一种超声波探伤用回波信号分离方法技术

本发明专利技术公开了一种超声波探伤用回波信号分离方法，包括步骤：一、超声回波信号获取及同步上传：采用超声波探伤装置对被测对象进行超声波检测，获得被测对象的超声回波信号F(t)，并将所获得的超声回波信号F(t)同步传送至数据处理设备；超声回波信号F(t)中包括被测对象中K个缺陷所处位置处的超声回波信号；二、信号稀疏分解；三、回波信号分离：采用数据处理设备且根据此时迭代分解最佳原子集合中的K个所述最佳匹配原子，对超声回波信号F(t)进行分离，获得K个分离信号。本发明专利技术方法步骤简单、设计合理且实现方便、使用效果好，利用信号稀疏分解实现同一个超声回波信号中多个缺陷所处位置处的叠加信号的简便、快速分离。

【技术实现步骤摘要】
一种超声波探伤用回波信号分离方法
本专利技术属于超声波探伤
，尤其是涉及一种超声波探伤用回波信号分离方法。
技术介绍
超声波探伤(也称超声检测或超声波检测)是利用材料及其缺陷的声学性能差异对超声波传播波形反射情况和穿透时间的能量变化来检验材料内部缺陷的无损检测方法。超声波探伤的原理是超声波在固体中的传输损失很小，探测深度大，由于超声波在异质界面上会发生反射、折射等现象，尤其是不能通过气体固体界面，如果金属中有气孔、裂纹、分层等缺陷(缺陷中有气体)或夹杂，超声波(也称超声波信号或超声信号)传播到金属与缺陷的界面处时，就会全部或部分反射，反射回来的超声波信号(也称超声回波信号，简称回波信号)被探头接收，根据所接收超声回波信号的波形变化特征便能判断缺陷在工件中的深度、位置和形状。由于金属材料的特性和机械加工工艺固有缺陷等因素的影响，工业机械设备的生产过程中不可避免地存在不同程度的内部缺陷，常见的缺陷包括裂纹、气孔、缩孔、夹杂、夹砂冷隔等。例如，采煤机箱体等煤矿机械设备，生产过程中不可避免地存在上述缺陷，由于上述煤矿机械设备的制造工艺复杂，并且长期处于重载和交变载荷的状态下工作，工作环境恶劣，设备受力状况差，造成设备在使用过程中重要部件从小损伤逐渐发展成大事故，产生各种安全隐患，尤其是由于这些故障的产生，导致生产停产，直接影响着煤炭的产量和煤矿的经济效益。现如今，在采煤机箱体缺陷检测中广泛使用的是超声检测方法。超声检测是一种重要的无损检测方法，超声信号是一个被探头中心频率调制的宽带脉冲信号，其回波信号中包含了大量与缺陷有关的信息，但是超声波信号(即超声回波信号)常常被测量系统和测试工件的随机噪声和相关噪声污染，特别是粗晶材料中的晶粒噪声，这些噪声会使超声信号的缺陷识别变得困难，严重制约缺陷检测的精度和可靠性。因此，对超声检测回波信号进行去噪处理，保证所得缺陷信号的真实性十分重要。这对企业提高产品缺陷检出率、保证产品质量和产品使用寿命具有重要意义。由上述内容可知，对采煤机等煤矿机械的缺陷进行超声检测过程中，噪声严重影响了检测结果的可靠性和质量。从混有各种干扰噪声的信号(即超声检测信号)中提取出缺陷信号是确保回波信号准确性的关键，用超声波对材料内部缺陷进行检测时，缺陷信息将通过接收到的超声回波信号的幅值、频率或相位来表现。上述缺陷信号指的是检测到的超声回波信号，该超声回波信号中含有缺陷信息。但是由于仪器噪声和测试环境因素的影响，检测信号会伴有各种电噪声、结构噪声以及脉冲噪声等各种干扰噪声，特别是当缺陷信号的微结构噪声很大，或者材料本身晶粒粗大时，缺陷与噪声的信号强度相比会显得微弱，这种强噪声背景下缺陷信号的提取是超声信号处理领域研究的难题。如何从这些信号中提取所需信息是一项困难而又重要的课题。因此对超声检测回波信号进行去噪处理，保证所得缺陷信号的真实性十分重要。目前，已有许多超声信号提取方法，如非线性滤波、傅里叶变换和小波变换等，这些方法对提高一般超声信号的信噪比具有较好效果，但是对于小缺陷或者强噪声背景下缺陷的提取具有局限性，检测结果不准确，可靠性不高。稀疏分解是一种新的信号分析理论，可以根据待提取信号的特征自适应的选择合适的展开函数，用很少的函数可以表示出所提取信号的基本特征，它可以在低信噪比情况下，更好地提取出弱小信号，最大化的逼近原始信号。