強噪聲背景下鋼絲繩損傷信號降噪方法

吳東， 張寶金， 劉偉新， 李光， 宮濤， 楊建華

(1.鞍鋼集團礦業(yè)有限公司 眼前山分公司， 遼寧 鞍山 114044； 2.中國礦業(yè)大學 機電工程學院， 江蘇 徐州 221116； 3.中國礦業(yè)大學 江蘇省礦山機電裝備重點實驗室， 江蘇 徐州 221116)

0 引言

鋼絲繩作為一種柔性強、吸收沖擊能力強的繩索類承載元件，在礦山、海港、船舶、橋梁等領域應用廣泛[1]。在礦山領域，鋼絲繩是礦井提升設備的關鍵承載部件，承載時變應力、載荷、扭矩等，在提升系統(tǒng)中有著十分重要的作用。但是鋼絲繩工作環(huán)境惡劣，常面臨潮濕、變載荷等工況，易發(fā)生磨損、斷絲等故障[2]。一旦鋼絲繩出現(xiàn)斷絲，會導致斷絲處承載能力差、抗疲勞能力減弱，極易發(fā)生鋼絲繩整體斷繩，造成大量經濟損失甚至人員傷亡。因此，開展鋼絲繩損傷檢測與識別研究十分必要。

目前最常用、最可靠的鋼絲繩損傷檢測方法為電磁檢測法[3]，其基本原理是利用靜磁場沿鋼絲繩軸向磁化鋼絲繩，出現(xiàn)斷絲的地方會產生向外擴散的漏磁，通過傳感儀器收集漏磁信息，將鋼絲繩斷絲漏磁信息與正常磁通量信息進行對比，實現(xiàn)鋼絲繩斷絲損傷識別。該方法對鋼絲繩損傷敏感，檢測效果好。但是，由于實際工況中鋼絲繩背景噪聲很強，對損傷特征提取結果造成一定干擾，損傷特征信號提取困難。因此，鋼絲繩損傷特征信號的降噪處理和特征提取成為亟待解決的難題。

鋼絲繩損傷信號是一種非平穩(wěn)無周期性的沖擊信號，小波變換方法可以有效適應這種非平穩(wěn)信號進而實現(xiàn)鋼絲繩損傷信號分解、降噪等，在鋼絲繩損傷信號處理中應用廣泛[4-8]。但是，小波變換的效果嚴重依賴小波基及分解層數(shù)的選擇，一旦小波基或者分解層數(shù)不適合，會在信號降噪的同時引入其他噪聲干擾，影響信號處理與特征提取的效果。

相較于小波變換方法，移位平均法具有抗干擾能力強、信號適應性好、操作簡單、計算量小等優(yōu)點，只需要選擇一定的移位窗寬即可實現(xiàn)對信號的有效降噪，因而被廣泛應用于各類信號的降噪處理中。孫正宇等[9]提出了一種基于正態(tài)分布的滑動平均濾波法，可有效去除個別極端噪聲數(shù)據(jù)，實現(xiàn)信號降噪處理。邵興臣等[10]結合滑動均值算法和小波閾值降噪法有效地降低了噪聲干擾，提取出葉間間隙信號。王龍等[11]針對鋼絲繩損傷信號降噪問題，提出滑動平均結合小波閾值分析的算法，可實現(xiàn)鋼絲繩損傷信號的自適應提取。但是上述研究中移位的窗寬需要人為選擇，盲目性大。針對該問題，本文提出一種強噪聲背景下鋼絲繩損傷信號降噪方法。利用鋼絲繩漏磁檢測傳感器采集不同類型的斷絲數(shù)據(jù)，向信號中加入強高斯白噪聲，以模擬強噪聲背景；利用量子粒子群優(yōu)化(Quantum Particle Swarm Optimization，QPSO)算法[12]優(yōu)化移位平均法的窗寬，實現(xiàn)自適應參數(shù)選擇與最優(yōu)降噪輸出。

1 高斯白噪聲特性

高斯白噪聲是信號處理中的一種常見噪聲。鋼絲繩在運行過程中由于各種因素不可避免地會產生擺動、振動等，這種振動情況是復雜且沒有規(guī)律的，通常視為高斯白噪聲[13]。

高斯白噪聲概率密度服從正態(tài)分布，且功率譜密度為常數(shù)，滿足以下統(tǒng)計特性：

(1)

式中：N(t)為高斯白噪聲；t為時間;D為噪聲強度；ξ(t)為均值為0、方差為1的標準高斯白噪聲；〈N(t)〉為一階矩，表示噪聲的期望；〈N(t)，N(0)〉為二階矩，表示噪聲的均方值；δ(t)為狄拉克函數(shù)。

