[发明专利]一种基于导波的管道缺陷信号识别方法

说明书

技术领域

本发明涉及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。

背景技术

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CN102122351采用人工神经网络技术进行管道缺陷轮廓进行识别，不仅需要输入大量的数据，还要耗费大量时间进行训练、运算、比较，当超过误差范围还需再次重复上述过程，不能满足管道实时性检测的要求，且管道缺陷类型没有做具体分类。

专利CN101201901A利用有监督模糊技术分类平稳信号和非平稳信号，不仅需要大量样本进行训练，还需定义隶属度代价函数，隶属度代价函数的定义具有很大的不确定性，分类结果可靠性不高。

专利CN101571233A利用了相关分析方法对管道特征进行了分类，对管道具体缺陷没有做进一步的类型区分，具有一定的局限性。

模糊理论在在信号分类中发挥巨大作用现已得到广泛认可，半监督模糊聚类识别方法根据少数确定样本和多数非确定样本的距离关系同时训练并划分样本类型，减少计算机处理时间，且相对简单的算法降低了操作人员的要求，将半监督模糊聚类识别方法用于管道实时监测尚未见报道。

发明内容

基于以上问题的存在，提出一种简单易行的管道导波缺陷信号的识别方法，有助于实时识别管道缺陷。本发明是一种基于导波的管道缺陷信号识别方法，利用离散小波包分解所得子空间能量谱特征向量，比较少数确定样本和非确定样本之间的欧式距离来判定非确定样本的缺陷信号类型。

一种基于导波的管道缺陷信号识别方法包括以下步骤：

（1）采集导波信号，对采集到的信号先进行前置电压放大和消除电磁干扰的预处理，再按采样频率Fs离散化，采样后的信号经离散化后频率F分布在（0~F_s/2）内，低频区频率分量包含（0~F_s/2_-                                                ）,高频区频率分量包含（F_s/2_-~F_s/2_-）。

在现场采集到的导波信号较微弱，而且会混入各种噪声信号包括管道不同材料物性和特征的信号频散和外部的电磁干扰，经前置放大后噪声也随着放大，而滤波器只消除电磁干扰，当电磁干扰的频率和有用信号的频率重合时，滤波效果不会满足要求，因此噪声的消除不能单独依靠外接滤波器进行消除。

（2）将经过预处理的信号进行3-7层离散小波包分解，得到不同频段空间的分解信号。考虑到离散小波包分解是否失真关键是小波包母函数的选择，本发明中对各种小波包母函数进行分析对比，最终选择db4小波包母函数进行分解。离散小波包分解的算法为： 

W_2n(t)= 

W_2n+1(t)=                

{h_k},{g_k}为具有正交关系高低通正交镜像滤波器，g_k=(-1)^kh_1-k,当n=0时，

w₀（t）和w₁（t）分别为Φt尺度函数和Ψt小波函数。

预处理信号X（t）最终可分解为