Экспериментальное определение значимости статистической оценки параметров, характеризующих вторичные диагностические показатели акустической эмиссии

Статистическая оценка вторичных диагностических показателей акустической эмиссии (АЭ) является неотъемлемой частью процесса обработки сигнала после применения методов фильтрации. Представлены результаты анализа параметров АЭ с использованием метода полиномиальной цифровой двунаправленной фильтрации помехи АЭ, полученной при АЭ-контроле двух инструментов в процессе фрезерования. Проанализирована работоспособность данного метода фильтрации при определении различия между исходными и отфильтрованными сигналами АЭ. Выделены фрагменты информационной и помеховой составляющих сигнала, что позволило экспериментально определить показатель сигнал/помеха. Установлено, что использование полиномиального цифрового метода двунаправленной фильтрации повышает качество обработки сигнала и позволяет обнаружить статистически значимые корреляционные связи между параметрами АЭ-сигналов при контроле дефектного и бездефектного инструмента. Линейной регрессионной моделью охарактеризована зависимость, описывающая отношение вторичных диагностических показателей дефектного инструмента к показателям бездефектного инструмента при АЭ-контроле.

1. Бехер С. А., Бобров А. Л. Основы неразрушающего контроля методом акустической эмиссии / Под ред. Л. Н. Степанова. Новосибирск: СГУПС, 2013. 145 с.

2. Бехер С. А. Методы контроля динамически нагруженных элементов подвижного состава при ремонте и в эксплуатации на основе комплексного использования тензометрии и акустической эмиссии: Автореф. дис. … д-ра техн. наук. Томск, 2017. 36 с.

3. Barat V., Borodin Y., Kuzmin A. Intelligent AE signal filtering methods // Journal of Acoustic Emission. 2010. Vol. 28. P. 109—119.

4. He Y. An overview of acoustic emission inspection and monitoring technology in the key components of renewable energy systems // Mechanical Systems and Signal Processing. 2021. Vol. 148. P. 107146.

5. Алтай Е., Федоров А. В., Степанова К. А. Оценка влияния методов фильтрации на погрешность измерения параметров сигнала акустической эмиссии // Сб. тр. 25-й Междунар. конф. по мягким вычислениям и измерениям. СПб, 2022. С. 24—27.

6. Филоненко С. Ф. Влияние износа режущего инструмента при контролируемой глубине резания на акустическую эмиссию // Восточно-Европейский журнал передовых технологий. 2015. Т. 6, №. 9. С. 47—50.

7. Прохоров С. А., Хаймович А. И. Столбова А. А., Кондратьев А. И. Моделирование процесса фрезерования по сигналу виброакустической эмиссии с помощью анализирующих вейвлетов Морле // Информационные технологии и нанотехнологии. 2017. Т. 5, №. 2. С. 1303—1309.

8. Altay Y. A., Fedorov A. V., Stepanova K. A. Acoustic emission signal processing based on polynomial filtering method // Proc. of the 2022 IEEE Conf. of Russian Young Researchers in Electrical and Electronic Engineering. St. Petersburg, 2022. P. 1320—1326.

9. Алтай Е., Федоров А. В., Степанова К. А. Дескриптивный анлиз и оценка отношения сигнал/помеха, выработанных при реализации метода полиномиальной фильтрации сигналов акустической эмиссии // Сб. докл. 24-й Междунар. конф. „Цифровая обработка сигналов и ее применение“ DSPA – 2022. Москва, 2022. С. 78—82.

10. Алтай Е., Федоров А. В., Степанова К. А., Кузиванов Д. О. Метод помехоустойчивой обработки для повышения точности измерения сигналов акустической эмиссии // Сб. тез. XXXIII Уральской конф. „Физические методы неразрушающего контроля“. Екатеринбург, 2022.

11. Левин Б. Р. Теоретические основы статистической радиотехники. М.: Сов. радио, 1968. 504 с.

12. Gomez M. P. Assessment of cutting tool condition by acoustic emission // Procedia Materials Science. 2012. Vol. 1, N 2. P. 321—328.

13. Салин В. Н., Чурилова Э. Ю. Практикум по курсу „Статистика“. М.: Перспектива, 2002. 188 с.

14. Растегаев И. А., Мерсон Д. Л., Растегаева И. И. Подходы к анализу шумоподобной акустической эмиссии при беспороговом режиме ее регистрации // Сб. матер. Всерос. конф. „Актуальные проблемы метода акустической эмиссии“. Тольятти, 2018. С. 103—104.

15. Попков А. А. Методическое и алгоритмическое обеспечение акустико-эмиссионного контроля при ударном нагружении: Автореф. дис. … канд. техн. наук. Новосибирск, 2021. 24 с.

16. Алтай Е., Федоров А. В., Степанова К. А. Оценка взаимосвязи информационных составляющих и помех сигналов акустической эмиссии // Контроль. Диагностика. 2022. Т. 25, № 6. С. 36—45.

17. Zakharov L. А., Martyushev D. А., Ponomareva I. N. Predicting dynamic formation pressure using artificial intelligence methods // Journal of Mining Institute. 2022. Vol. 253. P. 23—32.

18. Elforjani M., Shanbr S. Prognosis of bearing acoustic emission signals using supervised machine learning // IEEE Transactions on industrial electronics. 2018. Vol. 65, N 7. P. 5864—5871.