基于声发射信号模态分解的钢管多处缺陷定位方法技术

本发明专利技术涉及钢管缺陷检测与定位技术技术领域，具体为基于声发射信号模态分解的钢管多处缺陷定位方法，包括步骤：S1、系统部署、S2、分析信号、S3、信号算法分解、S4、信号分类、S5、确定最优位置缺陷。该基于声发射信号模态分解的钢管多处缺陷定位方法，可以实现钢管内部的多缺陷同时检测，提出了改进型的声发射信号检测算法和声发射源到达时差定位算法，本模型与现有的缺陷检测方法相比，可以分辨在一个时间段检测的多个缺陷并准确得到其缺陷位置，采用本模型提出的定位算法可以消除掉感应器反应时间、系统延时时间不确定、系统同步感应器之间时钟误差等误差因素，取最优值作为缺陷坐标提高了定位的精确度。高了定位的精确度。高了定位的精确度。

【技术实现步骤摘要】
基于声发射信号模态分解的钢管多处缺陷定位方法


[0001]本专利技术涉及钢管缺陷检测与定位技术
，具体为基于声发射信号模态分解的钢管多处缺陷定位方法。

技术介绍

[0002]目前常见的钢材介质缺陷检测定位方法有超声波探伤与定位方法，X射线检测与定位算法，漏磁缺陷检测与定位算法等，超声波探伤的优点为探伤灵敏度较高，X射线工业探伤在大型工厂和流水线中运用较多，由于其自动化程度较高，方便和其他许多自动操作搭配使用，增加工业化效率，缺陷漏磁检测原理为当钢材材质通电时，有缺陷的地方其磁场曲线幅度往往表现下降或者降低的趋势，依据这个原理，将磁场信号转换为电信号时，在缺陷处电信号的强度也会降低，由此可判定钢管材质有缺陷，漏磁检测一般不适用于有覆盖层和涂层的物体的探伤，当钢工件上存在缺陷时，缺陷与钢材料之间会形成一个不同的介质之间的交界面，交界面之间的声阻抗不同，当发射超声波遇到这个界面之后反射波会因为缺陷而造成幅度和频率与原波不同，据此利用声发射波信号可以实现设备要求低、多缺陷源同时检测的目的。
[0003]目前常见的钢材介质缺陷检测定位方法有超声波探伤与定位方法，X射线检测与定位算法，漏磁缺陷检测与定位算法等，超声波探伤虽然探伤灵敏度较高，但是它要求检测工件表面光滑，而且超声波能量衰减严重，因此其对于信号的接收装置要求较高，X射线初始图象效果比较重要，因此对图像采集的环境要求也较高，且其运用成本也较高，因此不适用于地下管廊场景下的钢管缺陷检测，漏磁缺陷检测只适用于表面或者缺陷不大且深度不深的情况，当缺陷出现在被检测物内部，或者缺陷较大，缺陷深度较深，其检测精度也会受到影响。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了基于声发射信号模态分解的钢管多处缺陷定位方法，具备可以使得缺陷检测精度和定位精度提高，产生方式简单，检测成本低廉，而且在各种环境下运行都不受影响等优点，解决了现有的其他定位方法在使用过程中，受到环境影响因素较大以及精确度无法保证的问题。
[0006](二)技术方案
[0007]为实现上述使得缺陷检测精度和定位精度提高，产生方式简单，检测成本低廉，而且在各种环境下运行都不受影响等优点目的，本专利技术提供如下技术方案：基于声发射信号模态分解的钢管多处缺陷定位方法，包括以下步骤：
[0008]S1、系统部署
[0009]由声发射缺陷检测装置、用于接收声发射信号的感应装置以及中心数据处理服务器组成的系统部署在人工检测钢管缺陷比较困难的环境下(如地下管廊等)，其中声发射缺
陷检测设备用于对钢管缺陷的检测，使得钢管缺陷处产生声发射信号沿钢管壁传播，声发射信号接收设备用于声发射信号的采集，数据处理中心及缺陷定位系统含有钢管本体模型和感应器相对附着位置、声发射信号处理分类系统、缺陷定位分析算法，通过外部的感应器模组来对声发射信号进行接收，不同位置的接收感应器会接收到由同一声发射信号源同时发出的声发射信号。
