一种管道超声螺旋导波特征路径信号提取方法

1.本发明涉及超声无损检测技术领域，具体涉及一种管道超声螺旋导波特征路径信号提取方法。


背景技术：

2.自1985年以来，超声导波技术由于长距离检测和无损的特性广泛应用于国民经济领域中，尤其是在管道健康监测方面，具有极其突出的地位。其中，lamb波会在管壁中形成螺旋传播的导波，能在一定范围内对管段的壁厚进行精确的重构，因而具有广阔的应用前景。然而，lamb导波多模态以及频散的特性导致其信号辨识度不高，并且在管壁螺旋传播的方式会产生大量的路径重叠，如何寻找一种有效算法能提取出单一模态的多组特征路径，从而识别有效信号，这已经成为后续层析成像和无损评估的关键问题之一。
3.信号识别是工业超声导波无损检测评估的基础，为了满足成像需求，近些年来，许多与之相关的信号处理算法，如小波变换、变分模态分解、频散补偿等等，都取得了许多重要的成果。以上这些成果主要用途是去噪和提取主频率分量，具有很强的通用性，但是针对螺旋导波的具体问题去开发多路径重叠的分离算法目前还没有出现过系统的研究，因而在应用方面有着很大的局限性，只能依据经验性的人为判断来进行定性的提取特征。这就导致了人为的误差和时间成本的浪费，并且为了防止路径重叠只能选择较为稀疏的阵列，成像精度也不高。本发明为了改变这种现状，尝试了一种管道超声螺旋导波特征路径信号提取技术，进行了相应的管道检测实验，提取相应信号进行验证，充分证明了本发明的可行性。


技术实现要素：

4.为解决现有技术中存在的问题，本发明提供了一种管道超声螺旋导波特征路径信号提取方法，能够在稀疏或密集阵列的情况下，将超声换能器采集的螺旋导波实验信号进行单一模态的多组路径信号提取，为后续无损检测评估提供具有相当辨识度的特征数据，解决了上述背景技术中提到的问题。
5.为实现上述目的，本发明提供如下技术方案：一种管道超声螺旋导波特征路径信号提取方法，所述提取方法包括如下步骤：s1、构建加窗余弦函数作为激励；s2、计算单一模态单一路径的信号响应；s3、构建过完备的多模态多路径数据集；s4、单层神经网络算法分离出单一模态，得到单一模态信号；s5、构建过完备的单一模态特定路径数据集；s6、提取特征路径信号。
6.优选的，在步骤s1中，通过调制加窗余弦函数作为导波的激励
函数，其中，是窗函数，是角频率，t是时间项；该激励函数传播x距离后响应信号为：；其中，，表示激励函数的傅里叶变换形式，是波数。
7.优选的，所述步骤s2中计算单一模态单一路径的信号响应具体是：在已知激励函数情况下，依据泰勒公式将波数在中心频率处进行一阶线性展开，得到；其中，，，是lamb波中心频率处的相速度，代表该频率处的群速度，将的线性表达式代入，得到，a是信号包络幅值；令代表信号传播x的距离花费的时间，则单一模态单一路径下的信号响应，令表示相位变化量。
8.优选的，所述过完备的多模态多路径数据集中包括接收信号的所有模态和所有传播路径，其数据集矩阵，其中，n=1,2,
…
,n,代表模态的阶数；每一个单一模态数据集中元素包括一系列不同的传播路径，这些路径元素分别记为，其中，p=1,2,
…
,p,代表第p条不同的路径，每一个路径在传播过程中所经过的管壁边界条件也不一样，其相位也是随时间变化的，在每一个路径数据集下继续划分q个相位元素，记为，其中q=1,2,...,q；设接收的信号包含i个时间序列，每一个相位元素为的列向量，从数据集来看，第n阶模态，第p条路径，第q个相位的元素表达式为：
9.优选的，所述步骤s4具体包括：根据多模态多路径数据集，多模态多路径实际接收信号表示为：，y为实际接收信号，阶数为；d为数据集矩阵，阶数为；x
为多模态权重因子，阶数为；e为误差项，阶数为；进行模态分离，将改写为：其中，为单模态数据集，阶数为，为单模态权重因子，阶数为，将求解的问题转化为求解最优化问题，通过构建单层神经网络模型求解，得到单模态权重因子，通过计算，得到单一模态信号。
10.优选的，所述构建过完备的单一模态特定路径数据集具体包括：根据单一模态信号确定信号中包含的所有传播路径，建立单一模态特定路径数据集，数据集包含特征路径和相位元素，单一模态特定路径数据集，m=1,2,
…
,m，代表m条不同路径，，每条路径继续划分q个相位元素，记为，其中，q=1,2,...,q。
