一种基于PSO-VMD的衬板超声回波信号去噪方法技术

本发明专利技术公开了一种基于粒子群算法（PSO）优化后的变分模态分解算法（VMD）对超声回波信号去噪的方法。本发明专利技术首先采用高斯白噪声来模拟衬板测厚的超声回波信号；使用变分模态分解算法将模拟信号分解，研究分解过程中尺度参数和惩罚因子这两个参数对分解效果的影响规律；将原始信号经过希尔伯特变换后转换为包络信号，进行归一化处理得到包络熵值，计算IMF分量中最小的包络熵值作为粒子群算法中适应度函数的一部分；利用粒子群算法搜索变分模态分解算法中尺度参数和惩罚因子的最佳参数组合使变分模态分解算法的性能最优，分解原始信号后得到各个IMF分量；计算各个IMF分量与原始回波信号的相关系数，选取有效IMF进行信号重构，获得去噪后的超声回波信号；本文所述方法相较于传统的VMD去噪方法，在信噪比上提高12.17db，均方误差减小了0.626，波形相似参数提高了0.329，有效的提高了算法的去噪能力，从而获得更为准确的超声回波信号。更为准确的超声回波信号。更为准确的超声回波信号。

【技术实现步骤摘要】
一种基于PSO
‑
VMD的衬板超声回波信号去噪方法


[0001]本专利技术属于超声信号去噪
，具体涉及一种基于PSO
‑
VMD的衬板超声回波信号去噪方法。

技术介绍

[0002]在工业生产过程中，破碎机作为矿山机械设备最重要的设备之一，是获得优质矿场资源必不可少的设备。而衬板作为破碎机的主要零件之一，在破碎过程中承担着剧烈冲击与磨损，其磨损性能对破碎机的破矿效率有着很大的影响。因此研究出一种高效安全的衬板磨损检测方法尤为重要，可以提高破碎机检修质量，加快检测速度，缩短测量工期，提高衬板磨损检测技术水平。
[0003]超声无损检测技术是当前主流的一种智能化无损检测方法，该方法既可以检测金属材料，也可以检测非金属材料，且具有低成本、高精度、检测范围大等优点，受到众多领域的青睐。但是在超声测量的过程中，由于测量仪器的影响，如电源电压的波动干扰、静电干扰、接地不良因素，会对超声波形成噪声干扰，同时被测材料的晶粒会使超声波发生散射和反射，也会对超声回波造成影响。因此，为了获得准确的超声回波信号，去除超声回波信号中的噪声是实现超声检测的必要前提。
[0004]超声回波信号夹带的噪声信号通常表现为平坦的宽带特性，针对这种噪声的抑制方法，常见的有经验模态分解（EMD），变分模态分解（VMD）。然而EMD算法缺乏严格的数学推导,存在频带混叠、端点效应等问题,同时算法本身的局限性加上信号与噪声的复杂特性,整体去噪效果一般。
[0005]VMD算法是一种基于数学理论基础的信号去噪新方法，由于该方法性能优越，在去除高频噪声和非线性复杂数据上具有独特优势，使得它得到了众多学者的广泛应用，但VMD算法本身分解效果受参数设置的影响，无法确认算法的最优性。
[0006]与本专利技术相关的专利：文献号为CN109580787A的专利，通过对预处理后的回波信号进行EEMD分解重构,能够最大限度地保证回波信号的完整性。文献号为CN109738519A的专利，通过对超声回波信号进行小波分解，引入基于SURE无偏估计的自适应阈值法，利用灰狼算法优化目标函数，能够有效提高超声检测的精度。

