基于模糊小波包的超声导波检测信号降噪研究

在管道超声导波检测中,缺陷同波信号的质量是实现管道缺陷识别和特征提取的基础.针对软、硬阈值处理方法的不足,给出了一种模糊阈值小波包降噪方法.应用该方法对包含高斯白噪声的模拟信号和实验采集到的超声导波检测信号进行了降噪处理,并且与小波全局阈值、小波包默认阈值降噪效果进行了对比分析.实验结果表明,模糊小波包降噪法能有效降低...     

改进小波包阈值法在导波信号处理中的应用

在管道超声导波无损检测中,缺陷回波信号不可避免地夹杂着噪声干扰信号,给管道缺陷的识别与提取带来困难。为了克服硬、软阈值去噪处理方法的不足,给出了一种小波包改进阈值法。应用此方法对含高斯白噪声的测试信号和实验采集到的缺陷回波信号进行了降噪处理。仿真与实验结果表明,该方法能有效地抑制缺陷回波信号中的噪声,降噪效果满意。     

基于电磁超声的小样本铝板表面缺陷检测方法

使用基于电磁超声技术的智能缺陷检测算法可以实现对重要零件质量状态的监测,保证设备安全可靠运行。在实际检测过程中,一方面采集的信号往往会被噪声污染进而对检测结果造成干扰,另一方面重要零件缺陷信号往往数据量较少不能满足神经网络训练的需求。因此本文提出了一种基于变分模态分解的降噪算法对检测信号进行降噪预处理以提升信号质量,提出了一种改进型的虚拟样本生成技术用来扩充样本集,并使用迁移学习技术减少神经网络训练的参数量以解决样本数量不足的问题。在铝板表面缺陷的深度检测样例中该方法达到了97.2%的平均预测准确率,因此该方法对非铁磁性材料表面缺陷检测有一定的借鉴意义。     

基于遗传-匹配追踪的复合绝缘子缺陷检测研究*

针对电网现有的绝缘子缺陷检测技术，提出一种基于遗传-匹配追踪算法的超声导波缺陷信号处理办法。首先，使用遗传算法优化匹配追踪算法中的原子寻优过程；其次，通过有限元仿真获取复合绝缘子缺陷回波信号，评估算法应用的重构降噪效果；最后，利用算法迭代计算时间的试验分析，进行算法的应用效果验证。研究表明，采用遗传 匹配追踪算法能大幅缩减迭代计算的求解时间，更好地满足较长缺陷信号的时间处理需求。     

基于FPGA的超声信号自适应滤波与特征提取

针对电磁超声特征信号的非线性、非平稳特性,存在传统降噪丢失成分、特征难以提取的问题,该文提出一种用于电磁超声信号的自适应滤波和经验模态分解(EMD)方法相融合的数据处理算法。首先,对超声信号进行稳定性评估,在此基础上采用自适应滤波对电磁超声信号进行降噪处理,融入EMD的自适应滤波对特有频率噪声更敏感,利用EMD分解出不同时间尺度下波动时频信息及所包含的噪声频率成分,实现表征提取;然后,对EMD降噪后的超声信号进行重构,可消除频率混叠现象,并基于现场可编程门阵列(FPGA)实现了对电磁超声信号的实时降噪和特征提取,为进一步缺陷识别、缺陷评估便携化奠定了基础。最后,分别对带有微裂纹、塑性损伤的铝板进行实验研究,验证了该方法的有效性。该方法具有信噪比高、可实时提取时频信息和有效信息丢失少等特点,能对铝板中缺陷进行有效识别。     

超声无损检测技术的研究进展

归纳总结了目前超声无损检测的部分常用方法和信号处理方法,介绍了当前超声检测的数字化、图像化、集成化和网络化技术,并展望了超声检测技术的发展趋势与应用前景。     

小波降噪与FFT降噪比较

汽轮机检测信号包含着丰富的反映其运行状态的信息,但由于各种噪声干扰,实测信号往往非常混乱,以致难以从中获得有用的信息.利用小波及小波包分解与重建以及小波变换对检测信号消噪,并画轴心轨迹图与降噪前对比,结果表明:利用小波降噪对信号进行处理,效果良好.     

基于经验模式分解的电晕放电辐射信号阈值降噪处理方法

随着输电电压等级的提高,电晕放电已成为影响高压、特高压输电线路安全稳定运行的重要因素。鉴于此,提出了基于经验模式分解（empirical mode decomposition,EMD）的电晕放电辐射信号阈值降噪处理方法,首先利用EMD算法对采集到的电晕放电辐射信号做分解处理,得到不同的基本模态分量,然后利用阈值函数和给定阈值对各分量做降噪处理,并对处理后的分量重构,得到降噪后的信号。研究结果表明：与小波降噪和EMD时空降噪相比,基于EMD的阈值降噪方法不存在基函数选取和分解层数选取等问题,其降噪过程是完全由信号特征决定的自适应降噪,同时该方法保留了小波降噪中对各分量进行阈值处理来降噪的优点,并且在对信号的降噪过程中去除了可能存在于信号中的趋势项干扰,因而该方法更有利于对电晕放电辐射信号的降噪处理。     

超声检测中数字频谱应用的初步研究

作者采用超声检测计算机数字处理系统和频谱分析技术,利用超声检测中的有关信号,成功地对超声检测仪电路,换能器的频率特性及缺陷对声波的调制进行了初步研究。     

基于WPT和参数优化的VMD谐波检测方法

针对变分模态分解(Variational Mode Decomposition, VMD)在谐波检测中易受噪声影响、分解模态个数K难以确定的问题,提出一种基于小波包降噪(WPT)和参数优化的VMD谐波检测方法。首先,对谐波信号进行WPT降噪处理,然后对降噪后的信号进行VMD预分解,根据解析分量的瞬时频率均值选取最优的K值,最后对降噪信号进行最优K值VMD分解并提取频率,用希尔伯特变换进行幅值检测。仿真结果与对比表明,该方法能够有效的选择VMD分解模态个数,减小噪声影响,且具有良好的检测精度。