激光超声信号去噪的经验模态分解实现及改进

考虑激光超声检测过程中噪声对缺陷和材料特征分析和检测的影响,本文以激光超声信号去噪为目的,研究了基于经验模态分解（EMD）的激光超声信号时间尺度滤波过程。针对分解过程中固有模态函数（IMF）上有用信号与噪声的混叠现象对重构信噪比的影响,结合信号多模态和宽频带的特点,提出了基于峰度检验策略的时域加窗方法。该方法通过局部峰度检验判断重构起点附近IMF中有用信号的位置及信噪分界点,利用Turkey-Hanning窗保存有用信号,抑制噪声,实现信号与噪声的解混叠,改善重构信号质量。仿真和实验结果表明,该方法具有良好的自适应性,有效识别并分离了信号和噪声成分,信噪改善比达14dB以上,相对原始方法提升了3dB,相对性能增强了20%,并且改进效果随信号受污染程度的加重而愈发突出,有望在高噪声水平下发挥优势。     

分数阶微分加权引导滤波对超声图像的纹理保持

医学超声图像是医生诊断人体组织病变的重要依据,而医学超声图像中固有的散斑噪声易造成纹理信息的破坏,影响医生对组织器官的判断,因此,医学超声图像的去噪处理倍受关注.针对目前医学超声图像去噪算法无法保持图像纹理这一局限性,本文提出分数阶微分加权的引导滤波算法.算法首先通过对数变换,将难以去除的散斑噪声转换为加性噪声;再结合...     

声发射无损检测技术在管道故障检测中的应用

管道运输工作现场环境复杂,复杂多变的噪声源影响所监测到测量信号,针对复杂信号的提取。本文在退役管道上通过模拟实验获取不同类型的三类信号：断铅、金属棒敲击和砂纸三种声发射信号源,获取故障信号数据,并将数据进行处理,成为可显示的电子信号图像,从而可以进行采集,处理和分析,同时,因为信号具有复杂性,提出对采集到的信号进行小波去噪,去除信号中无意义的部分,大量采集信号中所需要的的信号,为故障信号数据类别判定提供有效保障。     

管道腐蚀缺陷超声信号的PSO-SVM模式识别研究

针对金属管道腐蚀问题,提出了一种基于支持向量机(Support vector machine,SVM)与粒子群优化(Particle swarm optimization,PSO)相结合的管道腐蚀缺陷的分类方法。对预处理后的超声缺陷信号进行经验模态分解(Empirical mode decomposition, EMD),提取相应的时域无量纲参数作为特征向量;建立SVM缺陷分类模型,并采用PSO算法优化SVM参数,提高模型的缺陷分类准确率。实验证明,该方法建立的模型针对不同深度的超声缺陷信号的识别率达到87.5%,优于相同试验样本下BP神经网络和RBF神经网络的分类准确率。     

基于多重小波变换的信号去噪及其在软测量中的应用

针对化工过程中数据的随机性、非平稳性及含有大量噪声的特点,提出了小波去噪的思想和步骤,并在此基础上采用多重小波变换阈值去噪的方法,以去除大部分高频随机噪声,提高数据的置信度。然后将该方法应用于醋酸正丙酯反应过程质量指标软测量模型中,仿真结果表明,该方法能有效恢复数据的真实性,能提高软测量建模的拟合精度与泛化性能。     

壳段厚度激光检测信号的变分模态分解去噪

针对双激光位移传感器测量大型壳段厚度过程中噪声对检测精度的影响,提出利用变分模态分解来实现对厚度信号的自适应去噪,利用相邻固有模态函数之间的离散Hellinger距离来获取最佳的模态数。该方法将变分模态分解算法引入到激光信号的自适应滤波过程中,分析并改进了变分模态分解算法的过分解、欠分解以及能量泄露的问题。然后,对改进的变分模态分解与希伯特振动分解和自适应噪声总体集合经验模态分解进行性能对比,提出了固有模态函数的相对瞬时能量概率的概念。最后,结合离散Hellinger概率分布距离理论判断固有模态之间的信噪分界点,实现了对信号的重构及滤波处理。仿真和实验结果表明,该方法对壳段厚度信号处理的信噪比为39.27dB,比自适应噪声总体集合经验模态分解方法提高了10dB,具有良好的自适应性,无需先验条件便能快速有效地识别并分离激光信号中的噪声成分。     