技术实现思路

[0007]（1）要解决的技术问题针对上述现有技术的不足，本专利技术的目的在于提供一种PSO
‑
VMD的衬板超声回波信号去噪方法。
[0008]（2）技术方案一种PSO
‑
VMD的衬板超声回波信号去噪方法，包括以下步骤：步骤一、针对VMD算法分解效果受限于分解尺度K和惩罚因子α的选取问题，研究这两个参数对VMD算法分解效果的影响规律；
步骤二、在VMD算法的基础上引入PSO算法，选用包络熵E
p
的概念作为VMD算法分解效果好坏的判断标准，构建出新的适应度函数；步骤三、利用PSO算法搜索VMD算法最佳参数组合，将最佳参数组合代入VMD算法中进行超声回波信号分解，通过相关系数选取有效IMF进行信号重构。
[0009]在所述步骤一中，采用VMD算法进行信号分解时，通过选取不同的参数来研究K和α的选择会对VMD算法的分解效果所造成的影响，其中K过大时会造成过分解，分解出虚假分量，K过小时，信号的有效频率成分未分解出来，当α选择不当时也会造成过分解和欠分解状态，同时迭代次数较大，影响计算效率。
[0010]在所述步骤二中，在VMD算法的基础上引入PSO算法，选用包络熵E
p
的概念作为VMD算法分解效果好坏的判断标准，将VMD算法分解所得到的K个IMF分量中最小的包络熵E
p
作为局部最小值熵minE
p
，然后将该局部最小值熵minE
p
作为PSO算法整个寻优过程中适应度函数的一部分，再加上迭代次数n,利用两者一起构建出新的适应度函数。
[0011]在所述步骤三中，利用设置最优参数的VMD算法进行信号分解，得到各个IMF分量，计算各IMF分量与原始超声回波信号的相关系数，选取相关系数大于系数选取阈值的分量进行信号重构。
[0012]采用PSO实现了对VMD算法的最佳分解尺度K和惩罚因子α参数组合的寻优，相比根据经验设定参数和只对单一参数的寻优方法，避免了VMD算法在分解信号时出现欠分解和过分解的现象。
[0013]经仿真和实验结果分析可知，相比传统的去噪方法，采用所提出的基于PSO
‑
VMD去噪方法处理后的信号，其信噪比更高，均方误差更小，波形相似参数更高，说明PSO
‑
VMD方法在处理超声回波信号上综合性能更优，能够有效去除衬板超声回波信号中的噪声。
附图说明
[0014]为了更清楚的说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术中描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一种实施方式，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0015]图1 为构造的含噪声的双重回波模拟仿真信号；图2为本专利技术具体实施方式中不同的参数K下的中心频率变化图；图3为本专利技术具体实施方式中不同的参数α下的中心频率变化图；图4为本专利技术具体实施方式中PSO参数寻优的流程图；图5为本专利技术具体实施方式中采集的原始信号图；图6为本专利技术具体实施方式中局部极小值熵随进化代数的变化趋势图；图7为本专利技术具体实施方式中分解后的IMF分量图；图8为本专利技术具体实施方式中去噪后的超声回波信号图。
具体实施方式
[0016]为了使相关的技术人员更好的明白了解专利技术实现的技术手段，下面对本专利技术具体实施方式进行清楚、完整的描述，以进一步阐述本专利技术。参考附图描述的实施方式是示例性
的，仅用于解释本专利技术的具体实施方式。
[0017]本具体实施方式为一种基于PSO
‑
VMD的衬板超声回波信号去噪方法，该方法具体步骤为：步骤一、针对VMD算法分解效果受限于分解尺度K和惩罚因子α的选取问题，研究这两个参数对VMD算法分解效果的影响规律。
[0018]（1）采用高斯函数来模拟超声脉冲响应，构造出含噪声的双重回波信号模型并构建超声回波仿真信号及其频谱如图1所示；式中，β为幅值，表示超声波在介质中传播时由于其衰减特性引起的能量损失；α为带宽因子，α值越大回波波形越宽，α值越小波形越窄；τ为到达时间；f0为发射脉冲的中心频率；Φ为初相位；式中，θ
m
=(β
m
, α
m
, τ
m
,f
0m
, Φ
m
)为第M个回波参数，n(t)为添加的高斯噪声。
[0019]（2）采用VMD算法进行信号分解，分析不同K和对VMD分解效果的具体影响；参数K对分解效果的影响：分别取K=3，4，5，6，设为经验值2000，得到不同K值下各分量中心频率随迭代次数的变化曲线图，如图2所示，分别K为3，4时，分解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PSO
‑
VMD的衬板超声回波信号去噪方法，其特点在于，该去噪方法的具体步骤为：构建具有双重回波的超声回波仿真信号，均匀添加15db高斯白噪声模拟含有噪声的超声回波信号，利用变分模态分解算法，通过设置不同的分解尺度K=3,4,5,6和惩罚因子α=1000,1500,2000,2500将模拟信号分解，分析上述参数对分解效果的影响；利用粒子群算法优化变分模态分解算法，使变分模态分解算法根据超声回波信号的特点自适应的选择最佳的分解尺度与惩罚因子；利用粒子群算法优化后的变分模态分解算法对现场采集的超声信号进行分解，获得各个IMF分量，计算各IMF分量与原始回波信号的相关系数，根据适当的阈值选取IMF分量进行信号重构，获得去噪后的超声回波信号。2.根据权利要求1所述方法，其特征在于变分模态分解算法分解信号，不同的分解尺度和惩罚因子对信号的分解效果所产生的影响，其中分解尺度过大时会造成过分解，分解出虚假分量，过小时，信号的有效频率成分未分解出来，惩罚因子选择不当也会造成过分解和欠分解状态。3.根据权利要求1所述方法，其特征在于，利用粒子群算法优化变分模态分解算法，引入包络熵的概念，将局部最小值熵作为粒子群算法整个寻优过程中适应度函数的一部分，加上迭代次数n,构建新的适应度函数，搜索最优的分解尺度和惩罚因子；粒子群算法优化变分模态分解算法的步骤如下：步骤1：初始化变分模态分解算法的模态函数，中心频率...

【专利技术属性】
技术研发人员：蔡改贫，赵鑫，郝书灏，周和辉，龚哲，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：