基于EMD及主成分分析的缺陷超声信号特征提取研究

针对非线性、非平稳超声缺陷信号的特征提取问题,提出一种经验模态分解(EMD)和主成分分析(PCA)相结合的缺陷信号特征提取方法。对缺陷信号进行EMD分解得到本征模态函数(IMF),根据能量比率累积选取IMF,平均截取傅里叶变换后的各模态频谱得到能表征原信号的特征向量集;构建PCA模型,特征向量集降维得到低维特征向量,该过程可降低缺陷信号分析数据的复杂度和冗余度,以BP神经网络为缺陷分类器对缺陷特征进行识别与分类。实验结果表明该方法具有可靠的识别与分类效果。     

基于CPLD的超声实时控制系统

本文介绍了基于厚度测速法和TIRP法的超声测速原理,在深入分析TIRP法测速原理的基础上,用CPLD实现时间的测量,不但速度快、测量精度高,而且整个模块接口简单、操作灵活,完全可以满足工程中声速扫描应用的实时要求.     

基于EMD法的语音信号特征提取

特征提取是目标识别的关键,如何从有限的测量数据中获取有效、可靠的特征参数,是特征提取中重点考虑的问题。本文采用EMD方法对语音信号进行频率特征提取,可以较好地降低语音信号的冗余度,实验结果表明:EMD方法是处理非平稳信号的有效方法,它运用于语音信号特征提取是可行的。     

Ni-Cr合金超声导波温度传感器的设计

为了实现在高温环境下对温度的精准测量,基于超声导波测温原理,设计了一种镍铬合金超声导波温度传感器。镍铬合金具有抗氧化性好、高温环境下强度高、热膨胀系数小、导热性能好以及长期使用不变形等优点。经过分析,选用长为1 m,直径为0.8 mm,区截长度为30 mm的Ni-Cr合金丝作为敏感元,采集超声回波信号,利用互相关计算渡越时间,实现对温度的测量,并对传感器的测温范围、灵敏度以及重复性进行了分析,实验结果表明该传感器在1 100℃的强氧化环境下准确度达到了1%。     

在连续噪声背景下分离脉冲信号的一种方法

在探伤中经常遇到以脉冲形式出现的伤信号，伴有大小随机变化的连续噪声，包括某些因为仪器平衡点漂移产生的趋势项．有时噪声绝对值可能相当大，甚至超过伤信号．作者提出一种简便有效的方法，可以将伤信号分离出来，并对此方法作了一定的理论分析     

一种基于EMD和神经网络的超声缺陷信号分类方法

在经验模式分解(Empirical Mode Decomposition,EMD)的基础上,结合人工神经网络技术提出一种超声缺陷信号的分类方法.首先利用EMD对信号进行分解获得多个平稳的IMF(Intriusic Mode Functions)分量,然后对各IMF分量分别在时域和频域求出一组特征值,由这些特征值构造向量,作为识别信号的特征向量.采用BP神经网络作为诊断决策分类器,神经网络模型中输入节点对应信号特征向量,输出节点对应缺陷类型.详细地论述了这种方法的基本原理及实现过程.通过典型人工缺陷样品的回波信号的试验,表明该方法对于检测此类缺陷信号有较好的效果.