稀疏分解算法首先是由Mallat提出的，它是众所周知的匹配追踪算法。因此，在产品内部缺陷检测中已逐渐推广。但是该算法有两个缺陷，一是稀疏分解算法的计算量很大，计算时间在目前现有计算条件下十分巨大，无法进行实时检测；二是稀疏分解算法是连续条件下求的最优解，对于弱小缺陷的检测精度仍然有局限。在超声无损检测中，超声波探伤装置中的超声波传感器发送脉冲通过被测对象不连续界面，则接受的反射回波(即超声回波信号)中包含与缺陷特征有关的位置信息和缺陷尺寸信息，因此准确的检测缺陷的位置和大小以对缺陷进行精确估计是超声无损评价的重要内容。并且，超声回波信号表示为沿时间轴在不同深度位置不同界面反射的缺陷波(也称为缺陷信号)的叠加组合。在实际应用中，经常出现一个超声回波信号中包含多个缺陷的情形，多个缺陷所处位置存在重叠，相应地该超声回波信号中对应多个缺陷的缺陷信号之间同样存在重叠，此时需要将该超声回波信号中对应多个缺陷的缺陷信号分离出来，否则便无法进行缺陷信号提取，并无从进行缺陷分类识别。待该超声回波信号中的多个缺陷信号均分离出来后，再对每个分离出的缺陷信号分别进行信号提取、特征提取与缺陷分类识别。另外，目前采用稀疏分解方法进行信号去燥(也称为信号提取)时，其本质均是采用匹配追踪算法进行信号提取，由于在匹配追踪算法中，首先Gabor原子的选择没有物理意义，其次如果在某一次迭代中选择了一个错误的Gabor原子，则后续的迭代过程则不得不修正这个错误，导致误跟踪，以至算法性能差。并且，根据稀疏信号表示理论，字典原子的大小小于一个阈值时，由于累计一致性约束，则稀疏表示是不稳定不可靠的。因而，现有的稀疏分解方法存在诸多缺陷。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种超声波探伤用回波信号分离方法，其方法步骤简单、设计合理且实现方便、使用效果好，利用信号稀疏分解实现同一个超声回波信号中多个缺陷所处位置处的叠加信号的简便、快速分离。为解决上述技术问题，本专利技术采用的技术方案是：一种超声波探伤用回波信号分离方法，其特征在于，该方法包括以下步骤：步骤一、超声回波信号获取及同步上传：采用超声波探伤装置对被测对象进行超声波检测，获得被测对象的超声回波信号F(t)，并将所获得的超声回波信号F(t)同步传送至数据处理设备；其中，F(t)＝[f(t1),f(t2),...,f(tN')]T，t表示时间参数，ti为超声波探伤装置的第i个采样时刻，f(ti)为超声波探伤装置的第i个采样时刻采样得到的信号值，i为正整数且i＝1、2、3、…、N'，N'为正整数且其为超声回波信号F(t)的信号长度；所述超声回波信号F(t)中包括被测对象中K个缺陷所处位置处的超声回波信号；步骤二、信号稀疏分解：采用数据处理设备且调用稀疏分解模块对步骤一中所述超声回波信号F(t)进行迭代分解处理，将超声回波信号F(t)转换为并获得此时的迭代分解最佳原子集合；此时的所述迭代分解最佳原子集合中包含K个最佳匹配原子，为所述迭代分解最佳原子集合中的第z个所述最佳匹配原子；式中RK(t)为超声回波信号F(t)经过K次迭代分解后的残差量，其中K为预先设定的迭代分解总次数且K为正整数，z为正整数且z＝1、2、…、K；az为第z次迭代分解后的最佳匹配原子与上一次迭代分解后残差量的展开系数；为第z次迭代分解时找出的最佳匹配原子，为Gabor原子且式中函数ψ(t)为高斯窗函数且rz为的时频参数，rz＝(sz,uz,vz,wz)，sz为尺度参数，uz为位移参数，vz为频率参数，wz为相位参数；步骤三、回波信号分离：采用数据处理设备且根据此时所述迭代分解最佳原子集合中的K个所述最佳匹配原子，对步骤一中所述超声回波信号F(t)进行分离，获得K个分离信号；K个所述分离信号中第k'个所述分离信号记作Fk'(t)，其中，为此时所述迭代分解本文档来自技高网...