[0010]S2、分析信号
[0011]系统模型考虑到缺陷检测装置同时或者相差时间不大检测到多处缺陷的情况下，分析同时到达的缺陷产生的声发射信号，并利用到达时差的声发射源优化定位算法，以区分和精确定位到多缺陷坐标，其中声发射信号处理模块用于在每个时刻，每个感应器所采集的所有信号都能被感知，分解和分类，获得最优的定位精度。
[0012]S3、信号算法分解
[0013]将接收到的声发射信号利用改进型声发射信号检测算法进行分解，基于改进型自适应噪声的模态分解算法(I
‑
CEEMDAN)可以将原始的声发射信号转换为时间
‑
频率谱信号(Hilbert
‑
Huang谱)能够清晰的将每个声发射信号的时间
‑
频率特征表现出来。
[0014]S4、信号分类
[0015]当得到时间
‑
频率谱信号之后，通过奇异值分解算法能够有效的压缩数据量并提取信号的输入特征，因此能够对每种频率的信号进行分类，即可以将不同感应器采集的同一声发射信号源同一时刻的信号分类出来，并得到这些信号达到每个感应器的时间，循环对上述过程进行处理便可以得到检测设备在管道内检测的所有缺陷所发射信号的数据，再将这些数据按照实时储存起来。
[0016]S5、确定最优位置缺陷
[0017]针对声发射事件在小样本下定位精度较低的问题，提出基于多尺度网格搜索的VFOM(virtual field optimization method)定位算法来确定最优的位置缺陷。
[0018]优选的，所述步骤S3中，当钢管两侧附着的声发射感应器采集得到声发射信号之后，首先需要对这些信号进行处理，利用基于改进型自适应噪声的模态分解模型对声发射信号进行分解得到模态分量，首先假设声发射信号为x(n)：
[0019]x
(i)
(n)＝x(n)+β0E1(ω
(i)
(n)),(i＝1,2,...,I)
[0020]其中x
(i)
(n)表示在i时刻的信号x(n)和高斯白噪声ω
(i)
(n)的权重和，
[0021]表示经过经验模态分解得到的第k个经验模态分量的复数(k＝1,2....)，然后计算得到信号x(n)的第一个余波分量r1、其中表示求平均值的运算，通过求得第一个余波分量r1，再结合原始信号x(n)，可以计算求得第一个经验模态分量IMF1：
[0022]IMF1＝x(n)
‑
r1(n)。
[0023]优选的，所述在计算完成第一个经验模态分量IMF1后，开始计算第二个经验模态分量IMF2：
[0024]其中r2是第二个余波分量，以此类推，就可以求得第k个余波分量r
k
(k＝3,...,K)，也就能得到第k个模态分量IMF
k
：
[0025][0026]IMF
k
＝r
k
‑1‑
r
k
[0027]最终，原始信号可以看成多个模态分量和余波分量的和，即：
[0028][0029]优选的，所述得到IMF分量之后，利用希尔伯特变换得到每个模态分量的时间
‑
频率谱信号，对于信号x(t)，其希尔伯特变换为：
[0030][0031]其中P为柯西主值，该信号的瞬时振幅为α(t)，瞬时相位为θ(t)，瞬时频率为ω(t)：
[0032][0033][0034][0035]优选的，所述步骤S3中，时间
‑
频率谱可以表示为H(ω,t)，一般来讲，一个信号的时间
‑
