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MEEMD和GA-SVM的列车车轮多边形故障识别方法

根据列车车轮振动信号的非平稳特性,提出一种基于改进的集合经验模态分解(MEEMD)和遗传算法支持向量机(GA-SVM)的诊断方法,用于识别车轮多边形故障。该方法对车轮轴箱垂向振动信号进行MEEMD分解,依据各固有模态函数(IMF)分量的峭度值和能量值选取出主要IMF分量。利用希尔伯特变换求取主要IMF分量的包络谱,并计算包络谱熵。将包络谱熵值归一化后作为特征向量输入GA-SVM中进行训练和识别。对实测信号进行分析的结果表明该方法能有效识别出车轮多边形故障,识别准确率可达到95%。     

EMD近似熵结合支持向量机的心音信号识别研究

针对心音信号的非线性、非平稳特征和心音识别准确率不高且分类速度较慢的实际情况,提出一种经验模式分解(Empirical Mode Decomposition,EMD)近似熵(Approximate Entropy,ApEn)结合支持向量机(Support Vector Machine,SVM)的心音分类识别方法。首先通过EMD方法将非平稳的心音振动信号分解成若干个平稳的固有模态函数(Intrinsic Mode Function,IMF);然后利用互相关系数准则对IMF进行筛选,计算所筛选IMF的近似熵构成特征向量;最后将特征向量输入SVM分类器进行分类识别。对临床采集的心音样本按本文提出的方法进行测试,结果表明,该方法能有效地用于心音识别。     

超声检测信号多特征SVM-Bayes融合识别

分析了超声检测信号识别中存在的问题。研究了将支持向量机和贝叶斯推理相结合的多特征融合识别算法。阐述了支持向量机解决分类问题的原理以及贝叶斯推理原理。设计了基于最大后验概率准则的多缺陷类型多特征SVM-Bayes融合识别方法。介绍了四种不同的特征提取方法。分别将单特征SVM方法和SVM-Bayes融合方法应用于石油套管缺陷检测信号的识别。对比试验表明：SVM-Bayes融合识别方法能有效识别上述缺陷信号,其在识别率和泛化性方面都比单特征的SVM识别方法有优势。     

一种基于改进EMD分解人车地震动信号识别算法

为解决在野外环境中对低信噪比人车地震动信号进行正确识别的问题,该文提出一种基于希尔伯特包络线提取和改进经验模态分解的信号分解方法——协方差叠加经验模态分解的人车地震动信号识别算法。首先对目标的地震动信号进行希尔伯特变换,对其进行平滑,获取信号的包络线,然后对包络线进行EMD分解后运算协方差选出一个与原信号最相关的IMF和一个最无关的包含高频噪音的IMF作差平均并加回原信号中实现对原信号的信噪比提升。再次进行EMD分解从而得到具有高信噪比的新IMF分量。通过对所得到的IMF分量进行时频域的信号分析就可以实现对于目标地震动信号的特征提取,最后使用随机森林分类算法对信号进行分类,从而实现对人车目标的识别和分类。最后识别准确率大于90%,高于其他传统方法在该环境下的识别率。     

基于特征优选和GA-SVM的滚动轴承智能评估方法

针对滚动轴承等旋转机械设备零部件的退化状态识别问题,研究并提出一种基于支持向量机(support vector machine,SVM)的智能评估方法.对于在线持续输出的轴承振动信号,采用时域方法和集成经验模态分解(ensem-ble empirical mode decomposition,EEMD)能量熵提取轴承特...     

