設(shè)為首頁 | 加入收藏 | 聯(lián)系我們 |
振動與沖擊基于頻譜分析的壓縮空氣泄漏直射和反射超聲的識別廖平平,蔡茂林,許啟躍,石巖(北京航空航天大學(xué)自動化科學(xué)與電氣工程學(xué)院,北京100191)通過識別反射超聲信號的方法來解決此問題;對直射和反射超聲信號進行測量,實際泄漏源產(chǎn)生的超聲波信號經(jīng)過反射物反射后,被超聲傳感器檢測到,檢測者將誤認為反射物處存在泄漏源。如果能對直射超聲信號和反射超聲信號用數(shù)字信號處理的方法進行區(qū)分,這種誤檢的情況即可避免。為研究兩種超聲信號的特性,設(shè)計了直射和反射超聲信號的測量,泄漏小孔自制,減壓閥和節(jié)流閥分別用來調(diào)節(jié)管路壓力和流量,以調(diào)節(jié)泄漏量的大小。
2.3測量原理壓縮空氣泄漏產(chǎn)生的超聲波在40kHz左右的頻率段中,泄漏產(chǎn)生的超聲波和環(huán)境本底噪聲在能量上差值較大H,如所示。所以一般采用額定頻率為40kHz的超聲波傳感器。本。測量反射超聲信號時,傳感器的朝向正對反射超聲波的傳播方向,泄漏小孔與超聲波言泄漏點超聲波傳感器濾波和放大電路數(shù)據(jù)采ffif:傳感器之間用擋板隔開,以保證只有反射超聲信號被超聲波傳感器接收,如所示。直射和反射情況下的超聲傳播距離均約為2.3m.。本。從圖中可以看出,泄漏源產(chǎn)生的超聲波是幅值不定、變化無規(guī)律的波動,因此,從時域上很難找到兩者之間的區(qū)別。
3.2頻域特征分析將采集的多組直射和反射超聲時域信號進行快速傅里葉變換(FastFourierTransform,F(xiàn)FT),由于采樣頻率較高fs=240kHz),為了得到較高的頻率分辨率,以保證分析所需要的足夠的頻譜信息,作FFT時,輸入樣點個數(shù)取219,頻率分辨率約為0. 46Hz.由MATLAB軟件作FFT并得到頻譜圖,只保留35 ~50kHz頻率段的頻譜(其他頻率段幅值幾乎為零)。至2分別是典型的直射超聲信號和不同反射面的反射超聲信號頻譜圖。
由~2可以看出,直射超聲信號在中心頻率兩側(cè)幾乎呈現(xiàn)單調(diào)遞增(左側(cè))或單調(diào)遞減(右側(cè))趨勢,頻譜能量主要集中在中心頻率附近。而反射超聲信號在中心頻率附近沒有明顯的峰值,呈現(xiàn)‘’多峰狀“,頻譜能量分布于38~47kHz之間的相對較寬的頻率段范圍內(nèi),頻譜趨勢具有波動性。造成這種差別的原因主要是由于反射面對不同頻率的入射超聲信號的反射系數(shù)不同3.直射和反射超聲信號在頻譜形狀上存在比較明顯的區(qū)別,主要體現(xiàn)在兩個方面:相對于反射超聲信號的頻譜,直射超聲信號的頻譜在中心頻率附近分布較為集中。
直射超聲信號的頻譜低頻趨勢呈“單峰狀”,即波動較??;反射超聲信號的頻譜低頻趨勢呈“多峰狀”即波動較大。
以上分析表明,泄漏直射和反射超聲信號在頻譜上存在明顯的區(qū)別,根據(jù)上述兩方面的區(qū)別,設(shè)計識別算法,對直射和反射超聲信號進行識別。