频率谱就可以看成是一个矩阵，而根据奇异值分解原理，矩阵的所有关键特征都可以按顺序以一系列奇异值的形式获得，根据这些关键特征的异同，可以对每个感应器得到的来自不同缺陷处的声发射信号进行分类，因此可以得到每个声发射信号到达每个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于声发射信号模态分解的钢管多处缺陷定位方法，其特征在于，包括以下步骤：S1、系统部署由声发射缺陷检测装置、用于接收声发射信号的感应装置以及中心数据处理服务器组成的系统部署在人工检测钢管缺陷比较困难的环境下(如地下管廊等)，其中声发射缺陷检测设备用于对钢管缺陷的检测，使得钢管缺陷处产生声发射信号沿钢管壁传播，声发射信号接收设备用于声发射信号的采集，数据处理中心及缺陷定位系统含有钢管本体模型和感应器相对附着位置、声发射信号处理分类系统、缺陷定位分析算法，通过外部的感应器模组来对声发射信号进行接收，不同位置的接收感应器会接收到由同一声发射信号源同时发出的声发射信号。S2、分析信号系统模型考虑到缺陷检测装置同时或者相差时间不大检测到多处缺陷的情况下，分析同时到达的缺陷产生的声发射信号，并利用到达时差的声发射源优化定位算法，以区分和精确定位到多缺陷坐标，其中声发射信号处理模块用于在每个时刻，每个感应器所采集的所有信号都能被感知，分解和分类，获得最优的定位精度。S3、信号算法分解将接收到的声发射信号利用改进型声发射信号检测算法进行分解，基于改进型自适应噪声的模态分解算法(I
‑
CEEMDAN)可以将原始的声发射信号转换为时间
‑
频率谱信号(Hilbert
‑
Huang谱)能够清晰的将每个声发射信号的时间
‑
频率特征表现出来。S4、信号分类当得到时间
‑
频率谱信号之后，通过奇异值分解算法能够有效的压缩数据量并提取信号的输入特征，因此能够对每种频率的信号进行分类，即可以将不同感应器采集的同一声发射信号源同一时刻的信号分类出来，并得到这些信号达到每个感应器的时间，循环对上述过程进行处理便可以得到检测设备在管道内检测的所有缺陷所发射信号的数据，再将这些数据按照实时储存起来。S5、确定最优位置缺陷针对声发射事件在小样本下定位精度较低的问题，提出基于多尺度网格搜索的VFOM(virtual field optimization method)定位算法来确定最优的位置缺陷。2.根据权利要求1所述的基于声发射信号模态分解的钢管多处缺陷定位方法，其特征在于，所述步骤S3中，当钢管两侧附着的声发射感应器采集得到声发射信号之后，首先需要对这些信号进行处理，利用基于改进型自适应噪声的模态分解模型对声发射信号进行分解得到模态分量，首先假设声发射信号为x(n)：x
(i)
(n)＝x(n)+β0E1(ω
(i)
(n)),(i＝1,2,...,I)其中x
(i)
(n)表示在i时刻的信号x(n)和高斯白噪声ω
(i)
(n)的权重和，表示经过经验模态分解得到的第k个经验模态分量的复数(k＝1,2....)，然后计算得到信号x(n)的第一个余波分量其中表示求平均值的运算，通过求得第一个余波分量r1，再结合原始信号x(n)，可以计算求得第一个经验模态分量IMF1：IMF1＝x(n)
‑
r1(n)。3.根据权利要求2所述的基于声发射信号模态分解的钢管多处缺陷定位方法，其特征
在于，所述在计算完成第一个经验模态分量IMF1后，开始计算第二个经验模态分量IMF2：其中r2是第二个余波分量，以此类推，就可以求得第k个余波分量r
k
(k＝3,...,K)，也就能得到第k个模态分量IMF
k
：IMF
k
＝r
k
‑1‑
r
k
最终，原始信号可以看成多个模态分量和余波分量的和，即：4.根据权利要...

【专利技术属性】
技术研发人员：付勇高，朱军，张国春，王磊，蔡嘉，唐袁袁，曹文斌，虞赟烽，王睿智，
申请(专利权)人：无锡市市政设施养护管理有限公司，
类型：发明
国别省市：