11.优选的，所述步骤s6提取特征路径信号具体包括：根据单一模态特定路径数据集，单一模态多路径接收信号表示为：，为单一模态接收信号，阶数为；为数据集矩阵，阶数为；为多路径权重因子，阶数为；为误差项，阶数；进行路径分离，将改写为：其中，为单路径数据集，阶数为；为单路径权重因子，阶数为，将求解的问题转化为求解最优化问题，通过构建单层神经网络模型求解，在得到单路径权重因子之后，计算，得到单
一模态的第m路径信号，完成特征路径信号提取。
12.本发明的有益效果是：1）本发明将非线性的波数关系进行了一阶泰勒展开只保留线性项，由于激发信号多为窄带加窗的脉冲信号，这种近似是合理的，这种线性近似可以抑制导波的频散，提高信号辨识度。
13.2）从具有一般形式的导波激励函数出发，建立了过完备的多模态和多路径数据集，数据集的每个元素的表达式包含传播距离和相位的变化量，可以实现信号的单一模态下的多路径提取。
14.3）本发明在管道螺旋导波检测方面是一个突破，作为管道螺旋导波信号识别的基础技术，可用于管道超声螺旋导波无损检测领域，作为后续成像的基础信号处理技术，具有广阔的应用前景。
附图说明
15.图1为本发明实施例的管道无损检测环形阵列结构示意图；图2为本发明实施例的管道螺旋导波展开到平面传播形式的示意图；图3为本发明提出的管道超声螺旋导波特征信号提取方法的算法流程图；图4为按照本发明提供的线性波数化技术选择一组典型多路径多模态的原始信号和重构信号图；图5为利用本发明方法提取出来的6组单一模态下单一路径信号示意图。
具体实施方式
16.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常，在此附图中描述的实施例管道阵列形式和信号激励一般式可以以不同的方式来配置和实施。因此，以下结合附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的保护范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
17.实施例1一种管道超声螺旋导波特征路径信号提取方法，所述提取方法包括：通过调制一种加窗的余弦函数作为导波的激励函数，其中，是窗函数，是角频率，t是时间项。该激励函数传播x距离后，响应信号可记为：。其中，表示激励函数的傅里叶变换的形式，是波数，可由lamb波频散曲线得到，是一个非线性的形式。
18.依据泰勒公式将波数在中心频率处进行一阶线性展开，得到，其中，,,是lamb波中心频率
处的相速度，代表该频率处的群速度。利用傅里叶变换相关定理，将的线性表达式代入，化简得到，a是信号包络的幅值。 令代表信号传播x的距离花费的时间，则可改写为，令表示相位变化量，当管壁存在凹坑或夹杂等未知边界情况时，a和均会发生变化，因此这两者都是未知量，在未知管壁材料时，k1也是未知量。
19.通过上述推导得到了单一模态单一路径下的信号响应，在管道螺旋导波的传播过程中，在某一换能器接收位置的实际接收信号即为上述响应信号的叠加之和。本发明的技术手段就是利用上述推导，将单一模态下，单一路径的导波从整体信号中进行提取，具体的求解算法包括：a1、在正式分离信号之前，获取所需模态导波的传播先验信息，即测量一组已知传播路径的单一模态信号，该组信号的传播路径不能包含任何缺陷，利用求得k1的值；a2、建立多模态和多路径的导波传播过完备数据集，利用单层神经网络算法求解模态和路径权重因子；a3、通过这两种权重因子组合方式（模态权重因子与多模态数据集相乘可以从整体信号中分离出多组单一模态信号、路径权重因子与多路径数据集相乘可以提取单一模态的特征路径信号），先从多模态结果中提取单一模态的信号，再从单模态数据集中提取出单一路径的信号。
20.所述a2步骤中，第一步先建立多模态和多路径的过完备数据集，数据集要包含接收信号的所有模态和所有传播路径，具体数据集设计形式包括：数据集矩阵，其中n=1,2,
…
,n,代表模态的阶数。每一个单一模态数据集中元素包括一系列不同的传播路径，这些路径元素分别记为，其中p=1,2,
…
,p,代表第p条不同的路径，每一个路径在传播过程中所经过的管壁边界条件可能不一样，有些是无缺陷的，有些是有缺陷的，因而相位也是随时间变化的。在每一个路径数据集下继续划分q个相位元素，记为，其中q=1,2,...,q。
