管道漏磁检测系统中自适应滤波器设计

利用MATLAB仿真工具比较了自适应滤波器的常用自适应算法LMS算法和RLS算法，论述了基于变步长、正则LMS算法自适应滤波器原理，并针对漏磁检测的缺陷信号和噪声特点，设计了一种适于漏磁信号除噪的自适应滤波器。通过MATLAB程序仿真，试验结果表明该滤波器具有较快的收敛特性和较小的失调量，可满足漏磁检测系统除噪要求。     

漏磁信号处理中的经验模态分解和能量法阈值

漏磁检测信号通常受多种噪声源污染.为了降低漏磁检测信号中的噪声,提高缺陷的识别效率,采用了经验模态分解方法,对漏磁信号进行去噪处理,来增强漏磁信号的信噪比.试验基于试样上的人工缺陷,漏磁信号被分解成若干固有模态函数(IMF)和一个残余分量,通过能量法选择最小能量的IMF作为阈值.采用该阈值作为IMF分量的选择依据,可以...     

基于经验模态分解的钢丝绳缺陷漏磁检测

在钢丝绳无损检测领域，漏磁检测是最成熟也是应用最广泛的一种方法，但受检测环境影响，其难以直接从漏磁信号中提取缺陷特征。为此提出了一种基于经验模态分解的缺陷检测方法，首先使用小波和自适应调整阈值的软阈值方法去除漏磁信号中的噪声分量；然后采用经验模态分解方法分解信号，提取其中微弱的有用信息；最后，结合中等相关及以上的分量对信号进行重构，从而提取损伤特征，确定了损伤类型和位置。所提方法实现了钢丝绳在安全可用范围内的最大化利用，具有良好的经济效益。     

遗传优化的稀疏分解算法在超声缺陷提取中的应用

针对超声检测缺陷信号带有的干扰噪声严重影响信号提取和缺陷定位准确性的问题,利用基于遗传优化和稀疏分解相结合的算法提取超声缺陷信号。该算法利用遗传算法来寻优匹配追踪算法中的多参数;并采用与超声信号最优匹配的Gabor原子库,达到自适应的匹配超声回波信号,从而大大降低了稀疏分解算法的复杂度。分别对仿真和实际超声缺陷信号进行试验,并与小波去噪方法进行比较。结果表明,该方法能够在噪声背景下更有效地提取缺陷信号。     

采用双边滤波的冷轧铝板表面缺陷图像去噪方法的研究

目的去除冷轧铝板表面缺陷图像中的噪声,并保持图像的清晰度以及图像的细节信息,避免冷轧铝板表面缺陷图像中的噪声引起错误的缺陷检测。方法首先,引入双边滤波方法,并联合概率分布函数以及最大似然函数求取图像的噪声方差,自适应地对双边滤波函数中灰度方差值进行调整,实现对冷轧铝板表面缺陷图像中噪声进行滤除。然后,为了对双边滤波去噪后遗留下的强噪声进行去除,利用像素点之间的差值,构造区域相似度模型,对双边滤波去噪后图像中的强噪声进行判定。最后,借助中值滤波方法在对强噪声进行滤除的同时,兼顾保持图像的清晰度,进而达到去除冷轧铝板表面缺陷图像中的噪声,并保持图像细节以及清晰度的目的。结果所设计方法在噪声强度分别为0.09、0.12以及0.15时,所得去噪图像的MSE值分别为15.3743、19.7713以及23.7613,所得去噪图像的PSNR值分别为38.4971、35.4792以及31.1768。结论所设计方法不仅能有效去除冷轧铝板表面缺陷图像中的噪声,而且还能较好地保持图像的清晰度以及边缘特征,使得去噪后图像具有较好的视觉效果。     

镁合金超声检测的相关增强小波去噪技术

提出了一种基于相关增强与小波阈值相结合的超声信号去噪方法,将该方法用于AZ91镁合金的超声检测能够有效地去除噪声,提高检测精度。由于同类缺陷信号之间相关性较大,因此对同类缺陷的超声信号进行相关处理能够增强缺陷信号;结合小波分析的多分辨分析特点,从频率和时域对增强后的信号进行阈值处理,最终获得了良好的去噪效果。实验结果表明:该方法能够有效去除由粗晶散射引起的结构噪声,对微弱缺陷信号的检测是很有效的,且灵活便捷。     

