一种新型的电磁超声检测信号去噪算法基于改进EEMD方法

文摘

在本文中,我们提出一个新的电磁超声信号去噪算法的基础上改进EEMD方法,可以自适应地调整添加噪音和平均时间在不同的噪声环境中,这残差白噪声的影响结果可以消除尽可能。首先,加入白噪声的方式EEMD方法处理,然后排列熵算法用于识别期间获取的组件的自然分解。小波变换模量最大的去噪方法是用于处理国际货币基金组织(IMF)组件获得的高频部分。最后,国际货币基金组织(IMF)和残余差异结果总结处理。结果表明,处理后信号中的噪声组件和保留原始信息更少,从而防止信号失真在很大程度上,为后续处理提供更多的有效数据。在实验中,裂纹缺陷数据收集的电磁超声实验系统由EEMD改善处理方法。与传统EEMD方法相比,它可以保留裂纹位置的信息,更准确地说,这证明了该方法的有效性。

1。介绍

近年来,电磁超声无损检测管道缺陷检测技术已被越来越多的关注。与传统的超声波检测技术相比,它更简单,更有效,有各种不同的检测模式。然而,由于环境的影响,人类的操作,和其他因素,有一些奇异点的所收集的数据接收端电磁超声换能器。更重要的是,它包含一定程度的噪声干扰,所以它可能造成很大的干扰信号的识别位置和后期的功能。

文献[1)提出了一种改进的基于小波变换模极大值去噪算法重建。这种方法有一个很好的近似原始信号的小波变换系数。然而,小波去噪方法是有限的时域和频域,它不能满足高分辨率的需求分析在时域和频域。在文献[2),作者利用特殊的对称矩阵来构造新的nontensor产品小波滤波器,可以捕捉到奇点四面八方。在文献[3),作者提出了一个基于不可分的图像去噪方法小波滤波器和二维主成分分析(2 d-pca)。该方法可以实现良好的视觉质量和去噪图像的峰值信噪比高。在文献[4),排列熵引入阈值函数的表征参数信号去噪,排列熵的信号的小波包系数进行了计算。文献[5)提出了一种新的EEMD(合奏经验模式分解)谐波检测方法基于新的小波阈值去噪预处理,有效消除随机噪声对谐波检测的影响。然而,EEMD去噪方法直接拒绝高频部分组件,这将导致损失的有效信息的高频组件。

本文改进算法的核心是自适应调整添加噪音和不同噪声环境下的平均时间,这残差白噪声的影响结果可以消除尽可能。

在本文中,我们首先介绍了基于小波变换模极大值去噪方法的概念和EEMD去噪方法。然后,使用微分阈值方法去除数据中的奇异点。接下来,我们让创新改进EEMD算法可以自适应比例系数,和无用的残差白噪声可以减少添加到最大程度上在同一时间。针对EEMD加白噪声的方法,我们使用排列熵算法来识别期间获取的组件的自然分解。

剩余的信号的低频静止部件,EMD(经验模态分解)是直接用于处理,而其他高频IMF(固有模式函数)组件是不断通过EEMD分解,从而减少噪声的有效部分的影响。

之后,小波变换模量最大的去噪方法用于处理国际货币基金组织(IMF)的组件之前获得的高频部分。最后,IMF处理组件和残余差异总结。结果表明,处理后信号中的噪声组件和保留原始信息更少,可以防止信号失真在很大程度上,为后续处理提供更多的有效数据。

2。预赛

2.1。准备

有许多传统的离散数据去噪方法。后,将结合各种方法的适用特点解释了本文算法所涉及的相关知识。然后本文提出的方法应用于电磁超声无损检测信号的处理。相比之下,本文算法的优点是突出显示。

为了比较几种方法的去噪效果,我们使用了etg - 100超声测厚仪测试的三个钢板材料一样X56在实验室环境。他们的长度是50厘米,宽30厘米,厚度是12.37毫米,13.35毫米和15.21毫米。三套清洁厚度回波信号。噪音是添加到第一组信号,如图1。

2.2。介绍EMD方法

EMD适用于分析非线性、非定常的信号。的核心方法是分解更复杂的信号和得到国际货币基金组织(IMF)组件的信号。国际货币基金组织(IMF)组件通过这种方法代表的特点在不同的时间尺度数据系列,分别。通过这种方式,信号在不同尺度的波动趋势的原始信号可以分解和细化,然后分析。

国际货币基金组织,黄等,考虑到合格的条件(6]:(1)在整个数据集,极值和零交叉的数量必须相等或不同最多(2)信封的平均值的数据序列的最大值和最小值是零

的信号序列需要处理,插值函数,分别用于获得最大的信封和最小值点的信号。然后获得两个信封的平均值:

