基于小波包分解的航空涡轮盘超声相控阵检测图像降噪技术

针对航空涡轮盘难检区域缺陷的超声相控阵检测技术,分析了检测信号及图像特征,提出了检测信号的小波包软阈值降噪方法,并对小波阈值进行改进,最后基于降噪后的信号进行了相控阵图像重构。结果表明:缺陷特征信号几乎分布于检测信号的整个频域范围,单纯的频域滤波必然导致缺陷信号的损失;基于改进的小波包阈值,并且有针对性地选择部分分解信号进行滤波降噪,可在较好保留有用信号的同时滤除噪声信号,有效地提高了检测信号信噪比及检测图像分辨率,对于提高涡轮盘的超声相控阵检测能力具有重要作用。     

模糊提升小波包变换降噪法在漏磁检测信号处理中的应用

漏磁（MFL）检测信号常被多种噪声源污染,极大地降低了漏磁信号中缺陷信号的可检测性。为此提出应用模糊提升小渡包解决漏磁信号的噪声抑制问题。对比分析软阈值、硬阈值和模糊阈值三种阈值处理方式下,传统小波包与提升小波包的降噪性能,并应用模糊提升小波包实现了漏磁信号的降噪。仿真结果表明,该方法具有运算速度快,降噪效果好的特点,是一种有效的漏磁检测信号降噪方法。     

面状缺陷超声B扫描检测图像增强研究

针对面状焊接缺陷超声B扫描检测图像受噪声污染造成的质量下降问题,利用多尺度小波分析方法,对超声B扫描图像进行了增强处理.分析了缺陷信号和噪声的小波变换特性,分别在软、硬阈值函数条件下,采用固定阈值、Stein无偏似然估计阈值、混合型阈值、极大极小准则阈值等方法进行了信号增强处理,比较了不同阈值方法小波变换的处理效果.结果表明:小波变换方法能有效地提高超声B扫描图像质量,硬阈值条件下固定阈值小波变换方法的图像增强处理效果较好.     

基于改进阈值函数的提升小波变换超声信号去噪研究

在焊接缺陷的超声检测中,噪声和伪信号大大降低了检测结果的可靠性和质量。因此消除噪声、提高超声检测信号的信噪比,已成为超声无损检测与评价技术成功应用的关键。首先介绍了提升小波变换的基本理论,分析了小波阈值法去噪的原理和方法;然后在软、硬阈值函数的基础上,提出了一种基于改进阈值函数的提升小波去噪方法;最后对实际焊接缺陷超声回波信号进行了去噪实验研究,并从信噪比和均方根误差两个方面对去噪性能进行了比较分析。结果表明,该方法在一定程度上改进了软、硬阈值去噪法的缺点,获得了更好的去噪性能和更高的信噪比,并且提升小波变换的去噪速度快、设计灵活、编程简单,因此在实时信号去噪方面具有很好的应用前景。     

GH901高温合金盘件复杂区域微小缺陷超声相控阵检测信号的小波降噪研究

针对GH901高温合金盘件复杂区域微小缺陷的相控阵超声检测技术,分析了检测信号,采用一种随分解尺度变化的阈值设置准则对检测信号进行小波降噪处理以提高信噪比。结果表明,该方法可在较好保留盘件微小缺陷信号的同时滤除噪声信号,有效的提高了相控阵超声检测信号信噪比,对于提高GH901高温合金盘件复杂区域微小缺陷的相控阵超声检测能力具有重要作用。     

铁磁性材料脉冲涡流检测信号的消噪方法

为了能够有效地滤除铁磁性材料脉冲涡流检测信号中的噪声成分,提出基于小波分析和卡尔曼滤波器联合降噪的方法。阐述小波阈值降噪的基本原理,通过信号降噪试验优化小波降噪阈值参数,实现小波阈值最优降噪。针对小波降噪后的信号仍然存在少量非平稳噪声的问题,提出卡尔曼滤波器降噪方法,信号降噪试验结果表明:卡尔曼滤波器有效滤除了非平稳噪声,信号的信噪比达到34.976 7dB,均方根误差减小到0.049 395。     

油液磨粒超声回波信号双树复小波自适应降噪最优分解层数的研究

磨粒超声回波信号受到各种因素的影响,从而存在噪声,分解层数的选取对降噪效果影响很大。为此,提出了一种基于粒子群优化算法(PSO)的最优分解层数选取方法,将得到的最优分解层数代入双树复小波域,采用一种渐近半软阈值函数与一种自适应阈值选择方法相结合,对含噪磨粒回波信号进行双树复小波阈值降噪,选取信噪比(SNR)和均方根误差(RMSE)两个参数评价降噪结果。仿真与实验结果表明:通过粒子群优化算法选取的分解层数得到的信噪比最高,油液磨粒超声回波信号自适应降噪方法对磨粒超声回波信号具有显著的降噪效果,明显提高了信噪比,降低了均方根误差,还原了信号的波形特征,为后续的特征提取与智能识别打下了良好的基础。     

