一种基于导波的管道缺陷信号识别方法技术

本发明专利技术公开一种基于导波的管道缺陷信号识别方法，属于无损检测领域。本发明专利技术首先利用滤波器对导波信号内的电磁干扰进行消除，再经过离散小波包按3~7尺度分解，构成多尺度小波包子空间，选择双低频子空间进行自适应滤波，计算双低频子空间信号能量谱构成归一化特征向量，比较待检测信号特征向量特征值是否在标准缺陷信号特征向量特征值容差范围内，来判定缺陷信号。根据半监督模糊聚类理论，比较缺陷信号样本特征向量与标准缺陷样本特征向量的欧式距离，按欧式距离最小准则判定信号缺陷类型。该方法具有算法简单可靠，计算耗费时间短，对操作人员要求低特点。

【技术实现步骤摘要】

本专利技术涉及，属于无损检测领域。
技术介绍
信号特征提取的方法主要基于短时傅里叶变换，小波包变换，提升小波变换，经验 模态变换。然而仅基于一种方法都会因自身局限性而使特征提取不能满足识别的要求，如 短时傅里叶变换不能调整窗函数的大小，信号时域和频域的分辨率不可变化；提升小波变 换的预测和更新运算会产生浮点数，当有大量的数据时，累积误差不可想象；经验模态变 换的单个固有模态频率需要多次迭代且频率分辨率较低，附带的端点效应也是一个技术难 题。小波包分析是管道检测信号的一种有效处理技术，相比较小波分析技术，小波包分析能 够在信号低频区和高频区域同时进行向下二进分解，可获得精确的频率分辨率。但小波包 变换也会附带产生边界问题，使相邻频率区之间的波形产生失真。基于自适应算法的离散 小波变换可以根据前一时刻获得的波形参数按照最小均方差准则来调整后一时刻信号，可 以有效避免边界效应的影响，提高信号抗干扰能力。智能识别技术是管道缺陷识别最终的处理方法，目前已经发表的或者公开的研究 成果对管道特征的识别主要包括神经网络的方法、监督式模糊识别方法和相关性分析，对 管道缺陷的类型识别还较少。专利CN1本文档来自技高网...

【技术保护点】
一种基于导波的管道缺陷信号识别方法，其特征在于，包括以下步骤和方法：???A）采集超声导波信号进行前置放大和滤波预处理，滤波器消除来自电源和空间的电磁干扰；???B）对预处理后的导波信号按采样频率Fs进行离散化，根据采样定理，最大频率Fmax为采样频率Fs的一半；则采样后的信号频率F分布在（0~Fs/2）内，低频区频率分量包含（0~Fs/2-???????????????????????????????????????????????）,高频区频率分量包含（Fs/2-~Fs/2-），n为信号频率尺度；C）再次对信号消除噪声，通过离散小波包分解，对低频区和高频区信号同时进行向下二抽样，子空间低频...

【技术特征摘要】
1.一种基于导波的管道缺陷信号识别方法，其特征在于，包括以下步骤和方法 A)采集超声导波信号进行前置放大和滤波预处理，滤波器消除来自电源和空间的电磁干扰； B)对预处理后的导波信号按采样频率Fs进行离散化，根据采样定理，最大频率Fmax为采样频率Fs的一半；则采样后的信号频率F分布在((TFs/2)内，低频区频率分量包含((Tfノ2*+1)，高频区频率分量包含(Fs/2 M+1汴ノ2 * )，n为信号频率尺度； C)再次对信号消除噪声，通过离散小波包分解，对低频区和高频区信号同时进行向下ニ抽样，子空间低频区的低频信号和高频区的低频信号为分解信号；根据测不准定理，信号离散小波包分解层数越多频率分辨率越高，但时间分辨率越低，选3-7层进行离散小波包分解，小波包母函数为db4小波； D)选取离散小波包分解的双低频空间(D1(N，M) :1 (N, M=2~ (N-l)-l) U(N，I)，N=3, 4，5，6，7}的双低频空间信号进行自适应滤波处理，消除小波包边界问题，自适应滤波器权值由最小均方差算法确定，子空间以结点(N，M)标记，N表示为层数，M表示为子空间频段区号； E)对双低频空间分解信号进行单支重构； F)计算Tl层数分解信号双低频率空间Di(N，M)能量，构成5维能量谱特征向量并进行归ー化处理；不同层数的分解信号的能量谱特征向量...

【专利技术属性】
技术研发人员：姜银方，陈岚崴，戴亚春，姜文帆，严有琪，高书苑，
申请(专利权)人：江苏大学，
类型：发明
国别省市：