飛機主起落架疲勞試驗中的聲發射信號處理

王丙陽，耿榮生，周炳如，李眾城

（1.北京航空制造工程研究所，北京 100024；2.北京航空工程技術研究中心，北京 100076）

聲發射是指材料或構件在外加載荷的作用下，局部源瞬間釋放出彈性波的現象。聲發射技術因其動態性和預警性，在壓力容器、橋梁、混凝土、航空等工業部門得到了廣泛應用。由于聲發射源的多樣性、聲發射聲波傳遞函數的復雜性、聲發射信號自身的瞬態性和不確定性，以及信號的微弱性和易受機電噪聲干擾，聲發射技術已經在很大程度演變成信號處理問題。在飛機聲發射技術監測的信號處理中，耿榮生等利用趨勢分析及多參數綜合識別技術實現了飛機疲勞裂紋萌生及擴展的監測［1－3］；張鳳林等建立了聲發射數據處理的統計模型，提出了結構損傷判據等［4］。在利用聲發射技術監測某型飛機主起落架疲勞試驗過程中，筆者通過基于相關分析的趨勢分析方法對聲發射信號進行再處理，驗證了趨勢分析、幅值分析及空間濾波分析的結果，得到了主起落架某部位的健康狀況；并通過Fisher線性判別方法，提出正常信號與故障信號的判斷依據，在保障疲勞試驗順利進行的同時，也為后期的聲發射信號處理提供了指導作用。

1 相關分析

相關系數是用以反映變量之間相關關系密切程度的統計指標。相關系數是按積差方法計算，以兩變量與各自平均值的離差為基礎，通過兩個離差相乘來反映兩變量之間相關程度。積差相關（Pearson相關）公式為：

式中X為系列X的平均數；Y為系列Y的平均數；－1≤r≤＋1。當r＞0時，表示兩變量正相關；r＜0時，兩變量為負相關；當｜r｜＝1時，表示兩變量為完全線性相關；當r＝0時，表示兩變量間無線性相關關系；當0＜｜r｜＜1時，表示兩變量存在一定程度的線性相關，且｜r｜越接近1，表示兩變量間線性關系越密切，反之，兩變量的線性相關越弱。

某型飛機主起落架疲勞試驗載荷的施加是一個多狀態載荷周期性加載過程。按一定順序，模擬包括著陸、著陸滑跑、剎車、轉彎等11種狀態對起落架加載，約每12min循環一次。

圖1 完整周期內AE信號隨時間累加圖

主起落架疲勞試驗載荷共有11種狀態，根據受力方式不同（圖2），可細分為4種，即發動機試車、起飛滑跑、牽引、剎車。各狀態的受力方向為：發動機試車fdjsc為Py，Fx；起飛滑跑qfhp 為Py，Px，Fz；牽引qy 為Px；剎車sc為Py，Fx，Fz；著陸滑跑zlhp為Py，Px，Fz；轉彎zw 為Py，Fx，Fz。

圖2 主起落架受力圖

在一個加載循環周期內，因載荷變化很大，因此聲發射信號統計參數變化也很大。由于是周期加載，如果系統本身穩定，從統計意義上講，聲發射信號應當能基本重復“自己”。也就是說，只要系統（即起落架）穩定，無論是一個周期內的聲發射信號，還是各不同加載狀態的聲發射信號，在相同載荷及受力方式作用下，其統計數據之間應具有很大的關聯性。因此可通過提取4種狀態載荷并加上轉彎、著陸滑跑這兩個大載荷，構建一個六維向量［fdjsc，qfhp，qy，sc，zlhp，zw］，計算出聲發射信號間的相關系數分析信號。

疲勞損傷判別：六維向量既包含了如轉彎、剎車等大載荷，也有發動機地面試車、牽引等小載荷。在基于趨勢分析的基礎上，假設沒有疲勞損傷出現，即系統處于穩定狀態，各狀態下的參數統計數據變化不大，數據間具有很高的相似性；如果出現疲勞損傷，大載荷對疲勞損傷的作用明顯，聲發射統計數據大；小載荷作用小，聲發射統計數據少，數據間的相關性比較差，并隨著損傷的逐步加深，相關性越來越差。

2 Fisher線性判別

基于趨勢分析的幅值濾波、空間濾波等方法能夠判斷某一區域內存在異常信號，但無法構建出異常信號與正常信號之間的判據，而一個好的判別模式能夠很好地區分開噪聲信號、故障信號及疲勞損傷信號。Fisher線性判別法［5－6］是一種簡單的線性判別法，簡單易實現，需要的計算量和存儲量比較小，因而得到了廣泛的應用。

