摘要:为解决超声检测中噪声频谱混叠导致检测精度低的问题,提出一种数据-模型联合驱动的超声检测信号高质量提取方法。 结合经验模态分解和分量聚类指标实现超声检测信号预处理,减小噪声对检测信号提取的影响;基于高斯回波模型,结合时频变换、频谱高斯拟合和人工蜂群算法对预处理信号的模型参数进行准确估计;根据模型参数对信号进行重构,实现超声检测信号高质量提取。 仿真结果表明,本文方法可高质量提取信噪比(SNR)低至 4. 56 dB 的超声检测信号,提取信号信噪比均值提升至 28. 71 dB,提取效果显著优于现有常用方法,如经验模态分解( SNR = 9. 82 dB)和变分模态分解( SNR = 11. 07 dB)。 此外,超声检测实验证明了本文方法可实现噪声频谱混叠下超声检测信号的高质量提取。

摘要:超声缺陷检测结果易受超声回波信号中复杂噪声的干扰,为了提高超声缺陷检测的准确度,提出一种基于混合分解的超声回波信号噪声消除方法。 采用经验模态分解算法结合相关系数指标对超声回波信号进行预处理,得到消除低频噪声分量的超声回波预处理信号。 基于变分模态分解将该预处理信号分解为一系列窄带本征模态函数,引入互信息指标估计变分模态分解的最优模态数量,并根据窄带本征模态函数与预处理信号的相关系数提取有用的模态分量,实现对超声回波信号去噪结果的重构。 通过仿真和实测超声回波信号验证了本文方法的去噪性能,并与现有方法进行了对比。 结果表明,本文方法可同时消除超声回波信号中的高频和低频噪声,在不同信噪比条件下 EMD、VMD 和本文方法去噪结果的 SNR 均值分别为 10. 01、9. 48和 16. 09 dB,验证了本文方法对于超声回波信号噪声消除的优越性。

摘要:利用放电声音信号检测环网柜的局部放电具有信息量丰富、能够准确反映放电故障等特点而得到广泛应用,但放电声音信号的有效检测是一个难点。 双通道录音在消噪领域中具有独特的优势,能够有效消除非平稳噪声,根据现场测量噪声干扰多为远距离的非平稳噪声,而局放信号为近距离声源的特点,提出了一种基于双通道能量差(PLD)的环网柜放电信号消噪方法。 仿真实验结果表明,相比基于谱减法和维纳滤波的单通道消噪方法,本文所提消噪方法在两种非平稳噪声下的信噪比分别平均高出了 14. 8 dB 和 9. 1 dB,均方误差(1×10-4)分别平均减小了 19. 34 和 15. 50,消噪效果优于单通道消噪算法,现场实验结果表明,环网柜放电声音波形明显被突出加强,能够有效去除周围环境中的非平稳噪声,从而保留有效放电信号,为环网柜的局放诊断提供有效的数据支撑。