钢丝绳局部缺陷漏磁检测信号去噪方法研究

李 广，蒋易帆，范孟豹，陈 淼

1长沙矿山研究院有限责任公司 湖南长沙 410012

2金属矿山安全技术国家重点实验室 湖南长沙 410012

3国家安全生产长沙矿山机电检测检验中心 湖南长沙 410012

4中国矿业大学机电工程学院 江苏徐州 221116

钢 丝绳是被广泛应用于大型机械中的重要部件[1]。由于工况恶劣，使用过程中，钢丝绳会碰撞、摩擦产生局部缺陷[2]，因而需要对钢丝绳进行定期检测。在钢丝绳漏磁检测过程中，产生的抖动噪声会影响低频信号的检测精度。检测噪声信号幅值对应钢丝绳的断丝根数，传统去噪方法会导致损伤信号幅值衰减，不利于钢丝绳缺陷尺寸的量化；因此，去噪的同时保证损伤信号特征不丢失尤为重要。

在检测钢丝绳的方法中，电磁检测法是一种无损检测方法。它具备可靠性、安全性，以及良好的成本效益[3]。该方法所需的设备结构简单，测量断丝位置准确，是钢丝绳检测的常用方法。漏磁检测分为单通道与多通道检测。对于单通道漏磁信号，研究人员尝试模拟带通滤波器[4]、离散小波变换[5]的方法提高信号质量。单通漏磁信号处理无法获取多维信息，通常检测精度较低。对于多通道的漏磁信号，刘世伟等人[6]通过结合陷波滤波器和小波去噪方法区分低频信号与噪声；张聚伟等人[7]使用了基于小波理论的去噪方法，使用神经网络量化断丝程度；张东来等人[8]利用霍尔传感器阵列的 30 通道漏磁信号，通过插值法重建钢丝绳损伤图像，然后利用图像滤波器滤除链噪声以提高信号质量。

本研究对钢丝绳漏磁信号进行处理，最大程度保留了损伤信号的幅值，抑制信号中抖动噪声以及基线漂移现象；对多通道漏磁信号合并，通过图像插值，提高损伤处的分辨率，以实现断丝定位与区分。

1 去噪方法

去噪方法分为两步：信号降噪以及信号平滑。信号降噪选择中值滤波作差法进行处理。中值滤波常用于消除孤立的噪声点，在一维数据的滤波上同样可以使用中值滤波进行平滑操作，它在处理一些离群的脉冲数据时效果显著。中值滤波的关键参数为滤波阶数，它决定了滤波窗口尺寸。在一维中值滤波中，处理窗口均为线性。一维中值滤波原理是：将输入序列中每一点的值设置为该点邻域窗口内的所有点的中值。中值滤波原理如下：

式中：Xi为输入序列中第i个点；Yi为输出序列中第i个点；n为中值滤波阶数。

中值滤波阶数n决定滤波窗口尺寸[9]。滤波阶数越大，信号越平滑，损伤信号特征丢失越多；滤波阶数越小，损伤信号特征丢失越少，信号中“毛刺”越多。

漏磁检测中，损伤处的信号幅值会产生急剧变化，产生脉冲峰。按以下步骤处理：

(1) 输入六通道去趋势信号，使用中值滤波依次对多通道漏磁信号进行过滤，消除损伤信号脉冲特征，保留抖动噪声以及基线漂移部分；

(2) 通过原始信号与滤波后信号作差，保留损伤信号部分，降噪并抑制基线漂移。

包络能够实现低频信号能量集中，与中值滤波类似，包络中的关键参数为希尔伯特滤波器长度。通过希尔伯特变化中的离散傅里叶变换，实现对输入序列的解析信号求解。同时，为了排除输入序列直流分量对信号包络求解的影响，在求解析信号时先减去原始信号的直流分量，求解包络完成后再添加该分量。

信号平滑处理方式选取 SG 滤波。SG 滤波(Savitzky-Golay Filtering) 是一种在时域内基于局域多项式最小二乘法拟合的滤波方法。这种滤波器最大的特点在于在滤除噪声的同时，可以确保信号的形状、宽度不变，通过启发式算法能够确定 SG 滤波的窗口尺寸。

