Аннотация. 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.

Ключевые слова: акустическая эмиссия, обработка сигнала, фильтрация помехи, параметры акустической эмиссии, диагностические показатели, статистическая обработка, отношение сигнал/помеха

Список литературы:

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.