提升小波变换在振动信号去噪中的应用

振动信号存在不同形式的波形特征,传统小波去噪中,小波分解的结果与所采用的小波基函数有关,选用不适当的小波基函数会冲淡振动信号的局部特征信息,从而造成原始信号的部分有用信息丢失。为了克服上述缺陷,介绍了提升算法和基于该算法的小波变换快速算法,探讨了如何利用提升小波变换对信号进行去噪一通过对实际信号去噪处理．得出了提升小波算法能够较好地应用于信号去噪的结论。     

超声检测信号中的小波包分析

超声检测中缺陷回波信号的质量是实现缺陷定位定量定性分析与评价的基础,去噪是超声检测信号处理中很重要的环节。小波包分析方法可以有效地抑制噪声干扰,提离有用信号。在Windows环境下,采用MATLAB 6．5 编程实现了缺陷回波信号的小波包去噪处理。研究结果表明:利用小波包阈值去噪,大大提高了缺陷回波信号的信噪比,改善了信号特征信息的质量,并且具有较高的缺陷定位精度和纵向分辨率。     

波形相关性算法在超声波测厚中的应用

压缩天然气(CNG)地下储气井由于长期受井中的积液和地下水的作用,其管道壁会出现局部变薄,而剩余厚度决定了管道的后续使用年限。本文针对采用传统的超声波检测方法测量管壁厚度,具有数据量大、干扰多、精度较低等缺点,提出一种改进测厚算法。该算法使用特征值查找和波形相关性算法来获取回波时间。描述了检测原理和相关性算法,分析了影响测量精度的因素。以一段标样管为检测对象,进行了检测和结果分析。最后,将提出的算法运用于储气井检测现场。通过对江苏省内6个加气站进行实地试验,验证了提出的波形相关性算法的精确性,其测厚精度可达到0.03mm。提出的算法解决了目前储气井腐蚀检测数据处理算法易出错,精度不高等问题。     

改进的小波阈值去噪在压力管道声发射中的应用

声发射检测技术是在不损坏工件的基础上进行的缺陷检测,被广泛应用于特种设备检测。压力管道作为输送气体、液体、液化气体等介质的基础设备,一旦发生泄漏,会引发爆炸、中毒等危害事故。通过声发射检测管道泄漏初期信号,可反演管道内部缺陷情况,实现灾害预警,本文通过分析传统小波去噪理论,采用改进的阈值去噪算法进行含噪声发射信号的去噪处理,对后续声发射声源定位具有重要意义。     

多模态特征融合与多任务学习的特种视频分类

特种视频(本文特指暴力视频)的智能分类技术有助于实现网络信息内容安全的智能监控。针对现有特种视频多模态特征融合时未考虑语义一致性等问题,本文提出了一种基于音视频多模态特征融合与多任务学习的特种视频识别方法。首先,提取特种视频的表观信息和运动信息随时空变化的视觉语义特征及音频信息语义特征;然后,构建具有语义保持的共享特征子空间,以实现音视频多种模态特征的融合;最后,提出基于音视频特征的语义一致性度量和特种视频分类的多任务学习特种视频分类理论框架,设计了对应的损失函数,实现了端到端的特种视频智能识别。实验结果表明,本文提出的算法在Violent Flow和MediaEval VSD 2015两个数据集上平均精度分别为97.97%和39.76%,优于已有研究。结果证明了该算法的有效性,有助于提升特种视频监控的智能化水平。     

超声探测弱信号提取方法

为了在超声检测中排除噪声干扰，从强噪声背景中提取弱回波信号，利用小波变换技术从超声探测信号中提取弱缺陷回波信号，建立了超声缺陷回波的数学模型，并进行了仿真实验，其特有的“变焦距”特性使得小波分析在时域和频域中具有良好的分析能力。结果表明，利用小波变换方法能够很好地抑制噪声，提高信噪比，提取强噪声背景中的弱回波信号，且该方法原理简单，易于实现，在工程上有较高的应用价值。     

提升小波包渐变式阈值选择与量化降噪方法

为了实现移动装备发动机缸盖振动信号的在线处理,提出一种基于提升小波包变换的渐变式阈值降噪方法。分析了移动装备发动机缸盖振动信号的时频特性,介绍了插补细分提升小波包变换算法。提出一种渐变式阈值选择与量化策略,以适应信号与噪声特点。引入基于类可分离性测量的降噪效果评价标准,实现了复杂实测信号降噪效果的量化评价。应用实例表明,渐变式阈值与量化策略,能在全频带内很好地消除噪声并保留有用信息,具有更好的降噪效果。     