【技术保护点】
1.一种超声波探伤用回波信号分离方法，其特征在于，该方法包括以下步骤：步骤一、超声回波信号获取及同步上传：采用超声波探伤装置(1)对被测对象进行超声波检测，获得被测对象的超声回波信号F(t)，并将所获得的超声回波信号F(t)同步传送至数据处理设备(2)；其中，F(t)＝[f(t1),f(t2),...,f(tN')]

【技术特征摘要】
1.一种超声波探伤用回波信号分离方法，其特征在于，该方法包括以下步骤：步骤一、超声回波信号获取及同步上传：采用超声波探伤装置(1)对被测对象进行超声波检测，获得被测对象的超声回波信号F(t)，并将所获得的超声回波信号F(t)同步传送至数据处理设备(2)；其中，F(t)＝[f(t1),f(t2),...,f(tN')]T，t表示时间参数，ti为超声波探伤装置(1)的第i个采样时刻，f(ti)为超声波探伤装置(1)的第i个采样时刻采样得到的信号值，i为正整数且i＝1、2、3、…、N'，N'为正整数且其为超声回波信号F(t)的信号长度；所述超声回波信号F(t)中包括被测对象中K个缺陷所处位置处的超声回波信号；步骤二、信号稀疏分解：采用数据处理设备(2)且调用稀疏分解模块对步骤一中所述超声回波信号F(t)进行迭代分解处理，将超声回波信号F(t)转换为并获得此时的迭代分解最佳原子集合；此时的所述迭代分解最佳原子集合中包含K个最佳匹配原子，为所述迭代分解最佳原子集合中的第z个所述最佳匹配原子；式中RK(t)为超声回波信号F(t)经过K次迭代分解后的残差量，其中K为预先设定的迭代分解总次数且K为正整数，z为正整数且z＝1、2、…、K；az为第z次迭代分解后的最佳匹配原子与上一次迭代分解后残差量的展开系数；为第z次迭代分解时找出的最佳匹配原子，为Gabor原子且式中函数ψ(t)为高斯窗函数且rz为的时频参数，rz＝(sz,uz,vz,wz)，sz为尺度参数，uz为位移参数，vz为频率参数，wz为相位参数；步骤三、回波信号分离：采用数据处理设备(2)且根据此时所述迭代分解最佳原子集合中的K个所述最佳匹配原子，对步骤一中所述超声回波信号F(t)进行分离，获得K个分离信号；K个所述分离信号中第k'个所述分离信号记作Fk'(t)，其中，为此时所述迭代分解最佳原子集合中的第k'个所述最佳匹配原子，k'为正整数且k'＝1、2、…、K；表示Rk'-1(t)与的内积；Rk'-1(t)为调用匹配追踪算法模块且利用此时所述迭代分解最佳原子集合中的前k'-1个所述最佳匹配原子对超声回波信号F(t)进行k'-1次迭代分解后的残差量，R0(t)＝F(t)。2.按照权利要求1所述的一种超声波探伤用回波信号分离方法，其特征在于：步骤一中所述超声波探伤装置(1)与数据处理设备(2)通过有线或无线方式进行连接。3.按照权利要求1或2所述的一种超声波探伤用回波信号分离方法，其特征在于：步骤四中每个所述分离信号均为被测对象中一个缺陷所处位置处的超声回波信号；步骤一中被测对象中K个缺陷所处位置处的超声回波信号相互重叠；步骤一中所述超声回波信号F(t)为被测对象中K个缺陷所处位置处的超声回波信号叠加后的信号，步骤四中每个所述分离信号均为一个叠加信号。4.按照权利要求1或2所述的一种超声波探伤用回波信号分离方法，其特征在于：步骤二中进行信号稀疏分解之前，先对所述超声回波信号F(t)中所述叠加信号的数量K进行确定；对所述超声回波信号F(t)中所述叠加信号的数量K进行确定时，采用数据处理设备(2)进行确定，过程如下：步骤B1、波峰与波谷确定：采用数据处理设备(2)对步骤一中所述超声回波信号F(t)的所有波峰与所有波谷分别进行确定，并对所确定的每个波峰与每个波谷的采样时刻与信号值分别进行同步记录；本步骤中，所确定的每个波峰与每个波谷均为所述超声回波信号F(t)的一个极值点；步骤B2、极值点剔除：