基于EMD模糊熵和SVM的转子系统故障诊断

提出一种经验模态分解、模糊熵和支持向量机相结合的转子系统故障诊断方法。该方法首先对转子系统故障信号进行经验模态分解,得到若干阶表征故障信息的固有模态函数,并运用基于能量原理的虚假模态消除方法剔除虚假模态分量;再利用模糊熵能够表示信号复杂程度且具有相对稳定性等特点,选取前4阶固有模态函数的模糊熵值作为各故障信号的特征向量;最后将该特征向量输入到支持向量机中进行转子系统的故障分类。试验结果表明,该方法能够有效的提取转子系统故障特征和对转子系统进行故障诊断。     

基于复小波变换和支持向量机的缺陷类型识别

 针对传统缺陷检测存在的工序繁琐、不易在线实施、准确率低、容易受人为因素影响,以及用人工神经网络对小样本事件进行缺陷类型识别时存在泛化能力差和过学习等问题,提出一种基于复小波变换和支持向量机（SVM）模式识别理论的缺陷类型识别新方法．在利用小波对超声缺陷回波信号进行消噪的基础上,采用复小波变换获得缺陷回波信号的包络并提取其特征参数,构成输入特征向量后运用支持向量机进行分类．实验结果表明,该方法具有识别准确率高、泛化能力强、容易实现在线处理等优点．     

一种基于SVD与EMD的多频小信号检测方法

针对多频信号的检测问题,本文提出了一种基于SVD与EMD相结合的方法,先用SVD方法提高信噪比,而后用EMD方法分解信号,获取其中所包含的各有用信号成分,达到检测多频信号的目的.仿真结果表明,该方法在信噪比高于0.34dB时能够有效的检测出信号中所包含的成分,获得了较好的效果.     

基于改进HHT和SVM的滚动轴承故障状态识别

针对滚动轴承故障信号特征难以提取与故障诊断效率较低问题,引入集合经验模态分解(EEMD)对Hilbert-Huang变换(HHT)进行改进,将改进的HHT结合拉普拉斯得分(Laplacian score,LS)进行轴承故障特征提取,并利用遗传算法(GA)优化支持向量机(SVM)分类参数,将其应用于滚动轴承振动信号故障状...     

基于EMD和小波熵阈值算法的超声回波信号降噪

超声检测信号中通常包含大量噪声,而其中材料晶界散射的噪声是一种相关噪声。鉴于传统的方法难以将这种噪声和缺陷回波信号区分,提出一种EMD和小波熵阈值联合降噪的算法。该算法首先对目标信号进行EMD分解,提取具有噪声特性的IMF分量进行小波分解,利用含噪系统熵增的特性,在分解各尺度层的细节部分选用小波熵自适应阈值降噪,然后将剩余分量和降噪处理后的信号进行重构。仿真信号结果表明:该降噪方法(EMD-WET)输出信号的信噪比(SNR)为7.9 d B、均方根误差(RMSE)为18.1、相似系数(NCC)为0.92,优于传统的小波软、硬阈值方法。对实测信号进行处理,该方法降低信号中的大部分噪声,更好地还原回波信号的波形。     

Chirp signal matching and signal power optimization in pulse-echomode ultrasonic nondestructive testing

Chirp pulse compression is a signal correlation technique that uses frequency modulated pulses as transmitted signals. Usually, signals with linear frequency modulation are applied. They can be generated rather easily, but their spectra are not totally matched to the transfer function of ultrasonic systems. In pulse-echo mode operation, with signal duration and consequently the time-bandwidth product being critical parameters, waveforms should be applied which make full use of the available power and bandwidth resources. We report here two methods to improve the overall efficiency of an ultrasonic pulse-echo system. Transmitter signals with constant amplitude level and nonlinear frequency modulation can be generated in such a way that they are spectrally matched to the system. A formula for the calculation of such a matched nonlinear chirp signal is presented. This modulation scheme also leads to a side-lobe level reduction of the compressed pulses. The application of square wave chirps derived from sine type chirps yields an additional gain of echo signal amplitude. Moreover, the complexity of the signal generation hardware is reduced. The methods are illustrated by an example     

Designed strength identification of concrete by ultrasonic signal processing based on artificial intelligence techniques

This paper presents a pattern recognition method to identify the designed strength of concrete by evidence accumulation based on artificial intelligence techniques with multiple feature parameters. Concrete specimens in this experiment, which were designed to have the strengths of 180, 210, 240, 300, and 400 kg/cm2, respectively, have been considered. Variance, zero-crossing, mean frequency, autoregressive (AR) model coefficients, and linear cepstrum coefficients are extracted as feature parameters from ultrasonic signals of concretes. Pattern recognition is carried out through the evidence accumulation procedure using the distances measured with reference parameters. A fuzzy mapping function is introduced to transform the distance for the application of the evidence accumulation method. Results are presented to support the feasibility of the suggested approach for concrete pattern identification.     

