管道导波无损检测回波信号处理方法研究

简述了导波在管道中传播的频散特性,给出了管道导波无损检测实验信号特征.对管道导波检测的回波信号首先进行Hilbert变换,然后对变换后的信号分别进行加窗函数滤波和小波变换,处理后的缺陷信号明显易于辨别.经过分析比较,结果表明了这两种组合方法用于管道导波无损检测信号处理的效果基本一样,在实际检测应用中,选取其中任一组合方法都是可行的.     

基于改进野草算法的导波信号匹配追踪识别方法研究

针对导波信号匹配追踪识别方法求解效率和匹配精度不足的问题,提出了基于改进野草算法的匹配追踪识别方法(MIWOMP)。利用L(0,2)模式导波对含缺陷钢管进行检测,以chirplet时频原子作为匹配原子,分别使用MIWOMP方法、微分进化匹配追踪方法(DEAMP)和基于野草算法的匹配追踪方法(IWOMP)对导波检测信号进行重构,并对不同方法的匹配残差能量和频率匹配误差进行对比。研究结果表明:MIWOMP方法匹配精度最高,能够有效地对导波检测信号进行识别和重构,有利于促进导波无损检测技术的推广应用。     

分离谱处理方法在L(0,2)模式超声导波管道检测中的应用

超声导波无损检测技术在管道检测过程中,由于超声导波存在频散和多模式特征,其遇到管道边界和不规则缺陷通常会发生模式转换,导致检测信号分辨率降低。为了将L(0,2)模式导波与其他模式导波分离,提升检测信号分辨率,提出使用分离谱处理方法处理L(0,2)模式超声导波检测信号。在分析该方法工作原理的基础上,优化了其滤波器参数,处理管道不同周向缺陷的检测信号,以信噪比和缺陷杂波比为标准,选择了具有最佳分离效果的SSP信号重组方法。研究结果表明：SSP可以将L(0,2)模式导波与其他模式导波分离,并只保留L(0,2)模式导波;与处理前信号相比,分离谱处理方法信号的分辨率得到了提升,信噪比和缺陷杂波比分别提高了约1.08倍和4.39倍。     

模糊小波包在漏磁信号处理中的应用

采用小波包去噪方法解决漏磁信号的噪声抑制问题。针对软、硬阈值处理中存在的缺陷,提出了模糊阈值处理方法,应用该方法对采集的漏磁信号进行消噪处理。实验结果表明,与传统小波包的去噪效果相比较,模糊小波包降噪方法不仅较好地剔除信号中的噪声,而且保留了原始信号中的有效成分,是一种可行的方法。     

基于小波包分解和样本熵的电磁干扰分析方法

为了定量分析不同状态下电磁环境的变化,并有效提取电磁环境变化的干扰特征,提出了基于小波包分解和样本熵的电磁干扰分析方法.首先,时电磁环境的样本信号进行小波包分解,然后分别计算分解后备频带信号的能量谱系数和样本熵,通过能量谱系数和样本熵这两个指标的对比,综合判断电磁环境是否发生变化.仿真分析表明:样本熵可以弥补能量谱系数...     

正交小波包分析在遥感图像融合中的应用

小波变换具有优良的时频局部特性,但由于其尺度是按二进制变化的,存在“高频低分辨”这一缺陷.正交小波包分析能够将信号(图像)频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,从而提高了频率分辨率,能有效地提取特定的频率成分.推导了小波包分析的基本原理,给出了基于正交小波包分析的遥感图像融合算法.最后,通过实例说明正交小波包分析的有效性和优越性.     

管道超声导波无损检测技术应用研究

利用研制的磁致伸缩超声导波无损检测装置对长直无缝钢管、舰用锅炉U型管和弯管进行了大量试验研究.研究发现,通过对该装置中磁致伸缩传感器的放置位置及方向进行适当调整,此装置即可在管道中激发纵向导波;该技术对管道壁厚减薄、磨损或腐蚀、裂纹、焊缝等缺陷同样具有检测能力;选择低频(20~40 kHz)激励脉冲信号有利于减少波的发散特性和提高缺陷的检测能力;导波在管道中传播衰减缓慢,适用于长距离、大范围、快速、非接触管道检测.     

基于峰度-小波包分析的雷达信号去噪方法

对雷达回波弱信号的检测能力是体现雷达侦察性能的重要指标.根据高斯分布信号的峰度为零的特性,以及结合小波包的多分辨率分析原理,提出利用峰度-小波包分析的弱信号去嗓方法.通过仿真表明,方法对于雷达回波弱信号具有良好的去噪能力,并保证原信号的特征.     

小波变换在漏磁检测信号处理中的应用

在对军用装备进行漏磁无损检测时,漏磁信号中含有大量噪声,针对这种情况,介绍了小波变换消噪理论.在数字化实现中,离散小波变换是利用Mallat分解与重构算法来完成.仿真试验中,选取二阶样条小波为小波函数,对从漏磁检测装置中采集到的漏磁信号进行消噪.结果表明将小波变换应用于炮管漏磁检测中,能提高检测信号的信噪比和抗干扰能力.为漏磁信号分析、特征提取和缺陷漏磁反演打下了基础.     

