表征飞溅现象的特征提取方法、设备和存储介质

技术特征：
1.一种表征飞溅现象的特征提取方法，其特征在于，包括：获取分别在多种不同工艺条件下进行的slm过程中的声发射信号；将获取的各个声发射信号进行初步处理，确定与飞溅现象相关的特征频带；分别利用改进遗传算法优化后的vmd算法对获取的各个声发射信号进行分解，以分别得到各个声发射信号的各个特征频段的本征模态函数；根据所述确定的特征频带分别提取各个声发射信号中表征飞溅现象的预设特征参量。2.根据权利要求1所述的表征飞溅现象的特征提取方法，其特征在于，所述不同工艺条件包括不同激光功率和/或不同激光扫描速度。3.根据权利要求1所述的表征飞溅现象的特征提取方法，其特征在于，所述预设特征参量包括时域特征参量、频域特征参量和熵特征参量。4.根据权利要求3所述的表征飞溅现象的特征提取方法，其特征在于，所述时域特征参量包括均值、标准差、峰峰值、均方根值、峭度、偏度、波形因子、峰值因子中的一个或多个，所述频域特征参量包括平均频率、中心频率、最大幅值中的一个或多个，所述熵特征参量包括样本熵、排列熵、包络熵中的一个或多个。5.根据权利要求1所述的表征飞溅现象的特征提取方法，其特征在于，所述将获取的各个声发射信号进行初步处理的步骤包括：将采集的各个声发射信号进行时域分析和比较，以及频域分析和比较，以得出表征背景噪声的特征频带和表征飞溅现象的特征频带。6.根据权利要求1至5中任一项所述的表征飞溅现象的特征提取方法，其特征在于，所述根据所述确定的特征频带分别提取各个声发射信号中表征飞溅现象的预设特征参量的步骤包括：计算出每个声发射信号的各个本征模态函数的预设特征参量，并根据所述确定的特征频带确定各个声发射信号中表征飞溅现象的预设特征参量；或，根据所述确定的特征频带分别确定每个声发射信号中表征飞溅现象的本征模态函数，并计算确定的本征模态函数的预设特征参量，得到每个声发射信号中表征飞溅现象的预设特征参量。7.根据权利要求1至5中任一项所述的表征飞溅现象的特征提取方法，其特征在于，所述改进遗传算法对vmd算法优化的方式为：以包络熵为适应度函数，并以全局最小包络熵为优化目标，筛选出vmd算法的最佳分解层数和惩罚因子的参数组合；所述改进遗传算法为一种自适应变异算子的遗传算法，所述自适应变异算子的计算公式为：pc＝pc0×2ζ
，其中，g
m
表示最大进化代数，g表示当前进化代数，pc表示当前变异算子，pc0表示初始变异算子。8.根据权利要求7所述的表征飞溅现象的特征提取方法，其特征在于，利用所述改进遗传算法对vmd算法优化包括：设置所述改进遗传算法的各项参数并对vmd算法参数组合初始化；计算vmd算法分解后的各模态的本征模态函数的最小包络熵值；
依次进行选择操作、交叉操作、自适应变异算子的变异操作后，将vmd算法的全局最小包络熵值与预设值比较；在确定vmd算法的全局最小包络熵值小于预设值时，输出vmd算法的最佳参数组合；在确定vmd算法的最小包络熵值大于或等于预设值时，返回计算vmd算法分解后的各模态的本征模态函数的最小包络熵值的步骤。9.一种表征飞溅现象的特征提取设备，其特征在于，所述表征飞溅现象的特征提取设备包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所述计算机程序指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8任一项所述的表征飞溅现象的特征提取方法。10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至8任一项所述的表征飞溅现象的特征提取方法。

技术总结
本发明公开一种表征飞溅现象的特征提取方法、设备和存储介质，其中，表征飞溅现象的特征提取方法包括：获取分别在多种不同工艺条件下进行的SLM过程中的声发射信号；将获取的各个声发射信号进行初步处理，确定与飞溅现象相关的特征频带；分别利用改进遗传算法优化后的VMD算法对获取的各个声发射信号进行分解，以分别得到各个声发射信号的各个特征频段的本征模态函数；根据所述确定的特征频带分别提取各个声发射信号中表征飞溅现象的预设特征参量。本发明技术方案，实现了从SLM过程中的声发射信号提取表征飞溅现象的特征。射信号提取表征飞溅现象的特征。射信号提取表征飞溅现象的特征。


技术研发人员：肖冬明 赵恒威 丁嘉凯 刘杰 王迪 郭帅平
受保护的技术使用者：佛山科学技术学院
技术研发日：2022.07.27
技术公布日：2022/11/25