采用数据处理设备(2)且调用时域极值点剔除模块或频域极值点剔除模块进行极值点剔除，获得剔除后的M'个极值点，并按照各极值点的采样时间先后顺序对M'个所述极值点由前至后进行排列；其中，M'为正整数且其为本步骤中进行极值点剔除后获得的极值点的总数量；其中，采用数据处理设备(2)且调用时域极值点剔除模块进行极值点剔除时，将步骤B1中所确定的所有极值点中信号值的绝对值小于β'的极值点剔除，获得剔除后的M'个极值点；其中，β'＝α'×max|F(t)|，α'为常数且其取值范围为0.1～0.35，max|F(t)|为超声回波信号F(t)中信号值的绝对值最大值；采用数据处理设备(2)且调用频域极值点剔除模块进行极值点剔除时，将步骤B1中所确定的所有极值点中信号值的绝对值小于β的极值点剔除，获得剔除后的M'个极值点；其中，β为预先设定的剔除阈值且β＝α×max|Y(f)|，α为常数且其取值范围为0.25～0.35，Y(f)为超声回波信号F(t)的频谱，max|Y(f)|为超声回波信号F(t)的频谱中幅值的绝对值最大值；步骤B3、叠加判断：采用数据处理设备(2)且按照采样时间先后顺序，由前至后对步骤B2中M'个所述极值点中相邻两个所述极值点分别进行叠加判断，并根据叠加判断结果对M'个所述极值点中叠加极值点对的总数量进行确定；M'个所述极值点中相邻两个所述极值点的叠加判断方法均相同；对M'个所述极值点中第m'个所述极值点与第m'+1个所述极值点进行叠加判断时，采用数据处理设备(2)且调用波峰判断模块或波谷判断模块进行叠加判断；其中，m'为正整数且m'＝1、2、…、M'-2、M'-1；采用数据处理设备(2)且调用波峰判断模块进行叠加判断时，当第m'个所述极值点与第m'+1个所述极值点均为波峰时，判断为第m'个所述极值点与第m'+1个所述极值点为一个所述叠加极值点对；采用数据处理设备(2)且调用波谷判断模块进行叠加判断时，当第m'个所述极值点与第m'+1个所述极值点均为波谷时，判断为第m'个所述极值点与第m'+1个所述极值点为一个所述叠加极值点对；待M'个所述极值点中所有相邻两个所述极值点均完成叠加判断后，获得M'个所述极值点中的所有叠加极值点对，并获得M'个所述极值点中所述叠加极值点对的总数量，所获得的M'个所述极值点中所述叠加极值点对的总数量记作K'；再根据M'个所述极值点中所述叠加极值点对的总数量K'，并按照公式K＝K'+1，对所述超声回波信号F(t)中所述叠加信号的数量K进行确定。5.按照权利要求4所述的一种超声波探伤用回波信号分离方法，其特征在于：步骤B3中进行叠加判断之前，先采用数据处理设备(2)对M'个所述极值点中所述叠加极值点对的总数量K'进行初始化，此时K'＝0；对M'个所述极值点中第m'个所述极值点与第m'+1个所述极值点进行叠加判断时，当第m'个所述极值点与第m'+1个所述极值点均为波峰或均为波谷时，判断为第m'个所述极值点与第m'+1个所述极值点为一个所述叠加极值点对，并将此时的K'加1；否则，此时的K'保持不变；待M'个所述极值点中所有相邻两个所述极值点均完成叠加判断后，此时的K'为M'个所述极值点中所述叠加极值点对的总数量。6.按照权利要求1或2所述的一种超声波探伤用回波信号分离方法，其特征在于：步骤二中进行信号稀疏分解时，采用数据处理设备(2)由先至后对所述迭代分解最佳原子集合中K个所述最佳匹配原子分别进行查找；所述的为采用数据处理设备(2)查找出的最佳匹配原子，的时频参数rz为最佳时频参数；采用数据处理设备(2)且对进行查找时，对的时频参数rz进行查找，过程如下：步骤C1、时频参数寻优：调用寻优算法模块且根据预先设定的时频参数中尺度参数、位移参数、频率参数和相位参数的取值范围，找出适应度值最大的最优时频参数，并找出适应度值＞thrdz的多个较优时频参数；本步骤中，所找出的所