43、机械结构性能研究：声学信号、弹道响应与管材抗压分析

机械结构性能研究：声学信号、弹道响应与管材抗压分析

1. 声学信号处理与刀具状态预测

在声学信号处理领域，对于预处理后的声学信号，因其包含大量信息，需要将其分解为有意义的信息，即信号特征。这些特征的提取通常在时域、频域和时频域进行。
- 特征提取
- 时域处理 ：获取信号的统计特征。
- 频域分析 ：分析信号在一定频率范围内的功率分布。
- 时频域处理 ：得到非平稳信号的频谱。
- 利用小波包变换对去噪后的声学信号进一步处理，将信号分解为 6 层，使用 MATLAB 的 WPT 工具箱确定 64 个节点，并估计这些节点的系数。对于每个系数数组，估计的特征包括对数能量、偏度、峰度、阈值穿越率、脉冲宽度和有效值。
- 关键特征选择
- 从每个去噪后的声学信号中，在时域、频域和时频域提取 52 个特征。
- 依据皮尔逊相关系数（PCC）、R 平方统计方法和皮尔逊卡方检验等标准对特征进行优化。
- 选择 PCC 大于 0.9、R 平方统计量大于 0.9 且皮尔逊卡方检验在 95% 显著性水平的特征。最终，选择了 12 个声学发射特征用于进一步分析。
- 模型开发
- 使用人工神经网络来开发刀具寿命估计和剩余使用寿命估计的模型，采用多层感知器（MLP）神经网络和径向基函数（RBF）神经网络。
- 神经网络的输入共有 17 个，包括切削速度、进给率、切削深度、材料硬度、刀具长细比和 12