù)，如表1所示。

從表1中的數(shù)據(jù)可知：

1)比較重構(gòu)前后信息熵和裕度因子的變化，重構(gòu)后AE信號(hào)的熵值比原始信號(hào)低，裕度因子比原始信號(hào)高。同時(shí)，比較55和125 s的數(shù)據(jù)，重構(gòu)后信息熵的差值提高了1.24倍，裕度因子差值提高了1.02倍；比較125和185 s的數(shù)據(jù)，重構(gòu)后信息熵的差值提高了1.69倍，裕度因子差值提高了1.01倍。說(shuō)明經(jīng)過(guò)EMD分解重構(gòu)后的特征值能更好地區(qū)分不同損傷時(shí)期AE信號(hào)的差異。

2)分析重構(gòu)后55，125和185 s的信息熵和裕度因子，在55和125 s中，信息熵差值為1.61倍，裕度因子差值為1.06倍；在125和185 s中，信息熵差值為5.98倍，裕度因子差值為3.99倍。因此，相比于裕度因子，信息熵能更明顯地反映出不同AE信號(hào)的差異。

3)從木材細(xì)觀結(jié)構(gòu)損傷變化行為來(lái)看，在屈曲期，產(chǎn)生少量AE信號(hào)，使得信號(hào)在某些時(shí)間點(diǎn)波動(dòng)較大，此階段熵值最高，裕度因子最低；在形變期，AE信號(hào)少量增加，使得總體信號(hào)波動(dòng)較小，熵值降低，裕度因子增加；在微裂期，木材臨近斷裂，內(nèi)部產(chǎn)生大量幅值較小且密集的AE信號(hào)，此階段信號(hào)相對(duì)平穩(wěn)，熵值最低；在斷裂期，觀察后3段采樣數(shù)據(jù)(204，245和315 s)，其熵值大小都低于55 s(屈曲AE信號(hào))且介于125 s(形變AE信號(hào))和185 s(斷裂AE信號(hào))之間，熵值上下波動(dòng)較大，裕度因子均大于其他3個(gè)階段，說(shuō)明斷裂AE信號(hào)比其他3類信號(hào)混亂且持續(xù)時(shí)間長(zhǎng)。

表1 重構(gòu)前后各特征值比較Table 1 Comparison of features before and after reconstruction

4 結(jié) 論

本研究表明通過(guò)能夠反映信號(hào)復(fù)雜程度的熵值以及波形特征(脈沖因子、裕度因子、峰值因子、波形因子)，可以將木材受力激發(fā)出的AE信號(hào)分為4個(gè)類別，分別是屈曲AE信號(hào)、形變AE信號(hào)、微裂AE信號(hào)和斷裂AE信號(hào)，并與木材微觀結(jié)構(gòu)變化的4種形式(胞壁屈曲與塌潰、胞壁界面損傷與層裂、微裂隙損傷區(qū)的形成與擴(kuò)展和胞壁斷裂)相對(duì)應(yīng)。相比較波形特征，AE信號(hào)的信號(hào)熵值能夠更加敏感地反映出木材的內(nèi)部損傷狀態(tài)的變化。不過(guò)，波形特征能夠較好地反映出木材斷裂后載荷逐漸較小的趨勢(shì)。另外，本研究提出的基于EMD的AE信號(hào)預(yù)處理方法和信號(hào)重構(gòu)機(jī)制，能夠提高上述特征對(duì)不同損傷狀態(tài)的區(qū)分度。

聯(lián)合使用熵值特征與波形特征，將提高通過(guò)AE信號(hào)對(duì)木材內(nèi)部損傷狀態(tài)判斷的精度。本研究可以應(yīng)用于木質(zhì)建筑、家具、古建筑、音樂(lè)設(shè)備等木質(zhì)材料內(nèi)部損傷的實(shí)時(shí)監(jiān)測(cè)、評(píng)估和無(wú)損檢測(cè)等方面。未來(lái)可以通過(guò)機(jī)器學(xué)習(xí)算法，自動(dòng)分類識(shí)別不同類型的AE信號(hào)特征及其變化規(guī)律，進(jìn)一步研究木材損傷過(guò)程彈性能的釋放和擴(kuò)散規(guī)律，建立基于能量的木材損傷預(yù)測(cè)模型。