述较优时频参数的数量记作kz，kz为整数且kz≥0；其中，c'为常数且2≤c'≤3；Rz-1为此时采用数据处理设备(2)已查找出的前z-1个所述最佳匹配原子的残差量，Rz-1＝F(t)-ψz-1(t)，ψz-1(t)为此时采用数据处理设备(2)已确定的前z-1个所述最佳匹配原子之和，||Rz-1||2为Rz-1的2-范数；当z＝1时，R0＝F(t)；所述最优时频参数为所找出的适应度值最大的时频参数，所述较优时频参数为所找出的适应度值＞thrdz的时频参数，每个所述时频参数的适应度值均为该时频参数所对应的Gabor原子与Rz-1的内积；步骤C2、最佳时频参数确定：首先对步骤C1中所述较优时频参数的数量kz进行判断：当kz＝0或kz＝1时，将步骤C1中找出的最优时频参数作为最佳时频参数rz；当kz≥2时，对步骤C1中找出的kz个所述较优时频参数的稀疏度分别进行计算，并将稀疏度最小的所述较优时频参数作为最佳时频参数rz；对kz个所述较优时频参数中第d个所述较优时频参数的稀疏度XSd进行计算时，XSd＝||Rd||ξ，Rd为ψd(t)的残差量，Rd＝F(t)-ψd(t)，ψd(t)为kz个所述较优时频参数中第d个所述较优时频参数对应的Gabor原子；||Rd||ξ表示Rd的ξ-范数，ξ为常数且0≤ξ≤1；d为正整数且d＝1、2、…、kz。7.按照权利要求1或2所述的一种超声波探伤用回波信号分离方法，其特征在于：步骤三中进行回波信号分离之前，还需进行迭代分解最佳原子集合更新判断；实际进行迭代分解最佳原子集合更新判断时，判断||RK(t)||2是否小于ε：当||RK(t)||2＜ε时，判断为无需对步骤二中所述迭代分解最佳原子集合进行更新，并进入步骤三；否则，当||RK(t)||2≥ε时，判断为需对步骤二中所述迭代分解最佳原子集合进行更新，并进入步骤D；其中，||RK(t)||2为步骤二中所述RK(t)的2-范数，ε为预先设定的残差量判断阈值；步骤D、迭代分解最佳原子集合更新：采用数据处理设备(2)对步骤二中所述迭代分解最佳原子集合进行更新，包括以下步骤：步骤D1、最佳匹配原子优化，过程如下：步骤D11、原子随机选取：采用数据处理设备(2)从此时的所述迭代分解最佳原子集合中随机取出一个最佳匹配原子作为待优化原子，所述待优化原子记作其中j1为正整数且1≤j1≤K；此时的所述迭代分解最佳原子集合中除所述待优化原子之外的K-1个最佳匹配原子均为待处理原子，K-1个待处理原子组成此时的待处理原子集合；步骤D12、最佳匹配原子查找：所找出的最佳匹配原子记作的时频参数记作时频参数rj1'，时频参数rj1'＝(sj1',uj1',vj1',wj1')；对最佳匹配原子进行查找时，根据预先设定的sj1'、uj1'、vj1'和wj1'的取值范围，采用数据处理设备(2)且调用所述寻优算法模块，找出使适应度值fitness(rj1')最大的最佳时频参数，所找出的最佳时频参数为时频参数rj1'；再根据公式求解出最佳匹配原子其中，表示与的内积；ψ'0(t)为步骤D11中K-1个所述待处理原子之和；步骤D13、原子替换判断、原子替换及迭代分解最佳原子集合更新：采用数据处理设备(2)且调用残值判断模块、适应度值判断模块或稀疏性判断模块，判断是否需对步骤D11中所述待优化原子进行替换，并根据判断结果对所述待优化原子进行替换；采用数据处理设备(2)且调用残值判断模块判断是否需对步骤D11中所述待优化原子进行替换时，根据替换后残值||Rj1'K(t)||ξ是否小于替换前残值||Rj1K(t)||ξ进行判断：当||Rj1'K(t)||ξ＜||Rj1K(t)||ξ时，判断为需...

【专利技术属性】
技术研发人员：齐爱玲，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西,61