改进小波降噪算法在轴承缺陷图像的应用

针对传统Bayes阈值不能随小波分解尺度变换以及提高传统算法图像降噪效果的问题,文章提出一种改进的基于小波维纳滤波与Bayes自适应阈值估计图像降噪算法,该算法在多层小波变换的基础上,对小波分解后的第一层细节系数进行维纳滤波处理,对其他层细节系数进行改进Bayes软阈值估计算法处理,最后对处理后的小波系数进行重构,得到降噪图像。实验结果表明,该方法在图像峰值信噪比(PSNR)定量指标上优于传统的小波Bayes软阈值估计图像降噪方法,并将该方法成功的应用于轴承缺陷图像的降噪预处理以及轴承缺陷图像边缘检测中,达到了图像降噪的优化效果。     

基于合成孔径聚焦的不锈钢焊缝超声TOFD检测技术

奥氏体不锈钢焊缝受粗大柱状晶组织的影响,其焊缝的超声TOFD检测信号信噪比低、扫描图像模糊,缺陷检测容易误判或漏检。为提高检测信号信噪比及扫描图像分辨力,引入合成孔径聚焦算法对超声TOFD-D扫描采集的A信号进行处理,并分析了变迹窗对处理后检测信号信噪比的影响。研究表明,通过优化选择变迹窗可提高检测信号的信噪比和缺陷的D扫描图像分辨力,有效地增强了超声TOFD检测技术对奥氏体不锈钢焊缝的检测能力。     

基于深度重采样叠加的不锈钢焊缝TOFD检测信号降噪技术

奥氏体不锈钢焊缝粗大的柱状晶组织会导致常规TOFD(超声波衍射时差法)检测信号的信噪比较低,检测信号中的缺陷衍射波较难判定。为提高检测信号信噪比,基于缺陷衍射波信号与焊缝组织结构噪声的差异,提出了深度重采样叠加算法并进行检测试验。研究结果表明,与缺陷衍射波信号基本一致的相位分布相比,结构噪声的相位分布具有随机性;深度重采样叠加技术可有效抑制组织结构噪声,提高检测信号信噪比,对于提高奥氏体不锈钢焊缝的TOFD检测能力具有重要作用。     

光纤缺陷的超声信号小波阈值去噪改进算法

光纤熔接缺陷的超声检测中,由于受噪声干扰,一些弱结合缺陷很难被正确检测出来。在多分辨分析小波阈值去噪方法基础上,提出了一种改进的闽值函数,并将其应用于缺陷信号的去噪。实际缺陷信号去噪结果表明,该算法与传统方法相比,具有重建信号均方误差小,信噪比高的优点,具有很好的去噪效果。     

Reduction of ultrasonic echo noise based on improved wavelet threshold de-noising algorithm for friction welding

In the ultrasonic detection of defects in friction welded joints, it is difficult to exactly detect some weak bonding defects because of the noise pollution. This paper proposed an improved threshold function based on the multi-resolution analysis wavelet threshold de-noising method which was put forward by Donoho and Johnstone, and applied this method in the de-noising of the defective signals. This threshold function overcomes the discontinuous shortcoming of the hard-threshold function and the disadvantage of soft threshold function which causes an invariable deviation between the estimated wavelet coefficients and the decomposed wavelet coefficients. The improved threshold function is of simple expression and convenient for calculation. The actual test results of defect noise signal show that this improved method can get less mean square error (MSE) and higher signal-to-noise ratio of reconstructed signals than those calculated from hard threshold and soft threshold methods. The improved threshold function has excellent de-noising effect.     

改进阈值小波去噪方法在机床冲孔声音信号处理中的应用

机床冲孔产生的声音信号包含了许多有用信息,为了滤除声音信号提取过程中的工厂环境产生的噪声,使用改进阈值小波去噪方法对声音信号进行处理。利用信噪比(SNR)和均方误差(MSE)作为去噪效果指标,使用新的阈值选取规则,提出了一种分段连续的阈值函数,对传统小波去噪方法进行改进。该改进函数通过引入常数a,解决了传统阈值函数中软硬阈值函数不连续和恒定偏差问题。采集机床冲孔声音信号并叠加高斯白噪声作为机床冲孔含噪信号进行验证。通过实验确定了最佳小波函数类型和分解层数,将改进阈值小波去噪算法与传统算法进行对比,结果表明:改进后的算法去噪效果良好,且有效保留了较低的信号能量。     

LFM激励信号在超声TOFD检测中的应用

对于大厚度焊接试件的超声衍射时差法检测(time of flight diffraction, TOFD),常规超声激励难以同时满足信噪比、检测距离以及检测分辨率的要求.文中将线性调频脉冲压缩技术应用在超声TOFD检测中,线性调频(linear frequency modulated, LFM)激励可综合改善检测信噪比(signal to noise ratio, SNR)与分辨率.首先对试验用10 MHz超声换能器进行了LFM信号参数测试,选择了合适的时宽和带宽.对埋藏3 mm高的横槽缺陷的钢板分别进行了超声LFM激励的TOFD检测及常规超声TOFD检测,对比发现超声LFM激励的TOFD检测精度高达0.01μs,可准确区分缺陷上下端衍射波.在较低的激励电压和系统增益下,实现了较高的检测信噪比及分辨率.     