在使用原始信号和平均线信号处理不同的组件,我们有

在得到该组件后,我们首先判断它是国际货币基金组织(IMF)。根据上述两个原则,如果条件得到满足,我们定义的 。否则,原始序列所取代 。重复上述操作,直到满意的序列的功能获得,表示吗 。计算将会停止,当以下截止条件满足: 在哪里通常是基于经验值0.2 - -0.3。当满足以上要求,我们注意 。

的是剥夺了从原始序列, ,和重复序列获得的余生 ,等等,来获得 。分离获得的残差序列的形式被定义为原始数据序列 。整体表达为

对于EMD方法,很难确保当地的平均值的限制条件(2)等于零在筛选过程中由于电磁超声波采集的电信号的复杂度。当信号异常,它会影响信号包络,和国际货币基金组织组件,导致模式混叠,这可能会导致损失的原始组件的物理意义。

2.3。EEMD去噪方法

诺登提出的改善。e .黄EMD方法在解决模式混叠的问题叫做EEMD [7]。EEMD方法的步骤如下:(1)添加一个原始信号中的白噪声序列。(2)得到国际货币基金组织(IMF)组件与EMD分解方法。(3)重复以上两个步骤,每次添加白噪声是不同的。当一个信号被应用于均匀分布白噪声背景下,区域的信号在不同的尺度上自动映射到适当的尺度与背景相关联白噪声。国际货币基金组织分解组件如图2。(4)集成和平均每次获得的国际货币基金组织(IMF)组件。由于噪声是不同的在每一个测试中,噪声时,将删除整个意味着使用足够数量的测试。之后,整个的意思是最终将被视为真正的结果。随着越来越多的重复上面的步骤,可以消除额外的噪音,唯一的永久部分是信号本身。一般EEMD分解流程图如图3。

传统的EEMD算法是基于noise-assisted信号处理的原则;模式混叠现象是有效地解决了通过添加一个小振幅平衡的白噪声信号。真正的信号是保留使用零均值高斯白噪声的特点,这是一个伟大的改进传统EMD分析方法。

但传统的EEMD方法的缺点是,附加白噪声互相不能完全抵消在实际应用程序中,因此,信号仍在一定程度上受到噪音的影响。组件分解,高频部分包含一个很大的噪音,这通常是直接删除,然后用大信号相关性重构得到去噪信号。

因为IMF高频组件被直接包含有效信息,它将在一定程度上影响原始信号。此外,添加了白噪声和处理的数量产生更大的影响分解的结果,所以模式混叠不能完全消除,可能产生更多的无用的组件。因此,EEMD不能根据实际情况调整这些分解参数,特别是当噪音是可以更改的。

3所示。异常数据删除

在后处理的数据之前,一些“破坏数据”的电磁超声波需要检查和采集的数据删除。摘要微分阈值方法是用来区分之间的数值变化的抽样点收集的数据。当两个相邻点之间的差的绝对值大于设定的阈值,它被认为是错误的数据,并将被取代。差分阈值法的原则如下: 在哪里离散数据获得归一化后,数据通过算法检测和处理,是选择微分阈值和最大值之间的区别相邻采样点在理想的信号。

当两个相邻点之间的数据差异小于阈值,选择原始数据将继续被使用。突变数据,数据的两个采样点突变前后样本数据可以用来补充。

4所示。改进EEMD方法

针对缺乏传统EEMD电磁超声检测数据处理,第一次,一种新的去噪算法的基础上改进EEMD方法,可以自适应地调整添加噪音和集成的平均时间在不同的噪声环境,本文提出了。

4.1。排列熵算法

排列熵(8]是一种算法用于描述时间序列信号的复杂性。该算法简单、高效。更重要的是,它可以用来分析非线性、非平稳的复杂信号的相关性。在这篇文章中,它是用于识别组件的属性分解过程中获得的。

对于一个时间序列 ,信号首先重建获得以下: 在哪里是延迟时间,嵌入维的数量,信号长度和之间的区别是 。

重建的数据是按照升数量级。然后每个元素的位置索引重建组件贴上 ,分别。通过这种方式,我们得到的设置不同的标签等 。根据嵌入维数,符号序列共有种。我们得到每个序列的概率的序列号 。表单定义的香农熵方程所示(7所示)和归一化方法是方程(8),所以,熵是在0和1之间的值:

之后,我们处理模拟信号的组合序列噪声和正弦信号有关。根据相关研究经验,我们设置参数和 。信号序列年代如下:(我) :白噪声信号序列长度为98000(后期检测数据长度)(2) :高斯随机噪声和随机信号与信号序列长度为98000(3) :随机噪声和白噪声的混合信号序列长度为98000(iv) : (v) : (vi) :