齿轮焊缝超声检测信号降噪方法研究

汽车变速箱齿轮焊缝的超声检测过程中,超声回波信号存在信噪比较低导致误检率较高的问题.该文根据齿轮焊缝超声检测信号中噪声的特点,提出利用经验模态分解进行滤波的方法.针对经验模态分解过程中出现的虚假频率现象,提出镜像扩展的解决算法,把镜内信号映射成一个周期性的信号,抑制端点效应,避免虚假频率现象.仿真结果表明该方法可有效提...     

基于EMD算法的光栅莫尔条纹信号去噪方法研究

针对计量光栅莫尔条纹信号的质量问题,提出了基于经验模态分解（EMD）算法对非平稳光栅莫尔条纹信号模型的去噪方法。建立非平稳的光栅时变信号模型,利用EMD算法不需要定义滤波器参数的自适应性优点,对添加不同噪声的多组光栅信号模型进行了滤波分析的仿真实验,其信噪比和均方根误差两项指标优于均值滤波、小波阈值去噪方法。对两路正余弦理想信号添加高次谐波分量,通过对比EMD算法抑制高次谐波前后的李萨如图形,验证了该方法在去噪过程中对光栅莫尔条纹信号正弦性误差补偿的良好效果。     

基于EMD和HHT的航空发动机转子—机匣振动信号分析

将EMD和HHT方法引入航空发动机转子—机匣的振动信号分析,某台发动机的台架实测机匣振动信号的分析结果表明,该方法能够比较清楚地再现转静系统碰摩故障随转速和采样周期的演变过程,能够克服傅立叶谱无法同时获得时域和频域信息的缺陷。同时边际谱与傅立叶谱相比能够比较真实客观地反映系统的频率和幅值分布情况。     

基于EMD的神经网络空耦超声储油罐液位检测

由于仅从信号时域幅值的大小信息虽然能够判断储油罐中不同介质的液位,但是获得的特征信息非常有限,为获得更多储油罐中不同介质信号的特征信息来提高液面识别率,针对储油罐罐壁厚度为5 mm的钢制储油罐为对象,采用空气耦合超声兰姆波同侧相向检测法,并使用A0模态对储油罐进行检测.利用经验模态分解(EMD)对采集储油罐中的不同介质...     

ITD改进信号子空间超声检测信号去噪

金属材料超声检测信号中存在的干扰噪声严重影响实际缺陷的检测精度,因此必须对采集的检测信号进行有效去噪处理。针对传统信号子空间去噪方法的不足,提出固有时间尺度分解(ITD)改进信号子空间信号增强算法的超声检测信号去噪方法,融合ITD方法和信号子空间的优势。通过现场超声检测缺陷信号数据的对比验证表明,信噪比、均方根误差和相关性等参数都比较满意,对含有有色噪声的超声检测信号去噪效果明显。     

基于FPGA和DSP的超声波检测系统设计

针对目前机车车辆模拟式超声波检测仪器的不足,设计了一种基于FPGA和DSP的数字式超声波检测系统.整个系统由信号预处理模块、高速AD转换器和数据采集处理等模块构成,解决了超声波检测中的高速数据采集和处理的关键问题,实现了超声波信号的检测、处理和显示.试验结果表明,由于采用高速数字信号处理技术,不仅提高了检测系统的精度,而且系统运行稳定可靠,达到超声波信号检测要求.