基于S变换和时频谱空间滤波的超声缺陷回波检测方法

缺陷回波的检测是超声探伤的一项重要内容,为减弱噪声的影响准确检测缺陷回波,提出基于S变换时频分析和时频谱空间滤波的信号处理方法。讨论了高斯回波模型下的到达时间和中心频率与S变换时频谱的关系,说明了利用S变换时频谱幅值矩阵的极值提取回波到达时间和中心频率的合理性;为检测回波,首先对原始信号作S变换,然后对得到的时频谱幅值矩阵应用最大熵法自适应选择去噪阈值,对S变换时频谱作空间滤波完成降噪;从降噪后的区域中提取反映缺陷的到达时间和中心频率;对降噪后的时频谱作S逆变换,获得缺陷回波明显的时域信号。仿真研究表明,基于S变换和时频谱空间滤波的方法能够有效去除噪声,检测回波。棒材试块的实验结果同样表明了该方法在缺陷检测上的有效性。     

复合材料层压板分层缺陷相控阵超声检测参数优化方法EI北大核心CSCD

针对复合材料层压板分层缺陷的准确识别问题,通过仿真与实验提出相控阵超声检测激活孔径优化方法,研究并分析不同聚焦深度下激活孔径对声场特性和检测效果的影响。首先,针对相控阵超声接触式检测方法,推导出固固界面下的多点源三维声场模型;然后,对相控阵超声声场进行仿真,研究不同激活孔径下的声场特性;最后,采用热压工艺制备含分层缺陷的碳纤维增强树脂基复合材料(CFRP)层压板,并搭建相控阵超声检测系统对其进行检测。实验结果表明,通过对相控阵超声激活孔径进行优化选择,能够实现CFRP层压板分层缺陷的准确识别,有效提高缺陷检测精度。     

S变换引导变分模态提取的旋转机械故障诊断方法EI北大核心CSCD

针对信号变分模态分解(VMD)存在分解层数难以确定、目标模态难以选取的问题,介绍了一种信号分解方法——变分模态提取(VME),且提出了基于S变换(ST)与VME的旋转机械故障诊断方法。VME将信号分解成两层——期望模态和残余信号,并基于一个新的准则:期望模态与残余信号之间具有最小的频谱重叠。为了使VME得到的期望模态包含充分的故障特征,采用S变换对信号进行处理,确定故障特征所在的频段,据此选取VME期望模态的中心频率初始值。为了从期望模态中提取出故障特征频率,采用平方包络谱(SES)对期望模态进行分析。仿真信号与实际振动信号的分析结果表明,所提出的ST‐VME方法能够成功提取出有价值的期望模态和准确的故障特征频率,实现旋转机械故障诊断,且与VMD相比,ST‐VME方法的目标性更强,实施更容易。     

基于VMD和Chirplet变换的结构损伤识别研究EI北大核心CSCD

为识别结构损伤位置及对损伤程度进行量化,提出了一种基于变分模态分解(variational mode decomposition,VMD)和Chirplet变换的结构损伤识别方法。采用VMD对结构振动响应信号进行分解得到模态分量,并利用Chirplet变换对模态分量进行时频分析,构建模态分量Chirplet变换能量指标识别损伤位置,利用Chirplet时频熵量化结构损伤程度。采用一个刚度变化的简支梁数值算例对所提方法进行验证,结果表明,无论单点损伤或多点损伤,所提方法均能准确识别结构的损伤位置并量化损伤程度。     

基于EEMD的改进小波阈值算法在超声水表中的应用EI北大核心CSCD

针对超声水表在实际工作环境中容易受到噪声干扰从而导致计量精度下降的问题,提出了基于集合经验模态分解(EEMD)的改进小波阈值降噪算法。为了提高降噪效果,对小波阈值降噪算法进行了改进,构造了非线性阈值函数取代传统阈值函数,同时给出了一种分解尺度选择的方法。利用EEMD将流速信号分解为一系列的本征模态函数,通过改进小波阈值降噪算法对本征模态函数进行降噪处理,去除其中的噪声分量,为了验证该算法的适用性,将其与小波阈值降噪算法和时空滤波分析方法进行了比较。试验结果表明,以超声水表流速信号为降噪对象时,基于EEMD的改进小波阈值降噪算法具有较好的降噪效果。     