序列处理得到排列熵值,0.9897,0.9722,0.9815,0.2443,0.1159和0.2105。我们可以看到,噪音大的熵和不规则,而熵正弦复合信号低。我们可以设置一个阈值0.58提供参数支持改进EEMD算法下面提到的后续研究。

4.2。小波变换模极大值

使用小波变换将原始信号分解为高频部分和低频部分。低频参数被保留,而高频部分再次分解,紧随其后的是进展(9]。

modulo-maximum方法是一个典型的方法在小波去噪方法。小波系数能反映原始信号在不同尺度上的瞬态特性。Modular-maximum基于小波变换的去噪处理小波分解系数的模极大值。因为信号的模极大点会随着规模的扩张,增加噪音最大模量将是相反的,和信号重建的模极大值在不同尺度的小波系数进行处理,这是WTMM(小波变换模极大值的基本思想)。

由于信号处理的复杂性,极端点的小波分解系数通常对应于信号的突变点,和信号的奇异点对应的小波系数的模量的变化规律。因此,本文结合了WTMM方法到EEMD去噪算法,和一个新的改善EEMD去噪算法。下面描述了具体的实现过程。

4.3。参数选择标准

改进的方法首先确定的原则添加噪音和平均次数。有别于传统的经验判断,通过大量的实验研究,规范EEMD添加白噪声的方法推导出: 在哪里标准偏差的比例吗人为地增加了白噪声的标准差原始信号的标准偏差的比例吗信号的高频分量的标准差原始信号。

因此,方程(9)可以相当于方程(10):

在正常情况下,我们选择 ,那 。

另一个重要的参数是平均的次数。实证研究表明,公式所示的选择 在哪里是平均时间,分解相对误差,一般值是1%。

根据上面的公式,积分的平均数量见得到以下方程:

显然,人为地增加了白噪声的标准差和集成的平均数都是率相关系数 。

4.4。去噪改进EEMD方法

改进算法的核心是自适应调整添加噪音和不同噪声环境下的平均时间,这残差白噪声的影响结果可以消除尽可能。研究表明,添加了白噪声的高频部分EEMD方法对模式混叠影响可以忽略不计,而白噪声添加到低频部分有一个更大的影响因素,因此,低频部分是直接由EMD分解方法消除混叠的影响模式。

首先,我们对EEMD算法进行改进,以便它可以自适应比例系数。同时,它可以减少无用的残余差异增加了白噪声造成的结果。其次,针对白噪声添加到EEMD方法,我们使用排列熵算法来识别期间获取的组件的自然分解。至于其余信号低频静止部件的EMD分解直接用于加工,而其他人则不断EEMD获得的分解,从而降低噪音的有效部分的影响。之后,小波变换模量最大的去噪方法用于处理国际货币基金组织(IMF)的组件之前获得的高频部分。最后,国际货币基金组织(IMF)和残余差异结果总结处理。结果表明,处理后信号中的噪声内容少,更保留原始信息,从而防止信号失真在很大程度上,为后续处理提供有效的数据。

改进的流程图如图4。具体步骤如下:(1)首先,原始信号是由EMD分解方法获取本征函数组,第一组高频国际货币基金组织(IMF)组件的分解结果是记录为原始信号的高频分量。然后,原始信号的标准偏差的比例和IMF高频组件,结合前面的公式,用于发现的价值 。通过这种方式,我们可以找出偏差标准的人为添加的噪音EEMD分解操作和这个国家的平均积分时间。(2)首先,原始信号分解为国际货币基金组织(IMF)组件EEMD算法,然后,所有国际货币基金组织的组件都是按顺序计算通过使用排列熵算法。如果熵值大于设定的阈值,下一个组件将继续计算。(3)WTMM方法用于降噪熵值大于阈值的组件。然后,国际货币基金组织(IMF)组件和高频部分的剩余工资。(4)这些高频组件的熵值大于阈值从原始信号,其余部分的信号被EMD分解方法得到IMF低频部分组件。(5)通过总结国际货币基金组织(IMF)组件和获得的残差在上面的两个步骤,处理结果见以下方程: 计算后,2 - 5在IMF组件图需要处理。利用基于小波变换模极大值去噪方法,国际货币基金组织(IMF)组件处理后图像如图5。

4.5。方法比较

为了证明改进后的方法优于传统的EEMD方法在电磁超声检测信号的处理和验证,它有足够的稳定性,通过仿真进行了相应的实验。

我们使用了etg - 100超声测厚仪测试的三个钢板材料一样X56在实验室环境。他们的长度是50厘米,宽30厘米,厚度是12.37毫米,13.35毫米和15.21毫米。三套清洁厚度回波信号。