基于自适应阈值的提升小波包漏磁信号去噪研究

为了更好地实现对原始漏磁信号噪声的抑制,针对硬阈值函数和软阈值函数中存在的问题,提出一种自适应阈值选择方法,研究了基于该方法的提升小波包降噪算法。采用小波包和提升小波包,分别在硬阈值、软阈值和自适应阈值处理函数下,对含噪信号进行降噪效果的分析和比较,并给出了漏磁信号在自适应提升小波包算法下的降噪效果。仿真结果表明：该方法具有更高的分辨率和近似优化能力,在保留原始漏磁信号有效成分的同时,能更好地去除噪声。     

基于小波包能量谱的管道缺陷磁记忆检测信号特征研究

现有磁记忆检测技术判定准则,只能指示应力集中位置,无法进一步获取应力集中信息。为获取应力集中信息,提出一种基于小波包能量谱的磁记忆信号分析方法,进行试件拉伸试验。拉伸应力为200 MPa时,信号小波包能量谱分布较为均匀,各频带能量占总能量之比均小于15%,不存在集中分布的频带范围。拉伸应力为410 MPa时,信号小波包能量谱最大值分布在1,3,4频带,1~4频带能量之和占总能量的73.8%,小波包能量主要集中在低频段。试件屈服后,信号小波包能量谱最大值分布在1,2频带,能量谱分布极为分散,能量主要集中在低频段的1,2频带,1~3频带能量之和占总能量的87.3%。管道试件应力集中程度与磁记忆信号的小波包能量谱分布特征有关,应力集中程度越低,小波包能量谱分布越均匀;应力集中程度越高,小波包能量谱分布越集中,能量主要向低频段集中。     

超声导波在管道中传播的可视化模拟研究

利用有限元方法建立管道导波3-D模型,通过在管道中激励纵向超声波,模拟导波在管道中的传播形态。根据回波信号的传播时间计算了纵波传播速度,与频散曲线得到的纵波速度符合较好。从观测点取得的波信号能够反映超声波在管道中传播时存在的反射和衰减现象,动画结果能够形象直观地反映导波在管道中传播的情形,实现了导波传播的可视化模拟。该研究有利于更好地解释导波在管道无损检测中出现的频散特征。     

离散小波改进算法在机动车辆换挡信号降噪中的应用

针对机动车辆换挡信号中存在大量强电磁及环境振动噪声的问题,同时考虑到实时性和硬件实现性能的需求,基于最小带宽离散小波算法,提出了简化的、适用于工程实现的小波分解层数确定方法;然后利用初始阈值对各层小波系数进行分类,利用各层中各类系数均值差的模及均方差为依据,设计了各层阈值的自适应迭代确定算法,同时改进了阈值的量化函数。仿真对比试验和应用测试结果表明,该算法具有较好的降噪效果,适用于机动车辆的相关信号检测与降噪。     

电磁场计算中FDTD与MRTD

时域有限差分法 (FDTD)在电磁场数值计算中占有重要的地位。本文发现并证明FDTD是时域多分辨分析 (MRTD)的特例。利用小波 -伽略金方法求解麦克斯韦方程过程中 ,基函数为一般的小波分析中的尺度函数或小波函数 ,可以得到MRTD算法。如果基函数选为Haar小波尺度函数 ,可以推得FDTD算法。如果基函数选为Haar小波包中的尺度函数 ,可以得到高阶FDTD算法。通过算例比较 ,MRTD比FDTD的计算效率更高     

小波包变换和支持向量机模拟电路故障诊断方法

为提高模拟电路故障诊断效率,将小波包变换和支持向量机结合起来,提出了一种完整的模拟电路故障快算检测和准确定位的方案.利用小波包变换对电路输出电压信号进行多层分解,提取各频带的能量作为故障特征,给出了具体的特征提取方法;利用支持向量机的多分类一对一方法,完成电路的故障定位,同时实现了小波函数的选择.在一模拟电路的故障仿真实验中,通过与BP,RBF和PNN等神经网络对比,结果显示该方法的诊断效率是很高的.     

基于改进EMD的信号降噪方法

经验模态分解(Empirical Mode Decomposition,EMD)算法作为新型时频分析方法受到广泛关注,它基于信号的极值特性处理信号,具有自适应强、无需预先确定基函数的优点。但EMD算法本身仍存在模态混叠及EMD强制降噪法易导致信号失真等一系列问题。针对EMD算法的缺陷,提出基于自相关函数的集合经验模态分解方法(Ensemble Empirical Mode Decomposition,EEMD)与小波阈值降噪相结合的改进算法。首先利用自相关函数对高频固有模态函数(Intrinsic Mode Function,IMF)进行选择,然后利用小波阈值降噪法为EEMD设定阈值,最后将改进算法用于信号降噪,并与快速傅里叶变换(FFT)算法、小波阈值算法以及EMD强制降噪算法进行比较。该方法的优点是克服了EMD算法的不足,避免了模态混叠现象,有效地保留了高频信号中分量,降噪效果更好。     

基于EMD的改进小波阈值降噪法在超声信号处理中的应用

针对超声检测回波信号中的大量噪声,分析了超声检测回波信号的特性,考虑经验模式分解（EMD）和小波哗噪的优点,在改进阈值函数基础上提出一种基于EMD的小波阈值降噪方法．该方法利用EMD对超声信号进行分解,对高频分量用改进小波阈值函数方法进行处理,再结合低频分量重构得到降噪信号．仿真实验结果表明,该方法降噪效果优于小波软、硬阂值降噪,进一步提高了重建信号的信噪比,降低了其均方根误差,是一种可行的超声信号降噪方法．