模糊提升小波包变换降噪法在漏磁检测信号处理中的应用

漏磁（MFL）检测信号常被多种噪声源污染,极大地降低了漏磁信号中缺陷信号的可检测性。为此提出应用模糊提升小渡包解决漏磁信号的噪声抑制问题。对比分析软阈值、硬阈值和模糊阈值三种阈值处理方式下,传统小波包与提升小波包的降噪性能,并应用模糊提升小波包实现了漏磁信号的降噪。仿真结果表明,该方法具有运算速度快,降噪效果好的特点,是一种有效的漏磁检测信号降噪方法。     

铁磁材料漏磁信号处理与缺陷重构

漏磁检测是铁磁材料常用的无损检测方法,检测的重点是根据测量的漏磁信号重构缺陷轮廓.提出了分别利用径向基神经网络和广义回归神经网络,建立由缺陷漏磁信号到缺陷深度的非线性映射.训练样本为三维有限元仿真数据,而测试样本为经过平滑滤波、小波消噪预处理,后经过径向基神经网络精确插值的漏磁检测数据.用训练数据对这两种神经网络分别进...     

非下采样ContourIet变换在带钢表面缺陷图像去噪中的应用研究

目的 对带钢表面图像中的噪声进行有效滤除,以获取较清晰的带钢表面图像,为通过带钢表面图像检测带钢表面缺陷提供良好的源图.方法 利用非下采样Contourlet变换具有精细分解的特性,对获取到的带钢表面图像进行尺度分解,获取图像的高、低频系数.在最大后验概率框架的基础上,以噪声图像系数的方差为判断条件,构建了自适应去噪模型,对带钢图像进行前级去噪.为了进一步去除带钢表面图像中的噪声,利用非局部均值方法对前级去噪后的带钢表面图像进行处理,以达到对带钢表面图像中的噪声进行有效滤除.结果 仿真实验结果显示,与对照组方法相比,采用所设计方法去噪后的带钢表面图像不存在阶梯效应等不足,具有更高的峰值信噪比及结构相似度.结论 本文所提方法能有效去除带钢表面图像中夹杂的噪声,可获取较清晰的带钢表面图像.     

匹配追踪方法在超声检测信号去噪中的应用

超声检测中回波信号的噪声抑制对于正确分析材料的内部属性至关重要。匹配追踪方法把信号表示成与其结构匹配波形（原子）的线性展开。它能够自适应提取和原子相关的信号结构。从而实现了噪声抑制。超声信号处理中，根据回波特点，采用与其结构相似的Gabor原子。能够有效匹配超声信号中的回波信息。分别对不同信噪比下的仿真信号和试验信号用Gabor原子库进行匹配追踪方法去噪处理。并和小波去噪效果进行了比较。试验结果表明。利用该方法进行超声信号去噪处理能取得比小波去噪更好的效果。     

Advanced signal processing of magnetic flux leakage data obtained from seamless gas pipeline

Natural gas is normally transported through a vast network of pipelines. A major segment of this network employs seamless pipes. The manufacturing processes associated with the production of seamless pipes contribute to a helical variation in the grain properties of the pipe. This introduces an artifact, known as the seamless pipe noise (SPN), in the data obtained from magnetic flux leakage (MFL) inspection of these pipelines. SPN can overwhelm the signals generated by defects and other elements in pipelines, and can therefore, mask their indications in the MFL data. This paper presents a new technique for detecting signals in MFL data obtained from seamless pipes. The overall approach employs an adaptive filter and a wavelet based de-noising technique. The algorithm is computationally efficient and data independent. Results from application of the approach to data from field tests are presented.     