Fisher判別式是找到一個權值向量w和分界閾值y0，將d維空間中的樣本投影到一維的Y空間，即y＝wTx。設在d維空間中的兩類樣本X1和X2，樣本數分別為N1和N2。Fisher準則函數，廣義Rayleigh商的公式為：

式中Sb為類內散度矩陣；Sw為類間散度矩陣；mi是d維空間中樣本Xi的均值向量；w就是所要求的投影方向上的權值向量。

根據類內緊致、類間離散的原則，式（2）中JF（w）應盡可能大，利用拉格朗日乘子算法求解最大值，得：

式中Sw為非奇異類內散度矩陣是Y維空間中樣本yi的均值向量；y0為分界閾值點，第i個樣本的投影點yi與y0比較即可得出其所屬類別，此處yi＞y0則屬于第X1類，否則屬于第X2類。

采用3類樣本判別問題時，可先區別開第1類，再對剩下2類分類，區分方式如上。

3 AE監測

某型飛機主起落架疲勞試驗過程中，重點監測部位主要有2，3墻間的主起落架梁、主起落架梁底部的鈦合金下壁板、主起落架上下樞軸、主起落架外筒焊縫等20個點。右側主起落架梁傳感器布置（左側傳感器

的布置與右側相同）具體參見圖3。

采用美國PAC公司生產的DISP系統監測，固定門檻值40～50dB（依干擾情況而定），前置放大增益為40dB，預觸發時間為32μs，記錄數據長度為1k，峰值定義時間（PDT）、波擊定義時間（HDT）和波擊閉鎖時間（HLT）分別為500，1000和3000μs。傳感器1，2，3和4號使用的是寬帶傳感器，具有波形采集功能，帶通是100k～1MHz，采樣頻率5MHz；其他則是以參數為主的諧振式窄帶傳感器，帶通是100～400kHz，采樣頻率1MHz［7］。聲發射源的定位都采用線性定位方式。

圖3 右側主起落架梁及梁底部鈦合金板處傳感器示意圖

4 信號分析

4.1 趨勢分析

主起落架疲勞試驗聲發射技術監測過程中，在X＋642h時，發現3，4通道的聲發射信號的波擊數突然增大。對該區域內的聲發射信號跟蹤監測，趨勢圖見圖4～7。

圖7 異常區域內的事件數隨時間變化圖

圖4～7中可看出，在X＋642～X＋669h內，3，4通道的聲發射波擊數開始增長，在X＋669h處達到第4個峰值，波擊數相對增量明顯大于30%；聲發射信號幅值分布中＞60dB的數據越來越多，且相對集中在離3通道200～300mm的區域內。以上說明在距離3通道200～300mm的區域內形成了一個不穩定的高能局部聲發射源［2－3，7］。然而聲發射Hits的增長趨勢呈階梯狀，每一次峰值過后有一個很寬的谷值，谷值過后又是峰值，循環3次。基于周期載荷加載的疲勞試驗，疲勞損傷信號不應該出現波動如此大的聲發射波擊數趨勢圖。

4.2 相關分析

根據主起落架梁的受力方式及受力大小，提取X＋639～X＋696h內每一次周期加載內6種加載狀態下的聲發射波擊數，組成六維矩陣。設定X＋639h聲發射信號為基準信號，將X＋639～X＋696h內每一個聲發射信號與它一一做相關分析，得到的相關系數變化趨勢見圖8。

圖8 4通道相關系數隨時間變化圖

從圖8中可看出，在X＋639～X＋696h內X＋643，X＋647，X＋652，X＋669h的聲發射信號，同X＋639h的聲發射信號相關性很差，X＋643，X＋647，X＋652，X＋669h的聲發射信號同基準信號的相關系數分別為59.29%（圖中A點）、64.37%（圖中B 點）、83.22%（圖中C點）、75.69%（圖中D點）；而其他的聲發射信號同基準信號的相關性很好，相關系數都大于90%，由此可見相關系數變化趨勢是一個波動分布圖。

據疲勞損傷判別，說明離3，4通道250～300mm區域內，并沒有疲勞損傷存在。同時排除了疲勞試驗過程中出現泄漏以及存在其他明顯機電噪聲的可能性。綜合以上信息，判斷導致信號異常的主要原因來自加載系統自身故障，導致該區域斷斷續續地受到沖擊載荷的作用。

由于異常信號一直存在且如此高強度的載荷作用會對此區域造成一定的損傷，通知現場工作人員排查故障。經過排查，發現主起落架筒內滲油，內外筒間潤滑效果不好。經過工作人員作業處理，聲發射信號逐漸下降回到初始狀態。