2 鋼絲繩損傷信號降噪方法

移位平均法基本原理：將連續(xù)采樣的信號序列中的一段看作為一個長度為L(即窗寬)的序列，將每次測量到的長度為L的序列中的首個數(shù)據(jù)去掉，其余L-1個數(shù)據(jù)依次向前移，從序列的最后一位開始插入新的采樣數(shù)據(jù)。將L個數(shù)據(jù)相加并取算術平均值，以消除不規(guī)律波動等噪聲的影響。移位平均法計算公式為

一是迅速摸清災區(qū)水利設施受損情況。工作組到達地震災區(qū)后要立即會同當?shù)厮块T了解水利工程受損情況及可能出現(xiàn)的險情，落實排險避險措施，防止次生災害造成重大損失。要組織有關專家分析地震前后衛(wèi)星遙感圖像和資料，研判是否存在堰塞湖險情；加強水文監(jiān)測，分析水情變化和可能存在的風險。

(2)

式中：y(i)為處理后信號第i個點的幅值；x(i)為處理前信號第i個點的幅值。

窗寬的選擇會直接影響移位平均法的處理結果，窗寬過大會導致截止頻率過低，細節(jié)部分被忽略；窗寬過小會導致截止頻率過高，降噪效果差。因此，本文提出自適應移位平均法，引入QPSO算法對移位的窗寬進行優(yōu)化。將損傷信號的信噪比(Signal-to-Noise Ratio，SNR)作為適應度函數(shù)，通過QPSO算法使得SNR最大化，從而實現(xiàn)最優(yōu)信號降噪效果。損傷信號SNR計算公式為

(3)

式中：i1為損傷信號起始點；i2為損傷信號終止點；M為損傷信號兩側的點數(shù)。

利用QPSO算法實現(xiàn)自適應移位平均法的流程如下：

(1) 初始化粒子種群，設置迭代次數(shù)為50，種群規(guī)模為50，初始化需要優(yōu)化的參數(shù)L，同時設置窗寬的搜索范圍為[5，500]。

(2) 通過式(3)計算各粒子的適應度值，作為初代粒子的最優(yōu)位置適應度值Pb(i)，并將其中的最大值作為初代全局最優(yōu)位置適應度值Pg。

(3) 更新粒子位置，計算每個粒子當前位置的適應度值，迭代更新個體最優(yōu)位置適應度值Pb(i)和群體全局最優(yōu)位置適應度值Pg。如果當前位置適應度值大于最優(yōu)適應度值，則將當前位置適應度值作為最優(yōu)適應度值，否則不改變最優(yōu)適應度值。

(4) 若達到最大迭代次數(shù)50，則輸出最優(yōu)值；若不滿足條件則返回步驟(3)重新計算。

3 實驗及實測結果分析

3.1 實驗準備

鋼絲繩損傷檢測實驗臺主要由Y66霍爾型便攜式探傷儀、鋼絲繩樣繩(6×37S-FC，即鋼絲繩有6股，每股有37根鋼絲繩，繩芯為麻芯，直徑為39 mm)、張緊裝置、支撐裝置等組成，如圖1所示。

圖1 鋼絲繩損傷檢測實驗臺Fig.1 Wire rope damage detection test bench

制作了4處不同程度的斷絲損傷，其中2處相距0.24 m，另外2處相距0.15 m。推動便攜式探傷儀在鋼絲繩樣繩上爬行，采集鋼絲繩損傷信號。在實測信號中加入噪聲強度D=3的高斯白噪聲來模擬外界噪聲干擾。

3.2 強噪聲背景下平穩(wěn)信號降噪實驗結果

2處斷絲損傷的檢測信號如圖2所示。該信號較平穩(wěn)，但被噪聲信號干擾嚴重，鋼絲繩損傷判斷受到很大限制。

圖2 被強噪聲淹沒的平穩(wěn)信號Fig.2 Stationary signal submerged by strong noise

采用自適應移位平均法處理鋼絲繩損傷信號，QPSO算法迭代曲線如圖3所示。可以發(fā)現(xiàn)，迭代到第2次時SNR達到最大值-0.885 431 10 dB，此時尋優(yōu)參數(shù)L=300.302 9。

圖3 處理平穩(wěn)信號的QPSO算法迭代曲線Fig.3 Iterative curve of QPSO Algorithm for stationary signal processing

