基于SET的AE信号特征提取算法，通过MPWF进行优化，用于TA-FSW缺陷监测

《JOURNAL OF INTELLIGENT MANUFACTURING》：The feature extraction algorithm of AE signal based on SET optimized by MPWF for TA-FSW defect monitoring

提出基于多分辨率多项式窗函数的同步特征提取算法优化声发射信号处理，用于Al-CFRTP异种材料摩擦搅拌焊接缺陷监测，实验表明其可有效避免频谱混叠、提高能量比20%，并揭示18kHz主频带与焊接缺陷的关联。

　　

摘要

摩擦搅拌焊接（FSW）在合金与碳纤维等不同材料的轻量化技术中发挥着重要作用。在FSW过程中会产生声发射（AE）信号，这些信号包含了与焊接缺陷及焊缝质量相关的信息。本文提出了一种基于多分辨率多项式窗函数（MPSET）优化的同步提取变换的创新特征提取算法，旨在改善热辅助FSW（TA-FSW）中AE信号的特征清晰度，从而实现对焊接缺陷的监测。通过对铝合金和碳纤维增强热塑性塑料（CFRTP）进行TA-FSW实验并测量AE信号，验证了该算法的有效性。在MPSET中，通过随机梯度下降（SGD）优化窗函数，以最大旁瓣衰减为目标进行优化。随后应用一组窗函数进行同步特征提取，并进行时频重排。将MPSET与其他五种流行的时频算法进行比较分析，实验结果表明：MPSET能够有效避免频谱混叠，其能量有效对比度（EECR）比其他算法提高了20%。多分辨率窗函数有效限制了频谱泄漏，提升了时频变换中的频谱分辨率，使得主要频带更加突出。此外，还探讨了MPSET频谱与焊接缺陷之间的关系。在Al-CFRTP的TA-FSW中，AE信号的主要频率为18 kHz；当频率带转移到15 kHz时，通常伴随着孔洞和隧道缺陷，且功率传递与缺陷的大小有关；而当频率带转移到23 kHz时，则与缺陷距离铝合金基体的距离相关。MPSET为TA-FSW缺陷的特征提取提供了一种有效的时频算法。

摩擦搅拌焊接（FSW）在合金与碳纤维等不同材料的轻量化技术中具有重要作用。在FSW过程中会产生声发射（AE）信号，这些信号包含了与焊接缺陷及焊缝质量相关的信息。本文提出了一种基于多分辨率多项式窗函数（MPSET）优化的同步提取变换的创新特征提取算法，旨在改善热辅助FSW（TA-FSW）中AE信号的特征清晰度，从而实现对焊接缺陷的监测。通过对铝合金和碳纤维增强热塑性塑料（CFRTP）进行TA-FSW实验并测量AE信号，验证了该算法的有效性。在MPSET中，通过随机梯度下降（SGD）优化窗函数，以最大旁瓣衰减为目标进行优化。随后应用一组窗函数进行同步特征提取，并进行时频重排。将MPSET与其他五种流行的时频算法进行比较分析，实验结果表明：MPSET能够有效避免频谱混叠，其能量有效对比度（EECR）比其他算法提高了20%。多分辨率窗函数有效限制了频谱泄漏，提升了时频变换中的频谱分辨率，使得主要频带更加突出。此外，还探讨了MPSET频谱与焊接缺陷之间的关系。在Al-CFRTP的TA-FSW中，AE信号的主要频率为18 kHz；当频率带转移到15 kHz时，通常伴随着孔洞和隧道缺陷，且功率传递与缺陷的大小有关；而当频率带转移到23 kHz时，则与缺陷距离铝合金基体的距离相关。MPSET为TA-FSW缺陷的特征提取提供了一种有效的时频算法。