基于改进阈值估计和改进阈值函数的局部放电信号降噪方法EI北大核心CSCD

提出了基于改进最优阈值估计和改进阈值函数两方面优化的降噪方法。首先,针对传统阈值法估计偏大和单序列样本熵阈值法估计易陷入局部最优的问题,建立了融合噪声序列样本熵和降噪序列样本熵的综合熵模型,以综合熵曲率拐点下的阈值为优化目标,提出一种二分变步长非线性搜索方法实现最优阈值的快速估计。进一步,针对传统小波阈值函数存在重构振荡和重构偏差的问题,提出了一种融合软、硬阈值特征的改进阈值函数,通过使用平滑过渡数模型对该函数中的品质因子参数进行优化,使函数曲线在临界阈值邻域内连续平滑过渡。在高压设备局部放电超声波脉冲信号降噪应用场景中的仿真及测试试验结果表明,所提出综合熵阈值估计方法能够快速、准确地逼近最优阈值。此外,改进阈值函数兼顾了软、硬阈值函数的优点,能够抑制重构振荡和重构偏差,在保留原始信号有效信息的前提下实现对噪声的有效抑制,表现出了较好的工程应用价值。     

S变换时频谱SVD降噪的冲击特征提取方法

为了从滚动轴承故障振动信号中提取出冲击特征,以进行轴承故障诊断,提出基于S变换时频谱奇异值分解(SVD)的信号降噪方法。S变换是一种信号时频表示方法,适合于处理与分析非平稳的冲击特征信号。在SVD降噪过程中,数据矩阵由信号的S变换谱系数构成;奇异值序列的置零阈值位置坐标可由奇异值差分谱最前面部分峰值群的最后一个峰值点序号来确定。最后对降噪的数据矩阵进行S逆变换,获得信号的时域冲击特征。仿真研究表明,基于S变换时频谱的SVD降噪方法可以成功地从低信噪比信号中提取出周期性的冲击特征。将本方法用于处理与分析滚动轴承故障振动信号,根据所提取出的冲击特征出现频率,能够方便有效地实现轴承相关故障的诊断。     

基于稀疏滤波和长短期记忆网络的旋转机械故障诊断方法EI北大核心CSCD

针对原始振动信号不可避免的包含多余噪声问题。提出一种基于稀疏滤波(sparse filtering,SF)和长短期记忆网络(long and short term memory network,LSTM)相结合的旋转机械故障诊断模型,该模型利用快速傅立叶变换将原始时域信号转换成频域信号,再通过SF提取低维故障特征,并将其输入到LSTM堆叠分类器中识别旋转机械故障状态。用轴承和齿轮振动信号为例开展试验研究,并与Softmax、深度神经网络(deep neural networks,DNN)、支持向量机(support vector machine,SVM)、降噪自编码器(denoising auto-encoder,DAE)等方法进行试验对比,结果表明所提方法不仅在噪声环境下具有更高的准确率和鲁棒性,而且针对数据不平衡集的诊断也能达到98%以上的准确率。     

基于小波变换和均值滤波的图像去噪方法

将小波变换和均值滤波相结合提出了一种有效的图像去噪方法,先将含噪图像进行小波分解,获得不同频带的子图像.将低频近似图像保持不变,对水平、垂直和对角三个方向高频细节图像根据其特性采用三种不同形状的模板进行均值滤波,最后将低频近似图像与三个均值滤波后高频细节图像合成得到去噪后的图像.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单一小波阈值法和均值滤波法.     