圖9可看出，在X＋696h時，聲發射信號統計數據從峰值B開始下降，到X＋686h時C處，恢復到了1000左右，之后一直在1000水平上下浮動，浮動幅度最大為10.6%。從圖10可知道250～300mm區域內在X＋686h的C處，事件不再集中，不穩定高能局部源消失。

4.3 Fisher線性判別

相關分析證實了X＋643，X＋652，X＋647，X＋669h的聲發射信號沒有疲勞損傷信號特征，是故障信號，同時確認了其它的聲發射信號屬于正常信號。然而故障信號與正常信號之間有著怎樣的判別模式，圖4，5中X＋643～X＋647，X＋647～X＋652，X＋652～X＋669h間的聲發射信號是否真的是正常信號，有待于進一步做信號處理及驗證。

Fisher線性判別法能夠很好地解決這兩個問題。步驟如下：

首先，提取X＋639～X＋696h內每一個聲發射信號的上升時間值、能量值、幅值、持續時間值、計數值等5個參量，組成一個五維矩陣。

其次，根據圖4，5，8，9，10及相關分析確定，X＋643，X＋647，X＋652，X＋669h的聲發射信號是故障信號，與X＋639～X＋642，X＋686～X＋696 h內的正常聲發射信號不屬同一類。

再次，X＋639～X＋642，X＋686～X＋696h內的20個聲發射信號是正常信號，設定它們為N1類；X＋643，X＋647，X＋652，X＋669h等4個聲發射信號是故障信號，設定它們為N2類。設定X＋643～X＋647，X＋647～X＋652，X＋652～X＋669h內的聲發射信號為未知類信號，屬Nx類。

最后，利用已知的聲發射信號屬別，用Fisher線性判別方法判斷出這12個數據的類別，并得出故障與正常信號之間的臨界函數。

經過式（2）～（6）計算得到：

由式（7）和（8）可知，故障信號與正常信號之間的臨界函數為y0＝－5.7652，比較y0與yi（i＝1，2…12），得到12個Nx類信號分類結果見表1。

表1 12個Nx類信號的分類情況

從表1可知，位于X＋643～X＋647，X＋647～X＋653，X＋653～X＋669h之間的12個數據屬N1類，都是正常信號。這從另一個角度驗證了相關分析的正確性。

聲發射信號處理中，Fisher線性判別方法可以將疲勞損傷信號同非疲勞損傷信號區分開，同時還可以作為趨勢分析及相關分析方法的一個驗證方法。由于Fisher判別方法采用的是多參數綜合處理方法，比普通的參數驗證［2－3］方法有效得多，具有一定的實際應用價值。

5 結論

通過以上分析，可以得出以下結論：

（1）運用基于相關分析的趨勢分析方法可以有效地鑒別故障信號與正常信號、故障信號與疲勞信號。

（2）運用Fisher線性判別法可以構建疲勞損傷信號同非疲勞損傷信號的判別依據，更有效、方便地找到裂紋萌生時的聲發射信號特征信息。

（3）Fisher線性方法具有局限性，對于線性不可分的信號，效果不明顯。后期信號處理過程中需著重研究Fisher非線性判別方法［8］。

［1］耿榮生，景鵬，雷洪，等.飛機主梁疲勞裂紋萌生聲發射信號的識別方法［J］.航空學報，1996，17（3）：368－372.

［2］劉文斌，耿榮生，任吉林.某型飛機疲勞試驗過程中關鍵結構的 AE監測［J］.無損檢測，2009，31（10）：777－780.

［3］馮劍飛，鄔冠華，耿榮生，等.某型飛機飛行載荷疲勞試驗過程中的聲發射監測［J］.無損檢測，2008，30（8）：526－529.

［4］張鳳林，韓維.機體結構AE信號的統計分析研究［J］.航空學報，2001，22（5）：203－206.

［5］邊肈祺，張學工.模式識別［M］.北京：清華大學出版社，2000.

［6］賈宗艷，田立軍.Fisher線性判別法在干酪分類鑒別中的應用［J］.食品科學，2008，29（06）：41－44.

［7］王丙陽，耿榮生，鄔冠華.聲發射技術在飛機主起落架疲勞試驗中的應用［J］.無損檢測，2011，33（4）：22－25.

［8］成新民，蔣云良，胡文軍，等.基于核的Fisher非線性最佳鑒別分析在人臉識別中的應用［J］.中國圖像圖形學報，2007，12（8）：1395－1399.