本发明涉及钢丝绳局部缺陷探测领域,尤其涉及一种钢丝绳径向漏磁信号的处理和成像方法。
背景技术
钢丝绳具有强度高、可靠性高、稳定性高等特点,被广泛应用于各类工业场景,提供拉升、牵引、承载等功能。由于钢丝绳通常作为大型机械的关键组件,其工作状态将会影响整个设备的运行状况和安全性能。因此,对钢丝绳进行故障诊断对保证设备稳定和生产安全具有重要意义。
钢丝绳工作的外部环境通过摩擦、碰撞、腐蚀等作用会使其产生局部缺陷。这类缺陷将一定程度上影响钢丝绳的性能。所以局部缺陷的信息通常被作为反映钢丝绳健康状况的指标之一。
检测钢丝绳局部缺陷的方法有很多。一种常见的方法是对钢丝绳表面的漏磁信号进行采集(原理如图1所示)。在该信号的各类采集方法中,使用周向等间距分布的霍尔传感器阵列进行等位移采样有效且直观。目前,对于以这种方法采集到的信号有多种处理方法,有的对信号进行直接分析和处理,也有的将信号成像,对图像进行分析和处理。其中,成像方法中,股波信号的滤除和局部缺陷信号的成像是会遇到的两个问题。
技术实现要素:
本发明的目的在于提供一种钢丝绳径向漏磁信号的处理和成像方法,能在保证局部缺陷信号不被大量衰减的前提下,有效地滤除股波信号,消除双点成像,提高信噪比。
本发明的上述目的是通过以下技术方案得以实现的:
一种钢丝绳径向漏磁信号的处理和成像方法,所述方法包括步骤:s1:采集钢丝绳径向漏磁信号,得到x组y路漏磁数据,存在数组d中;s2:对数组d中每一路漏磁数据分别使用平均的方法获得漏磁数据的趋势线,再将原始数据减去趋势线,得到数组ds;s3:在数组ds中确定一个斜向滤波的跨度m的重新采样线,使重新采样线尽量与股波纹理线重合;s4:使用插值方法在周向上对数组ds中每一组y个漏磁数据进行插值,使插值结果包含m个数据,组成新的数组di,在数组di的前后分别连接一个大小为m*m的零矩阵,新的数组定义为dr,在数组dr中沿重新采样线提取数据,并使重新采样线遍历所有数据进行滤波,去除数组dr前后两个m*m的矩阵,及提取数组中部长度为x的数据,组成新数组df;s5:对数组df中的每一路数据分别求取包络估计的幅值,将新的数据存储于数组de中。
进一步的,所述方法还包括步骤s6:确定一个阈值th,并定义一个与de大小相同的数组db,对数组de中的每一个数值进行判断;若该数值大于或等于th则将数组db中的对应元素设置为1,反之设置为0;对数组db进行成像,数值1对应灰度最大值,数值0对应灰度最小值,得到的图像中黑色像素表示钢丝绳局部缺陷。
进一步的,所述方法还包括步骤s7:数组db与数组de做哈达玛积得到新矩阵do;s8:对数组do进行成像,do中最大值对应灰度最大值,数值0对应灰度最小值。
进一步的,所述步骤s2对每一路漏磁数据分别使用平滑的方法获得漏磁数据的趋势线,再将原始数据减去趋势线,具体为:
dsy[n]=dy[n]-ty[n]
其中,dy是原始的第y路数据,ty是该路数据的趋势线,n为滑动平均的跨度,dsy为去趋势后的第y路数据,处理完全部y路数据后,重新组成去除趋势后的数组ds。
进一步的,所述步骤s4在数组dr中沿重新采样线提取数据,并使重新采样线遍历所有数据进行滤波,去除数组dr前后两个m*m的矩阵,及提取数组中部长度为x的数据,组成新数组df的方法具体为:在数组dr中,将一条重新采样线,开始于第x组数据结束于第x+m组数据,经过的m个数据存储于数组temp中,通过平滑的方法对temp中的数据求趋势线,并将temp中的数据减去其趋势线得到去除趋势的数据,之后将该处理后的数据temp'沿重新采样线写回原始位置:
temp'[n]=temp[n]-ttemp[n]
x从1至x,改变x,得到新的重新采样线后重复此处理过程,直到重新采样线遍历所有漏磁数据,处理完成后,由m+1至m+x,去除数组前后两个m*m的矩阵及提取数组中部长度为x的数据,组成新数组df,df的大小为m*x。
