基于分形理论的罐箱/罐车罐体声发射检测信号噪声处理方法

尹宏超、李奎、蒋东魁、赵武舟

（中国船级社质量认证公司产品检测中心，北京100000）

0 引言

声发射作为一种动态无损检测技术，能够连续动态地在线检测罐体情况，显示出罐体缺陷在时间和应用作用下的变化规律，在诸多无损检测领域得到了广泛的应用。相较于传统的超声波检测、漏磁检测、磁粉检测和渗透检测等方法，其检测的有用信号均来自缺陷本身，能够较为真实地反映罐体缺陷实时状况，便于检测缺陷的发展。然而，在运用声发射检测技术对罐箱/罐车实施在线检测的过程中，由于检测环境的影响，使得接收的检测信号里面不可避免地存在很多无用的信号，即噪声信号。这些噪声信号主要来自两个方面：一种是由于机械摩擦、碰撞流体所造成的噪声，即机械噪声；另一种是在检测过程中，声发射设备各组件产生的电磁噪声，如电缆、计算机、传感器、前置放大器和采集卡等。

进行罐体声发射检测的目的就是通过对缺陷引起的声发射信号进行分析和处理，正确地识别罐体缺陷的变化情况，而噪声信号的存在势必会影响对罐体缺陷的判断，因此，必须采取相应的消除噪声的方法。传统的消噪方法会导致许多有用信号的丢失，从而导致信号失真，如空间消噪法、软件消噪法、频率消噪法和幅度消噪法等[1]。

分形理论认为，局部和局部，局部和整体在信息、形态、功能、时间与空间上面具有统计意义的相似性，具备分形特征，其基本特性包括分形维数和自相似性。在采用声发射检测设备开展无损检测的过程中，放置在不同位置的探头具有相同灵敏度和型号，它们接收的声发射信号均是由同一缺陷产生的，这些信号的幅度分布具有自相似性。依据这一理论，本文提出了一种基于分形理论的罐箱/罐体声发射检测信号噪声处理方法[2]。

1 基于分形理论的消噪方法

分形维数是描述所有几何对象分形特征的重要特征量。噪声信号作为随机信号，是随时间随机变化的，具有很强的随机性，而频谱法对于这种随机信号具有很强的适用性。而随机时间信号在时间或者空间上的变化具有明显的统计特性，对其进行特征分析处理可以得到相应频率变化和波数的图谱（即频谱）。这种图谱可以通过对随机信号做傅里叶变换得到。通过简单的几何维数来证明信号中的噪声信号对其分形的影响[3]。现将采集到的声发射信号假设为x( )t，其在[0，T]有限时间域内的功率谱密度为：

式（2）中：k 和β 分别表示常系数和幂指数。

又有：

其功率谱密度函数可以表示为：

其分形维数可以表示为：

式（7）中：SNR 表示声发射信号的信噪比[4]。

由公式（6）可以看出，当噪声增大时，信号的分形维数会出现明显的下降。因此，信号的分形维数受到噪声的影响很大。

从频谱的角度出发，当我们对声发射信号进行傅里叶变换之后，截止频率ω 就是测定分形维数的尺度，它是一种界限频率，可以将比ω 更低的振动成分去除。所以，随机时间序列，如噪声信号，具有分形的特征，这也说明了频谱的形状并不会随着截止频率的改变而发生变化[5]。因此，在声发射信号中的噪声信号，其频谱和频谱之间的幂律关系可以由公式（8）来表述。

2 实验过程与结果分析

为了验证本文中所提出的方法的消噪效果，此次选择了在兆华供应链管理集团有限公司罐式集装箱声发射检测项目中所采集的数据S1 进行实验，如图1所示。由于测量环境以及声发射系统本身的影响，使得所采集的声发射信号中存在着许多噪声，这些噪声直接影响对罐体状况的评价。

运用本文提出的方法对该信号进行噪声处理。首先运用傅立叶变换将信号由时间域转换到空间域。经过傅立叶变换之后，得到信号相应的频谱，对频谱和谱频率取对数可以得到logn- logω曲线，再对logn- logω曲线进行线性回归得到斜率为α=1.1362，如图2所示。由此，可以得出噪声信号的分形维数值为D=1.9319[7]。根据分形理论，运用已知噪声信号的分形维数和分形尺度就可以模拟计算得到噪声信号，将噪声信号从原始的声发射信号中去除就可以得到有用的声发射信号S2，如图3所示。为了能够更好地验证该方法的去噪效果，分别计算了信号S1 和信号S2 的信噪比，通过计算得出信号S1 的信噪比为1.23，信号S2 的信噪比为25.65，由此验证本文所提出的消噪方法能够有效地去除信号中的噪声信号。

3 结语

通过对实验结果分析可知，本文提出的基于分形理论的罐箱/罐体声发射检测信号噪声处理方法，对于去除声发射检测信号中的噪声具有良好的效果。相对于传统的消噪方法，本文提出的方法针对信号中噪声的特点进行识别并将其去除，极大地避免了信号的失真。同时，本文提出的消噪方法已经在兆华供应链管理集团有限公司罐式集装箱声发射检测项目中得到了运用，极大地提高了声发射检测结果的准确率。