LabVIEW小波分析软件在虚拟超声仪器降噪中的应用

利用LabVIEW软件的小波分析工具中的降噪函数Denoised.vi,通过对函数参数的合理设置,抑制了虚拟超声仪器中检测信号的噪声,提高了信噪比。试验证明该方法有效。     

高速漏磁检测方法的发展

漏磁检测法已成功应用于各类铁磁性材料的检测中,但当代生产技术的革新和新应用领域的出现对漏磁检测法的检测速度提出了新的挑战。高速漏磁检测的信号出现畸变,制约着检测速度的进一步提高。对此,众多研究人员对信号畸变的机理进行研究,发现磁化滞后效应是影响高速漏磁检测信号的主要因素。当高速运动的钢管通过磁化线圈时,涡流使得管壁内的磁场无法达到稳定状态,从而影响了漏磁检测信号。在机理探究的基础上,提出了增大磁化线圈长度、采用多级磁化等方法来抑制高速漏磁检测时信号的畸变。动生涡流无损检测法和动生涡流热成像检测法等新电磁检测方法也被提出,并在高速检测时获得了较好的效果。     

Online nondestructive testing for fine steel wire rope in electromagnetic interference environment

The diameter of fine steel wire rope (FSWR) is generally a few millimeters. Its magnetic flux leakage (MFL) signal is weak, and the number of magnetic sensors installed for defect detection is limited because of the small diameter. In FSWR production workshops, different kinds of machinery work together, deteriorating the power quality and making the spatial electromagnetic environment complex; the weak MFL is thus interfered with further. It is difficult to carry out online nondestructive testing (NDT) of FSWR in the process of manufacturing. In this paper we present a novel MFL method for FSWR NDT in a strong electromagnetic interference environment. We use a three-dimensional finite element method (FEM) to analyze the MFL signals. A simplified magnetic circuit is presented to excite the FSWR; the circuit comprises two half-sized radial magnetizing ring NdFeB magnets, and because there is no need for a magnetic yoke, the device is simple and light. A single Hall sensor is used to measure the flux leakage field. A stable performance power system is designed for the NDT power supply, which is not only resistant to voltage sags, but also has very low output noise. To enhance the signal-to-noise ratio (SNR) of the MFL defects signal, a signal conditioning and processing circuit are designed to enhance the detectability of signals in MFL data. The novel and small FSWR NDT system realizes on-line testing in an environment of strong electromagnetic interference, and for the experiment with a 1.5-mm-diameter wire rope twisted by 19 wires, the minimum damage of a pit on half of a wire can be identified.     

改进阈值小波去噪方法在机床冲孔声音信号处理中的应用

机床冲孔产生的声音信号包含了许多有用信息,为了滤除声音信号提取过程中的工厂环境产生的噪声,使用改进阈值小波去噪方法对声音信号进行处理。利用信噪比(SNR)和均方误差(MSE)作为去噪效果指标,使用新的阈值选取规则,提出了一种分段连续的阈值函数,对传统小波去噪方法进行改进。该改进函数通过引入常数a,解决了传统阈值函数中软硬阈值函数不连续和恒定偏差问题。采集机床冲孔声音信号并叠加高斯白噪声作为机床冲孔含噪信号进行验证。通过实验确定了最佳小波函数类型和分解层数,将改进阈值小波去噪算法与传统算法进行对比,结果表明:改进后的算法去噪效果良好,且有效保留了较低的信号能量。     

小波分析在钢丝绳检测信号处理中的应用

钢丝绳的检测信号中具有大量的噪声信号，给断丝识别带来很大困难。分析了钢丝绳断丝信号的特征，采用多分辨分析进行消噪，同时讨论了Lipschitz指数，从分解的信号中分别计算出奇异点的Lipschitz指数，并以此作为断丝的特征量进行识别。试验结果表明，该方法可对断丝准确定位，并大大减小了断丝的误判率。     

基于Hankel矩阵与奇异值分解降噪方法的齿轮故障诊断研究

将Hankel矩阵与奇异值分解相结合对齿轮故障信号进行降噪处理,并应用MATLAB软件实现,来降低信号中的噪声,提高信噪比,从而凸显故障的信息特征。首先将含噪的测量信号构成的Hankel矩阵分解成两个互不相关的空间——真实信号空间与噪声空间,采用3种不同的奇异值选择方法,即奇异值差分谱方法、特征均值方法以及奇异值中值方法,对两个空间的奇异值矩阵处理后,再重构信号,实现降低测量信号噪声的目的。利用计算数据和图像说明不同奇异值选择方法的降噪效果,得出奇异值中值方法对齿轮断齿故障信号降噪效果最佳。