基于表面点云提取的移动机器人定位与建图研究

针对特征点法在非结构化复杂场景下没有明显特征导致特征提取失败的问题,提出了一种基于布料算法特征提取的改进激光SLAM算法。首先,提出基于布料算法提取垂直方向上的表面点云为特征点的新型特征提取方法,其能有效反应点云周围结构的垂直形状,且包含更多的全局点云信息;其次,采用3DSC方法作为特征点的描述符,确定相邻点云的对应点,利用改进的RANSAC方法进行粗配准,结合ICP方法进行精配准,完成位姿估计,提高配准精度。最后,采用全局描述符LiDAR-Iris进行回环检测,减少累计误差。实验结果表明,该方法在精度、低漂移、稳定性方面优于A-LOAM、LeGO-LOAM和LIOSAM,提升了系统的整体性能。     

基于BP神经网络的管道泄漏声信号识别方法研究

针对城市供水管网泄漏检测需求,进行了泄漏声信号识别方法研究。分析了泄漏信号的时域、频域及波形特点,提取出可用于泄漏信号表征的20种特征参数;基于提取的泄漏声信号特征参数,构建了泄漏声信号BP神经网络识别系统;研究了神经网络结构(隐含节点数、传递函数、学习率)及输入参数的数量和种类对泄漏信号识别效果的影响,并优化出最佳的神经网络结构及输入参数。在以上研究基础上,利用优化后的神经网络对实验室及现场管道泄漏信号进行了交叉训练和识别,结果表明,提出的基于泄漏特征参数的神经网络系统具有较高的可靠性和普适性,可以很好地实现不同场景下泄漏信号的交叉识别,整体识别率达92.5%,为解决不同工况下泄漏信号识别做了有益的探索。     

随钻姿态测量重力加速度自适应提取算法

为解决旋转导向钻井过程中由于钻具的高速旋转、剧烈振动和冲击给随钻姿态测量带来巨大干扰的问题,基于互补滤波框架提出了一种钻具重力加速度提取算法。首先通过余弦矩阵微分方程得到基于陀螺仪的重力加速度的递推方程,然后利用陀螺仪和加速度计在频率上互补的特性,在互补滤波框架下融合得到钻具重力加速度;同时,为了提高系统鲁棒性,利用非重力加速度和钻具旋转速度作为模糊算法输入,通过模糊算法动态调整互补滤波参数;最后设计了振动和旋转实验验证了算法的有效性。实验结果表明,使用本文算法提取重力加速度后姿态估计精度得到明显提升,本文算法相比于基于Kalman滤波框架的重力加速度提取算法在PC机测试环境下单次运算时间减少31.9%。     

A differential laser autocollimation probe for on-machine measurement

An optical probe based on the principle of differential laser autocollimation has been developed for the purpose of on-machine measurement of mirror shapes. The probe is so compact that it can be mounted on diamond lathes. It can be rotated by a stepping motor about an axis perpendicular to the optical axis of measurement, and has been used to measure mirror shapes on an apparatus that imitates the conditions of an on-machine measurement system. The probe can reduce remarkably the measurement errors due to vibrational and thermal noises that could not be avoided previously in on-machine measurement. Estimating from repeatability, accuracy is better than 0.1 μm in measurement of a parabolic curve whose depth is >1 mm and length is ≈ 100 mm.     

基于多重小波变换的信号去噪及其在软测量中的应用

化工生产过程中采集到的数据信号通常具有随机性和非平稳性，附加了各种噪声，以至于影响数据建模的拟合效果和泛化性能。本文基于小波分析的特点，提出了一种对信号数据进行多重小波变换阈值去噪的方法。该方法可去除大部分高频随机噪声，提取真实信号，进而提高数据的置信度。将该方法与小波神经网络相结合并应用于丙烯腈聚合反应过程质量指标软测量模型中。仿真结果表明，该方法能有效恢复数据的真实性，提高数据建模的拟合精度与泛化性能。     

基于PSD的激光微位移测量系统

介绍了一种基于二维位置敏感探测器PSD的激光光斑位置测量系统。与传统的方法相比,该系统改进了硬件和软件设计方法来实现PSD外围信号处理,它可以测量微米级位置的移动,实验结果表明系统测量精度在5μ之内。     

基于动态压力信号的管道泄漏检测技术研究

本文提出基于压电传感器信号特征的管道泄漏检测方法。比较了基于压电传感器和压力传感器的管道泄漏检测的优缺点，介绍了基于压电式动态压力变送器的管道泄漏检测的系统结构、压电式动态压力变送器的外形特征和内部结构，分析了基于压电式动态压力变送器的管道泄漏信号的时、频域特征，给出了相应的检测和定位方法。实际应用表明，这种方法可以快速、准确地进行泄漏检测和定位，并能可靠地工作。