复合材料超声检测中的回波时延估计方法

在用超声脉冲回波法检测金属-非金属粘接结构的质量以及测量非金属层厚度时,需要提取出各界面回波间的延迟时间作为特征值.当非金属层较薄时,各回波信号间会产生严重混叠,难以准确获得时延估值.提出了一种多界面粘接结构的高分辨率时延估计方法,综合利用了维纳滤波解卷积技术和最大熵谱估计方法,从混叠信号中得到精确的时延估值,很好地解决了特征值提取困难的问题,并用模拟信号和实验信号验证了该方法.     

铝合金搅拌摩擦焊超声检测研究进展EI北大核心CSCD

铝合金搅拌摩擦焊(friction stir welding, FSW)焊接参数选择不当将会产生隧道孔、未焊透(lack of penetration, LOP)和吻接等取向复杂、细微紧贴的缺陷。首先,本文简述了FSW焊缝与典型缺陷特征,总结了超声检测时面临纵向分辨力低、缺陷表征不完整、材料与缺陷声阻抗接近和灵敏度不足等难点。随后,从常规超声、超声衍射时差法(time-of-flight diffraction, TOFD)、相控阵超声检测技术和其他超声检测技术等方面综述了现有的铝合金FSW超声检测研究工作。最后,结合超声信号处理方法和机器学习方法对研究前景进行展望:可以通过分析和提取信号特征,进一步提升超声检测分辨力和信噪比,并实现取向复杂缺陷和细微紧贴缺陷的精准辨识与定量。     

基于参数化滤波的旋转设备特征频率提取EI北大核心CSCD

针对强背景噪声下的特征提取问题,提出一种基于参数化滤波的旋转设备特征频率提取方法。对目标特征频率进行瞬时频率的初步提取;利用傅里叶基函数对初始瞬时频率进行拟合,得到所需特征频率的瞬时频率;根据提取出的瞬时频率和瞬时幅值重构出提取后的频谱图,从而达到对噪声进行抑制并准确提取所需特征频率的目的。使用仿真信号验证了该方法的有效性,对齿轮传动系统中行星齿轮箱振动数据、轴承外圈故障振动数据及轴承外圈早期故障进行试验分析。结果表明,该方法能有效提高信号的信噪比,准确提取特征频率,增强故障特征。     

基于Duffing系统的微弱超声导波幅值检测方法研究EI北大核心CSCD

针对超声导波检测小缺陷时,缺陷回波能量微弱,幅值难以准确识别的问题,提出了一种基于Duffing系统混沌相变特性的检测方法,重点分析了超声导波周期数对等价驱动力幅值的影响,给出了等价驱动力改变量与导波幅值之间的量化关系。首先,通过分岔分析获得了Duffing系统的混沌阈值,详细介绍了基于混沌相变特性的幅值检测方法;然后,通过仿真研究验证了检测方法的可靠性;最后,开展了含缺陷管道的超声导波检测试验研究,利用该方法检测了缺陷回波幅值,并将检测结果与理论值进行对比。结果表明,该方法具有较强的噪声免疫性与弱信号敏感性,最小可以识别截面损失率为6.4%的小缺陷回波幅值,最大相对误差仅为-7.31%,这对于在强噪声干扰的背景下评估缺陷大小具有重要意义。     

疲劳裂纹水浸式非线性超声混频检测方法研究EI北大核心CSCD

对钢材试件疲劳裂纹开展水浸式非共线横波混频检测方法研究。利用搭建的水浸式非共线横波混频检测系统和极性反转信号处理方法,进行疲劳裂纹水浸式非共线横波混频检测试验,研究两列非共线横波相互作用角和频率比对混频效应的影响,在此基础上,开展疲劳裂纹二维自动化扫查检测研究。试验结果表明:极性反转法可有效提取检测信号中的混频效应;疲劳裂纹非共线横波混频检测的最佳相互作用角和频率比与经典非线性超声混频理论的谐振条件发生偏移;非共线横波混频二维扫查方法可对试件中疲劳裂纹进行定位和定量检测。研究工作为非共线超声混频检测方法的工程化应用作出了有益探索。     