21.假设接收换能器所接收的信号包含i个时间序列，每一个相位元素为的列向量，从整体数据集来看，第n阶模态，第p条路径，第q个相位的元素表达式可写为：，其中：t为时间序列，为的列向量，为2-范数归一化因子，为第n阶模态
的k1的值，为第p条路径的长度，为第q个相位变化量。
22.在得到最终数据集及数据集中所有元素的表达形式之后，实际的多模态多路径接收信号可表示为：，y为实际接收信号，阶数为；d为数据集矩阵，阶数为；x为多模态权重因子，阶数为；e为误差项，阶数为。在进行模态分离时，上式可改写为：，其中，为单模态数据集，阶数为；为单模态权重因子，阶数为。
23.所述a2步骤中的模态权重因子，可构建单层神经网络算法求解，得到单模态权重因子，计算即可得到单模态信号。提取路径与之类似，但是要想实现路径分离，必须提前知晓接收信号包含的路径，才能针对特定路径进行提取，具体包括：先利用上述模态分离方法在整个接收信号中实现单一模态分离，针对单一模态信号确定信号中包含的所有传播路径，建立单一模态数据集，该数据集的元素包含特征路径和相位元素，数据集记为，m=1,2,
…
,m代表m条不同路径，，每条路径继续划分q个相位元素，记为，其中q=1,2,...,q。在得到路径数据集之后，实际的单一模态多路径接收信号可表示为：，为单一模态接收信号，阶数为；为数据集矩阵，阶数为；为多路径权重因子，阶数为；为误差项，阶数为。在进行路径分离时，上式可改写为：，其中为单路径数据集，阶数为；为单路径权重因子，阶数为。所谓的提取特征路径求解即为最优化问题，构建单层神经网络模型进行求解，得到单路径权重因子，计算即可得到单一模态的第m路径信号。
24.本发明能有效抑制导波频散，提取单一模态下单一路径的导波特征信号，提高信号辨识度。本方法作为基础信号处理手段，可以广泛应用于工业输油管道、电厂管道等大量工业环境中，具有广阔的前景。
25.实施例2一种管道超声螺旋导波特征路径信号提取方法，其包括：搭建管道超声螺旋导波无损检测平台，设计一种环形阵列采集形式；做几组先验的无缺陷的信号，方便建立过完备的多模态和多路径数据集；正式采集实验中，将采集到的部分难以分辨的信号，尤其是出现大量路径重叠和多模态混杂的导波信号，利用本发明提出的方法来进行提取特征，提高辨识度。
26.本发明涉及的实验中，管道超声无损检测平台包含pc机，普源信号发生器dg4102，功率放大器aigtek-2022h，谐振频率为200khz的圆形压电片换能器，待检测管道，示波器mdo-3024。首先由信号发生器调制一组加窗的余弦函数作为导波的激励函数，本发明实施例中选择的窗函数为高斯窗函数，其中代表初始时间偏移量，为控制窗函数宽度的带宽因子。因此，按此实施例设计的激励函数在实际操作时需将前述发明内容的时间t全部替换为。电压信号经功率放大器放大后，传递给压电换能器来激励产生触发信号，再由采集探头进行接收传递给示波器，示波器信号由电脑控制进行采集和存储。
27.如图1所示，具体检测目标是一段长1.5m的输油管道，管道外径219mm，壁厚6mm。在管道中段选择30cm的检测距离，在两端布置环形阵列进行采集实验，阵列为一发多收形式，可按实际需求布置探头数量。本发明的主要目的是在提取特征信号，不会考虑具体阵列的布置细节。
28.进一步的，激励换能器在200k的频率下会产生全向的s0和a0模态，沿管道壁面螺旋行进。管壁为方便可视化并可展开成图2的平面，由于管壁周向的连续性，对应平面相当于是无限展开的。以本发明选择实施例t4-r4传播路径为例，不仅存在模态多样性，还存在大量的路径重叠。r4接收探头实际接收信号包含第-1圈，第0圈和第1圈平面的多条路径，同样地，在第一圈平面，t4-r3和t4-r4由于传播距离接近，同样会产生路径重叠。因此，利用本发明提出的方法，进行单一模态分离和特征路径提取从而方便辨识信号是具有重大意义的。
29.进一步的，信号发生器通过调制一种加窗的余弦函数作为导波的激励函数，其中，是窗函数，是角频率，t是时间项。该激励函数传播x距离后，响应信号可记为：。其中，，表示激励函数的傅里叶变换的形式，是波数，可由lamb波频散曲线得到，是一个非线性的形式。