4識別算法為了對直射和反射超聲信號進行有效的識別,根據(jù)上述的直射和反射超聲信號頻譜的兩個不同點,設(shè)計如下識別算法,以得到可識別反射超聲信號的反射軸形成的面積重心橫坐標(biāo)(中心頻率)開始,向左依次取適當(dāng)長度的N個窗,在窗內(nèi)計算頻譜幅度平方的平均值F(n =1,2,3N),F(xiàn)代表頻譜圖上不同頻率段的能量分布。
依次比較相鄰的Yn值,當(dāng)出現(xiàn)Y +1的值大于F的值時,計算二者的方差A(yù),然后乘以加權(quán)系數(shù)R,得到REFn,所有REFn相加,它們的總和REF如下式所示:REF反映了Y;的波動程度,即表征了頻譜的波在工業(yè)現(xiàn)場中,超聲檢漏儀經(jīng)常同時檢測到直射和反射超聲信號,將這種直射與反射信號的疊加信號稱作混合信號。由于混合信號兼具反射和直射信號的特征,在利用式(3)計算時,混合信號和反射信號的得到的結(jié)果類似,而只希望將反射超聲信號去除,所以在式(3)中右邊減去KD其中K為常系數(shù);D為中心頻率附近±1kHz頻率范圍內(nèi)的能量與35~50kHz頻率范圍內(nèi)的總能量之比,反映了頻譜能量在中心頻率附近的集中程度。
最終計算式為反射特征系數(shù)RCC的值越大,表明檢測到的超聲信號越有可能是反射信號;RCC的值越小,表明檢測到的超聲信號是直射或混合信號的可能性越大。
可以看出,識別算法利用反射超聲信號頻譜圖中不同頻率段的幅值的波動性進行識別,識別結(jié)果不受超聲信號絕對幅值的影響,且對不同的反射面其參數(shù)設(shè)計是相同的。即識別算法不依賴于超聲信號的距離、入射角和反射面材質(zhì)等因素,因此,面對工業(yè)現(xiàn)場中泄漏點距離、入射角和反射面材質(zhì)般均為未知的實際情況,同樣具有良好的適用性。
5計算實例與驗證利用上述算法對多組泄漏超聲信號數(shù)據(jù)進行分析與計算,其結(jié)果如表1所示。
類型序號直射金屬反墻壁射海綿布料由表1可以看出,所有的反射超聲信號RCC值都大于200,而所有的直射超聲信號RCC都在100以下,因此,根據(jù)超聲信號的RCC值可以準(zhǔn)確判斷其是否為反射超聲信號。
6結(jié)論為了避免由反射超聲信號導(dǎo)致的泄漏源錯誤檢測問題,提高泄漏源超聲檢測技術(shù)的準(zhǔn)確性,本文對直射與反射超聲信號進行研究,并設(shè)計兩種信號的識別算法,結(jié)論如下:直射和反射超聲信號在頻譜形狀上具有較明顯的區(qū)別,其中直射超聲信號的頻譜在中心頻率附近分布較為集中,而反射超聲信號的頻譜在中心頻率附近分布,比較分散。另外,直射超聲信號的頻譜低頻趨勢呈“單峰狀”即波動較??;反射超聲信號的頻譜低頻趨勢呈‘’多峰狀“即波動較大。
通過設(shè)計識別算法,得到反射特征系數(shù)RCC,直射超聲信號的RCC值在100以下,反射超聲信號的RCC值在200以上。因此,采用本文設(shè)計的識別算法可對直射和反射超聲信號進行有效的區(qū)分。
本研究成果為提高泄漏源超聲檢測技術(shù)的準(zhǔn)確性提供一條重要的途徑,促進該技術(shù)的發(fā)展。
由于本文提出的識別算法中的加權(quán)系數(shù)需要根據(jù)經(jīng)驗設(shè)定,具有主觀性,以后的研究中應(yīng)該采用基于人工智能的識別方法,如人工神經(jīng)網(wǎng)絡(luò)、支持向量機等智能分類算法。