基于子波域空间相关的多分辨图像滤波方法

从静态子波变换入手,提出了一种有效的图像滤波算法。通过计算相邻尺度下细节信号的空间相关性来区分噪声和信号,如果子波系数的空间相关性大,则认为此位置的系数含有特征及边缘信息予以保留。实现这种理论的完整方法包括两部分:空间滤波和子波收缩。仿真结果表明这个算法有很好的降噪性能。     

基于时间-空间变换的超声导波检测新技术研究

超声导波的频散和多模态特性,对超声导波检测的效果和检测范围有很大的影响.在分析超声导波时间-空间传播特性基础上,建立了超声导波检测的空间表述模型.由于考虑了导波传播过程中的频散特性,空间表述模型减小了频散对导波检测波形的影响,提高了检测系统分辨率,并可以直接获得结构中特征体信息,如端面、缺陷的位置等.实验结果表明,该技术可以大大提高超声导波检测范围和检测效果.     

310S耐热钢的高温氧化行为EI北大核心CSCD

采用静态氧化不连续增重法研究晶粒尺寸和成分存在差异的两种310S耐热钢(1#和2#)在800~1100℃下的氧化动力学与膜结构,比较两者的氧化性能差异,阐明氧化膜的生长机制和差异形成原因。结果表明:800~900℃时氧化膜均由富Si氧化层和富Cr氧化层组成,1#试样的氧化速率更低;1000℃时氧化膜中增加了Cr-Mn氧化物层并在1100℃时转变为Cr-Mn-Fe氧化层,并且两者的氧化速率接近;整体上2#试样的氧化膜在所有温度下更加致密、平整,黏附性更好,保护能力更强。特别在1100℃时,两者的富Cr氧化层和Cr-Mn-Fe氧化层的形态分化较大,2#试样的氧化膜形态更有利于长期的抗氧化性能。总体上,2#试样的抗氧化性优于1#试样。2#试样所具备的更小的平均晶粒尺寸和更均匀的晶粒提高了择优氧化元素的扩散通量并降低氧化膜的非均匀生长,造成两者氧化性能的差异。     

基于小波变换和中值滤波的图像去噪

针对图像中同时含有脉冲和高斯混合噪声的情况下,本文提出了一种中值滤波和小波变换相结合的图像去噪方法。仿真结果表明,该方法可以有效地滤除混合噪声,改善图像的视觉效果。     

基于Gabor变换的子午线轮胎缺陷检测

利用数字图像处理进行子午线轮胎质量检测,利用x射线得到子午线轮胎的投影图像,对其图像纹理进行缺陷检测,找出其缺陷严把质量关,从而生产出高质量的子午线轮胎。     

基于空间特性的台风风灾害评估EI北大核心CSCD

针对仅考虑强度相关单因素的风灾害评估方法不能准确表征台风风灾害程度问题,该文依据三种不同沿海基础设施抗风等级对应的风灾害指标因子公式,通过开展基于面积积分风灾害评估方法研究台风空间特性对灾害评估的重要性。网格分辨率影响风灾害评估指标因子,分辨率越高,该指标因子越高;海表温度也是风灾害评估指标因子的影响因素,海表温度越高,该指标因子越高;且分辨率约为200 m甚至500 m时可准确表征台风风灾害。研究表明:基于面积积分风灾害评估方法相较传统单因素评估方法能够更准确表征台风风灾害程度;但外围小风速对风灾害评估影响较大,SST-27、SST-28和SST-29风灾害程度最高约为65%,SST-26最高约为90%。因此,针对风速小但尺寸大和风速大但尺寸小台风风灾害评估问题,引用切入风速概念后,小风速对风灾害评估影响显著降低,SST-27、SST-28和SST-29风灾害程度最高约为13%,SST-26最高约为3%,解决了小风速区间占比过大但对结构损伤无作用问题。