30.进一步的，依据泰勒公式将波数在中心频率处进行一阶线性展开，得到，其中，,,是lamb波中心频率处的相速度，代表该频率处的群速度。利用傅里叶变换相关定理，将的线性表达式代入，化简得到，a是信号包络的幅值。 令代表信号传播x的距离花费的时间，则可改写为，令表示相位变化量，当管壁存在凹坑或夹杂等未知边界情况时，a和均会发生变化，因此这两者都是未知量，在未知管壁材料时，k1也是未知量。最终在已知传播路径的情况下，，共包含a、和k1三个未知量。
31.进一步的，通过上述推导得到了单一模态单一路径下的信号响应，在管道螺旋导波的传播过程中，在某一换能器接收位置的实际接收信号即为上述响应信号的叠加之和。本发明的技术手段就是利用上述推导，将单一模态下特定的路径导波从整体信号中进行提取，具体的提取算法包括：a1、在正式分离信号之前，获取所需模态导波的传播先验信息，即测量一组已知传播路径的单一模态信号，该组信号的传播路径不能包含任何缺陷，利用求得k1的值；a2、建立多模态和多路径的导波传播过完备数据集，利用单层神经网络算法求解模态和路径权重因子；a3、通过这两种权重因子组合方式，先从多模态结果中提取单一模态的信号，再从单模态数据集中提取出单一路径的信号。
32.所述a2步骤中，第一步先建立多模态和多路径的过完备数据集，数据集要包含接收信号的所有模态和所有传播路径，具体数据集设计形式包括：数据集矩阵，其中n=1,2,
…
,n,代表模态的阶数。每一个单一模态数据集中元素包括一系列不同的传播路径，这些路径元素分别记为，其中p=1,2,
…
,p,代表第p条不同的路径，每一个路径在传播过程中所经过的管壁边界条件可能不一样，有些是无缺陷的，有些是有缺陷的，因而相位也是随时间变化的。在每一个路径数据集下继续划分q个相位元素，记为，其中q=1,2,
…
,q。
33.假设接收换能器所接收的信号包含i个时间序列，每一个相位元素为的列向量，从整体数据集来看，第n阶模态，第p条路径，第q个相位的元素表达式可写为：，其中：t为时间序列，为的列向量，为2-范数归一化因子，为第n阶模态的k1的值，为第p条路径的长度，为第q个相位变化量。
34.在得到最终数据集及数据集中所有元素的表达形式之后，实际的多模态多路径接收信号可表示为：，y为实际接收信号，阶数为；d为数据集矩阵，阶数为；x为多模态权重因子，阶数为; e为误差项，阶数为。在进行模态分离时，上式可改写为：，其中为单模态数据集，阶数为；为单模态权重因子，阶数为。
35.所述a2步骤中的模态权重因子，可构建单层神经网络算法求解，得到单模态权重因子，计算即可得到单模态信号。
36.提取路径与之类似，但是要想实现路径分离，必须提前知晓接收信号包含的路径，才能针对特定路径进行提取，具体包括：先利用上述模态分离方法在整个接收信号中实现单一模态分离，针对单一模态信号确定信号中包含的所有传播路径，建立单一模态数据集，该数据集的元素包含特征路径和相位元素，数据集记为，m=1,2,
…
,m代表m条不同路径，，每条路径继续划分q个相位元素，记为，其中q=1,2,...,q。在得到路径数据集之后，实际的单一模态多路径接收信号可表示为：，为单一模态接收信号，阶数为；为数据集矩阵，阶数为；为多路径权重因子，阶数为；为误差项，阶数为。在进行路径分离时，上式可改写为：
，其中为单路径数据集，阶数为；为单路径权重因子，阶数为。所谓的提取特征路径求解即为最优化问题，构建单层神经网络模型进行求解，得到单路径权重因子，计算即可得到单一模态的第m路径信号。
37.对本发明实施例具体来讲，选择包含多模态和多路径的其中一组典型信号，如图4所示，包含一组实验原始信号和本发明利用波数线性化重构的非频散的信号。在实际工业检测过程中，导波存在频散的固有特性，在传播过程中会产生波包拉长的现象，而且，接收换能器受实际环境和制造工艺影响，也会产生一定震荡从而引起杂波变多，图4重构的信号很好的抑制了这种现象，提高了信任辨识度。
38.利用图3给出的本发明提出的算法流程，对图4重构的信号进行模态和路径分离，如图5所示。重构信号共分离出了6组单一模态单一路径的信号，分别包含了s0模态的4组路径和a0模态的3组路径。通过比较传播群速度和与原始信号的对比，可以充分验证本发明所提出方法的正确性和有效性。凭借此方法，可用于管道超声螺旋导波无损检测领域，作为后续成像的基础信号处理技术，具有广阔的应用前景。
39.尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。