数字超声系统脉动噪声的估计与消除

采用高通滤波器和小波包变换技术对低碳钢摩擦焊接头进行超声无损检测，研究表明，高通滤波后，信噪比有所提高，但频率滤波器在滤除噪声的同时，也滤除了缺陷信息中所含的低频成分。小波包变换是一种比小波变换频率线性度更好的时频分析方法，能同时兼顾信号的陡变和缓变特征，从而清楚地区分时变信号和长时间的类周期信号。实验证明，小波包换能正地估计出脉动噪声，从而有效地去除之，提高信号的可观察性和信噪比。     

基于小波变换的发动机表面缺陷图像去噪方法的研究

目的 滤除发动机表面缺陷图像上的噪声,使发动机表面缺陷信息得以更好地呈现。方法 首先利用小波变换将发动机表面缺陷含噪图像进行系数分解,获取不同的小波系数;接着利用支持向量机对小波分解系数进行分类,以达到将噪声信号与非噪声信号进行分离的效果;最后利用插值运算对硬阀值函数进行优化,以克服函数不连续性引起的振铃效应等弊端,使得去噪后图像能够保持更多的细节信息。通过实验仿真将所提方法以及中值滤波、双边滤波方法的去噪效果进行对比。结果 所提方法去噪后图像与中值滤波以及双边滤波方法去噪后图像相比,具有更高的PSNR值以及SSIM值。测试图像噪声强度为25%时,所提方法去噪后图像的PSNR值以及SSIM值较中值滤波方法去噪分别提高了20.66%以及11.89%,较双边滤波方法去噪分别提高了10.30%以及5.48%。结论 所提方法比中值滤波、双边滤波方法具有更好的去噪效果,能够对发动机表面缺陷图像的噪声进行去除,并较好地保留图像的细节信息。     

焊缝成形测量小波软硬阈值折衷去噪法

利用线激光视觉传感器对焊缝成形进行测量,焊缝图像往往存在噪声. 针对传统小波阈值去噪算法中硬阈值函数和软阈值函数的不足,研究焊缝图像软硬阈值折衷去噪算法. 利用db4小波基函数对激光条纹中心进行3层小波分解,对分解后的细节系数分别采用传统小波阈值函数和软硬阈值折衷法进行去噪,采用信噪比和均方根误差评价几种方法的去噪效果. 结果表明,软硬阈值折衷法的去噪效果优于传统小波阈值去噪法,能有效提高焊缝外形尺寸的测量精度及可靠性.     

基于小波包神经网络的轴承故障识别模型

针对传统故障特征提取过程复杂、诊断方案单一且准确性差等问题,提出了基于多阈值小波包和深度置信网络(DBN)的轴承故障识别方案。本文作者采用最优小波基函数和软硬阈值结合方法对原始振动信号进行三层分解降噪处理,得到8个从低频到高频段的信号成分,对其进行组合重构作为神经网络的输入样本;通过DBN在数据处理上的特征重构优势,建立了DBNBP神经网络的轴承故障识别模型,确定模型的各类参数。经多次实验,探究不同样本输入对模型识别率的影响,并与传统的浅层神经网络识别模型做对比分析,结果表明:经训练的DBNBP轴承故障识别模型可从原始数据、小波包分解信号实现轴承故障信号的准确特征学习和分类,结合识别率和诊断时间考虑,经小波包分解信号输入具有更优的诊断效率。     

自适应灰狼小波去噪法在变压器套管引线超声检测中的应用

在对变压器套管引线进行超声检测时,检测精度易受噪声影响,难以准确判断套管端部内的引线状态,提出了一种自适应灰狼阈值去噪法。首先,通过小波变换对超声回波信号进行多层分解,采用基于包含多阶连续导数的梯度下降自适应阈值法,估计分层阈值;然后,结合灰狼算法,以最小梯度值为目标函数进行寻优,确定阈值大小并完成去噪。通过仿真与实例验证可得,采用文中算法去噪后,信号信噪比更高,均值误差更小,信号畸变程度较小,计算速度更快,可以有效保留超声回波信号起振位置等有用信息,更好地反映套管内引线的状态,具有一定的应用价值。     

Automatic defect detection in ultra sonic TOFD D-scan data using image processing method

In ultrasonic time of flight diffraction (TOFD) D-scan image, only a small fraction represents defects, whereas the majority is redundant. Because of the low contrast between defect and background image, it is difficult to manually interpret TOFD image. In addition, due to the nature of the weak amplitude of ultrasonic diffracted signals, the human factor introduces inconsistency into the interpretation. In order to automatically distinguish weld defects from the D-scan image, a defect detection method based on image processing technique is proposed. First, image pre-processing including clutter and noise suppression is conducted. Second, information entropy based image segmentation technique is employed to extract defects in the pre-processed image. At last, mathematical morphology based post-processing is carried out. The experimental results show that with the proposed method, TOFD can be used for automatic weld defect detection with satisfactory level of reliability.