1.4　存在主要问题

基于声发射的损伤检测方法的有效性取决于损伤声发射信号处理算法的有效性，目前损伤声发射信号处理算法主要存在以下几点不足。

①获取被检测构件上声发射波的传播、衰减特性是利用声发射技术进行有效无损检测的前提和基础，一般通过声发射传播特性实验获取数据，并进行衰减特性分析得到。目前主要利用的小波包分析方法，存在以下问题：由于传统小波不具有理想盒形的频谱特性，造成相邻频段能量泄露；传统小波包频带以2的倍数划分，不能任意选取感兴趣的频带进行分析；每分解一层小波系数就会减半，造成不同层频率分辨率不同。

②目前声发射信号去噪方法的研究主要集中在小波分析方法和独立分量分析方法，这两种方法都有其优点，但是也都存在一些问题：小波去噪方法的去噪效果受信号特点及小波基函数的影响很大；小波去噪方法适合于信噪比比较高的噪声去除，当信噪比较低时，去噪效果不理想，实际检测环境中往往存在强烈的背景噪声，而声发射信号相对微弱，因此信噪比一般比较低，限制了小波去噪方法的应用；独立分量分析的前提是所分离信号为相同源的线性组合，而声发射波在复合材料构件上的传播存在衰减、反射、模式变换等现象，导致声发射信号在传播过程中发生非线性畸变，很难满足独立分量分析的前提条件，大大限制了其适用范围。

③目前声发射源定位方法主要包括时差定位、能量定位、区域定位、模态分析定位和智能定位方法。时差定位法受声发射波速、波形、构件形状、衰减的影响非常大，只适合于结构比较简单的场合；能量定位法基于声发射信号的能量衰减规律，而声发射信号能量衰减规律受结构材料类型、构件几何形状、波模式等因素的影响而不稳定；区域定位法定位精度低，不能给出声发射源精确的位置；模态分析定位法需要有效地提取不同模态的声发射波，如果不能准确分离和提取不同模态的声发射波，定位精度将受到大大影响。复合材料声发射信号在传播过程中存在不同传播模式和不同衰减率，并且在构件界面和边缘形成折射、反射、模式转换及叠加现象，再加上外界噪声的干扰，大大限制了以上方法的应用。智能定位法将人工智能方法用于声发射源定位，输入可以是基于传统参数分析法提取的参数，也可以是基于波形法提取的参数，或者两者都有，可以实现复杂的声发射源定位。目前智能定位法中，主要的是基于神经网络方法，存在网络结构很难确定，适合于大样本情况，非常容易陷入局部最优以及过学习等致命问题。

④目前声发射源特征参数提取方法主要是基于传统的参数分析法及基于小波分析和小波包分析的时-频分析方法，时-频分析方法的应用可以提取声发射信号更精细的特征，大大提高了声发射源定位和类型识别精度。目前存在问题：传统的参数分析法只是单纯的从时域或者频域提取参数，所提取的特征参数只在整个时域或者频域上表征了声发射信号的特征；传统小波分析和小波包分析存在基函数选择、相邻频域能量泄露、频带选取不灵活、不同层频率分辨率不同的缺点，大大限制了其在声发射信号特征提取中的分析精度和使用灵活性。

⑤目前声发射源识别方法大都是基于经验风险最小化原则的传统统计学方法，其前提条件是有足够多的样本，样本数目趋于无穷大时的渐近理论。声发射信号的产生具有不可逆性，即很难得到大量的完全相同的同一模式的声发射信号数据，因此，对于损伤检测来说，损伤数据往往难以获取，属于小样本、非线性模式识别问题。虽然已经有学者将支持向量机用于声发射源识别，但是主要还是针对两类识别问题，需要进一步研究基于支持向量机的声发射源多类识别方法。同时，目前的声发射源识别都是针对单一损伤模式识别，实际中往往多种损伤模式同时发生，需要研究能同时识别多种损伤模式的声发射源模式识别方法。