將自適應移位平均法與基于sym4的小波變換、基于db2的小波變換、基于db5的小波變換方法進行對比，結果如圖4所示。其中2處損傷特征用虛線圓框標出，檢測結果中2處損傷的距離約為0.24 m，與實驗設置相符。從圖4可知，采用自適應移位平均法處理后的鋼絲繩損傷信號噪聲干擾更小，信號更平滑，而采用3類小波基變換處理后的信號有一定的噪聲干擾，在圖4(b)中約1.0 m處甚至出現(xiàn)了強干擾。

圖4 平穩(wěn)信號處理結果Fig.4 Stationary signal processing results

3.3 強噪聲背景下波動信號降噪實驗結果

另外2處損傷的檢測信號如圖5所示。該信號存在一定波動，這在實際檢測中十分常見，可能是探傷儀速度波動、鋼絲繩微彎等造成。

圖5 被強噪聲淹沒的波動信號Fig.5 Fluctuating signal submerged by strong noise

采用自適應移位平均法處理損傷波動信號，QPSO算法迭代曲線如圖6所示。可以發(fā)現(xiàn)，迭代到第5次時SNR達到最大值0.017 066 7 dB，此時尋優(yōu)參數(shù)L=301.559 1。

圖6 處理波動信號的QPSO算法迭代曲線Fig.6 Iterative curve of QPSO Algorithm for fluctuating signal processing

自適應移位平均法、基于sym4的小波變換、基于db2的小波變換、基于db5的小波變換對波動信號的處理結果如圖7所示?？梢?，檢測結果中2處損傷的距離約為0.15 m，與實驗設置相符。

圖7 波動信號處理結果Fig.7 Fluctuating signal processing results

3.4 實測鋼絲繩信號降噪結果

為了進一步說明所提方法的通用性，選取一段現(xiàn)場實測的提升機罐籠鋼絲繩損傷信號進行驗證。采樣點數(shù)為4 000，該信號未經過算法處理，信號中含有明顯的噪聲，但相對較弱，如圖8所示。

圖8 現(xiàn)場實測鋼絲繩損傷信號Fig.8 Measured wire rope damage signal on site

采用自適應移位平均法處理現(xiàn)場實測鋼絲繩損傷信號，QPSO算法迭代曲線如圖9所示?？梢园l(fā)現(xiàn)，迭代到第2次時SNR達到最大值3.633 137×10-7dB，此時尋優(yōu)參數(shù)L=42.709 8。

圖9 處理實測信號的QPSO算法迭代曲線Fig.9 Iterative curve of QPSO Algorithm for measured signal processing

自適應移位平均法、基于sym4的小波變換、基于db2的小波變換、基于db5的小波變換對現(xiàn)場實測鋼絲繩損傷信號的處理結果如圖10所示?？煽闯霰疚姆椒ㄌ幚砗蟮男盘柛交?，信號特征更突出。

圖10 實測鋼絲繩損傷信號處理結果Fig.10 Measured wire rope damage signal processing results

3.5 信號降噪結果對比分析

在平穩(wěn)信號、波動信號、實測信號處理結果中，分別選取1處損傷特征的SNR進行對比，結果見表1。

表1 鋼絲繩損傷信號處理結果對比Table 1 Comparison of processing results for wire rope damage signal

由圖4、圖7和表1可知，對于強噪聲背景下的鋼絲繩損傷信號，相較于小波變換，自適應移位平均法的降噪效果更明顯，信噪比更高，信號更為平滑。同樣，由圖10可知，對于現(xiàn)場采集的噪聲相對弱一些的信號，自適應移位平均法的降噪效果也比小波變換好。實驗及實測結果表明，無論是在強噪聲還是弱噪聲背景下，自適應移位平均法均具有通用性，為進一步進行損傷信號識別與分類打下了基礎。

4 結論

(1) 向鋼絲繩損傷信號中加入強高斯白噪聲模擬信號，模擬強噪聲背景。采用自適應移位平均法實現(xiàn)強噪聲背景下鋼絲繩損傷信號降噪，通過QPSO算法選擇最優(yōu)窗寬，克服了人為選擇窗寬造成的信號降噪效果差的缺點。

(2) 實驗結果表明，對于強噪聲背景下的平穩(wěn)和波動信號，相較于小波變換，自適應移位平均法的降噪效果更明顯，信噪比更高，信號更為平滑。

(3) 實測結果表明，對于現(xiàn)場采集的噪聲相對弱一些的鋼絲繩損傷信號，自適應移位平均法的降噪效果也比小波變換好，驗證了自適應移位平均法具有較好的通用性。