在第一组模拟实验中,原始信号是明显的厚度测量数据在前一节中使用。原始信号是人为添加噪声,然后运用传统EEMD法和改进的EEMD法,分别。去噪效果的对比图如图6。

原始信号的信噪比(限比),传统EEMD方法,计算和改进EEMD方法,如表所示1。

在第二和第三组模拟实验中,原始信号回波数据使用不同的清洁厚度也人为地添加噪声后,原始信号是由传统EEMD处理方法和改进的EEMD方法,分别。原始信号的信噪比,传统和改进EEMD方法介绍如下。

从表可以看出1和2,信噪比得到改进后的方法更接近原来的信噪比。改进后的方法不仅可以解决EEMD方法的缺点,但也更接近原始数据,以便处理信号能够更好地保持原始信号的特征。因此,改进的方法优于传统的EEMD电磁超声检测信号的处理方法,它有足够的稳定性。

5。实验

为了验证改进方法的有效性,我们使用了EMAT2000电磁超声波探伤仪在中央近海石油管道测试平台,测试裂纹缺陷在塘沽,天津。实际的金属管壁的样条裂纹深度为0.5毫米。电磁超声检测回波信号获得处理的传统方法和改进方法,分别。然后,这两种方法的去噪效果进行了比较。

收集到的信号数据图所示7。显然,收集到的数据含有噪声,所以它也是必要去除奇异值和去噪。

收集的数据的裂纹缺陷,消除数据的奇异值后,国际货币基金组织(IMF)组件通过传统EEMD方法如图所示8和IMF组件通过改进EEMD方法如图9。

最后,国际货币基金组织(IMF)组件和剩余的区别是重组,和传统的比较结果EEMD法和改进的EEMD法如图所示10。

从图可以看出10,获得的数据改进EEMD方法比传统EEMD方法获得的清洁。有效地区部分放大图11,由此产生的回波信号从EMAT(电磁声换能器)接收机。黑盒的内部是接收到的回波信号。显然,它能够准确地反映裂缝位置的有效信息,后来,它可以识别缺陷根据位置信息的特征提取方法。

6。结论

在这篇文章中,一个新的电磁超声检测信号去噪算法的基础上改进EEMD方法用于处理收集到的数据。首先,奇异值的数据删除。然后,针对白噪声的方法是添加到EEMD方法,排列熵算法用于识别期间获取的组件的自然分解。此外,低频信号的组件被直接EMD分解,而其他高频国际货币基金组织(IMF)组件的组件被EEMD分解。之后,小波变换模量最大的去噪方法用于处理国际货币基金组织(IMF)的组件之前获得的高频部分。最后,国际货币基金组织(IMF)和残余差异结果总结处理。在实验中,裂纹缺陷电磁超声实验系统采集的数据处理的改进EEMD去噪方法。结果表明了该方法的有效性和优越性。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了国家自然科学基金(61374124,61374124,61627809)和主要2017年东北大学本科生研究项目(ZD2017)。

引用

1. g .梁”,基于改进的小波系数重构信号去噪算法,”计算机知识和技术,12卷,不。8,217 - 219年,2016页。视图:谷歌学术搜索
2. x, l·杜y . m .张问:陈,“盲水印方案使用新的nontensor产品小波滤波器,”IEEE图像处理,19卷,不。12日,第3284 - 3271页,2010年。视图:出版商的网站|谷歌学术搜索
3. 保你x, z, c .兴y张,和y唐,“使用不可分的小波图像去噪滤波器和2 d-pca,”光学工程卷,47号10日,107002 - 107011年,2008页。视图:谷歌学术搜索
4. j .周b, l .倪,p . Ai,“振动信号小波包阈值去噪研究基于排列熵,”测量和控制技术,36卷,不。12日,5 - 9,2017页。视图:谷歌学术搜索
5. 美国阳光、y彭日成王j . et al .,“EEMD谐波检测方法基于新的小波阈值去噪预处理,”电力系统保护和控制,44卷,不。2,42-48,2016页。视图:谷歌学术搜索
6. n . e .黄z沈,s . r .长et al .,“经验模态分解和希尔伯特谱对非线性和非平稳的时间序列分析,”《皇家学会学报:数学、物理和工程科学,卷454,不。1971年,第995 - 903页,1998年。视图:出版商的网站|谷歌学术搜索
7. 吴z和n . e .黄”集成经验模态分解:noise-assisted数据分析方法,”先进的自适应数据分析,1卷,不。1,1-41,2009页。视图:出版商的网站|谷歌学术搜索
8. b . Christoph和p . Bernd排列熵:自然的复杂性度量时间序列,”物理评论快报,卷88,不。17日,ID 174102条,2002年。视图:出版商的网站|谷歌学术搜索
9. x和y Du, j . Wang Jin,”缺陷的超声导波检测管道使用基于小波去噪方法模量最大,”《电子测量与仪器,27卷,不。7,683 - 688年,2013页。视图:出版商的网站|谷歌学术搜索

版权

版权©2018 Wenkang锣等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。