进一步的,所述步骤s6可描述为:
进一步的,所述步骤s7可描述为:do(x,y)=db(x,y)×de(x,y)。
综上所述,本发明具有以下有益效果:
本发明的成像方法基于斜向滤波和包络面,能在保证局部缺陷信号不被大量衰减的前提下,有效地滤除股波信号,提高信噪比;且能够将一处局部缺陷的冲击信号成像为一块连续的像素,避免双点成像问题,从而更加准确的确定局部缺陷的有无和位置信息。
附图说明
图1是本发明实施例漏磁原理示意图;
图2为本发明实施例重新采样示意图。
具体实施方式
下面将结合附图,对本发明实施例的技术方案进行描述。
一种钢丝绳径向漏磁信号的处理和成像方法,包括如下步骤:
s1:采集钢丝绳径向漏磁信号,得到x组y路漏磁数据,存在数组d中。
将周向等间距分布的霍尔传感器阵列沿钢丝绳移动。使其对钢丝绳径向漏磁信号进行等间距采集,得到y路待处理漏磁数据d1、d2、d3…dy。再将该y路数据存在数组d中。若一共采集到x组数据,则数组d包含y行x列,其大小为y×x。
s2:对数组d中每一路漏磁数据分别使用滑动平均的方法获得漏磁数据的趋势线,再将原始数据减去趋势线,得到数组ds。
首先对于数组d每一路数据分别使用滑动平均的方法获得数据的趋势线,再将原始数据减去趋势线:
dsy[n]=dy[n]-ty[n]
其中,dy是原始的第y路数据,ty是该路数据的趋势线,n为滑动平均的跨度,dsy为去趋势后的第y路数据。处理完全部y路数据后,重新组成去除趋势后的数组ds。
s3:在数组ds中确定一个斜向滤波的跨度m的重新采样线,使重新采样线尽量与股波纹理线重合。
确定一个斜向滤波的跨度m,使图2中重新采样线尽量与股波纹理线重合。
s4:使用插值方法在周向上对数组ds中每一组y个漏磁数据进行插值,使插值结果包含m个数据,组成新的数组di,在数组di的前后分别连接一个大小为m*m的零矩阵,新的数组定义为dr,在数组dr中沿重新采样线提取数据,并使重新采样线遍历所有数据进行滤波,去除数组dr前后两个m*m的矩阵,及提取数组中部长度为x的数据,组成新数组df。
使用插值方法在周向上对原来一组数据中的y个数据进行插值,使插值结果包含m个数据。插值处理后,y路数据被扩展为m路,新的数据组成数组di。di的大小为m×x。
在数组di的前后分别连接一个大小为m×m的零矩阵,新的大小为m×(x+2m)的数组定义为dr。在数组dr中沿图2中的重新采样线提取数据,进行重新采样并滤波。具体来说,将一条重新采样线(开始于第x组数据结束于第x+m组数据)经过的m个数据存储于数组temp中。通过滑动平均的方法对temp中的数据求趋势线,并将temp中的数据减去其趋势线得到去除趋势的数据,之后将该处理后的数据temp'沿重新采样线写回原始位置:
temp'[n]=temp[n]-ttemp[n]
改变x,得到新的重新采样线后重复此处理过程,直到重新采样线遍历所有漏磁数据(x从1至x)。处理完成后,去除数组前后两个m×m的矩阵及提取数组中部长度为x的数据(由m+1至m+x)组成新数组df。df的大小为m×x。
s5:对数组df中的每一路数据分别求取包络估计的幅值,将新的数据存储于数组de中。
s6:确定一个阈值th,并定义一个与de大小相同的数组db,对数组de中的每一个数值进行判断;若该数值大于或等于th则将数组db中的对应元素设置为1,反之设置为0;对数组db进行成像,数值1对应灰度最大值,数值0对应灰度最小值,得到的图像中黑色像素表示钢丝绳局部缺陷。可通过该图像确定缺陷的有无和位置。
该方法可描述为:
s7:数组db与数组de做哈达玛积得到新矩阵do;将矩阵db与矩阵de做哈达玛积(hadamardproduct)得到新矩阵do。
do(x,y)=db(x,y)×de(x,y)
s8:对数组do进行成像,do中最大值对应灰度最大值,数值0对应灰度最小值;该图像包含局部缺陷的有无、位置和漏磁信号强度的信息。