由于空间大小限制，使用多通道仪器检测漏磁信号时，在圆周维度上信号分辨率较低，损伤信号难以识别[13]。为提高分辨率，本研究采用双三次插值法，利用待采样点周围 16 个点的灰度值作 3 次插值。最常用的插值 bicubic 基函数[10]如下：

将待插值的像素点 (x，y) 取其附近的 4×4 邻域点，按下式进行插值计算实现插值效果。

其中 (xi，yj)，i，j=0，1，2，3。

综上所述，去噪处理流程如图1 所示。

图1 去噪处理流程Fig.1 Denoising process

2 试验与信号处理

在漏磁检测中，阵列霍尔传感器应用广泛[11]，该仪器能利用阵列传感器所获得的多通道信号，通过融合能够更全面地评估钢丝绳的使用状况。相比较单通道信号，多通道信号能够更好地利用损伤特征的空间信息[12]。

2.1 试验装置与钢丝绳样品

本文所使用的漏磁探伤仪为六通道阵列霍尔传感器，如图2 所示。该探伤仪的灵敏度为 5×10-4mV/T，磁场范围为 (-420～ 420) ×10-4T，供电电压为 3.0～

图2 漏磁探伤仪Fig.2 Magnetic flux leakage detector

7.5 V，并内含温度补偿。

本研究使用 6×37M-FC 型钢丝绳，分别制作了轻微断丝、中度断丝和严重断丝 3 种断丝缺陷 (见图3)，其断丝当量分别约为 1～ 2 根、3～ 4 根、5～ 6根，以对应 3 种不同断丝缺陷大小。

图3 3 种缺陷的钢丝绳Fig.3 Wire ropes with three types of defects

2.2 漏磁原始信号

原始信号如图4 所示。由于霍尔传感器个体差异以及提离距离不同，6 条通道不在同一水平位置，需要进行信号去趋势处理。处理完成后，对多通道漏磁信号求和得到的结果如图5 所示。

图4 原始多通道漏磁信号Fig.4 Original multi-channel magnetic flux leakage signals

图5 去趋势信号和通道Fig.5 Sum channel of detrend signal

从图4 可以看到，在测量过程中产生了许多不规则的凸起，如通道 1 所示，此为产生的抖动噪声。如图5 所示，原始信号中存在较为明显的基线漂移现象。

2.3 信号降噪处理

使用中值滤波作差法处理后的信号如图6 所示。信号完整地保留了损伤信号的正向峰值，同时抑制了信号中基线漂移现象；但仅凭中值滤波法，信号滤波后产生大量毛刺，对后续的信噪比计算有着负面影响。同时，滤波后的信号产生了负向峰，若不处理，负向峰在漏磁图像中会产生阴影[8]。信号包络能够有效实现低频信号能量集中，消除负向波峰。

图6 中值滤波前后信号对比Fig.6 Comparison of signals before and after median filtering

如图7 所示，信号包络后的 3 处损伤信号幅值比原始信号均有所提升，实现了低频信号能量集中；但毛刺现象依旧存在，需要对信号进一步的平滑处理。

图7 信号滤波与包络后对比Fig.7 Comparison of signals before and after filtering and enveloping

2.4 信号平滑处理

采用 SG 滤波器平滑处理后的信号如图8 所示。该方式在平滑信号的同时，能够保证信号宽度形状不发生改变，这对后续的量化计算起到一定的优化作用。

图8 SG 滤波器平滑处理后的信号Fig.8 Signal smoothed by SG filter

3 去噪量化评价

3.1 评价指标

为对信号处理结果进行量化评价，选取信噪比、最大噪声幅值衰减率、最小损伤信号幅值衰减率 3 组量化指标，计算后以评价所选用方法的去噪效果。

根据刘志亮等人[13]提出的计算公式，可以根据实测信号所得的最大噪声幅值、最小损伤信号幅值作为信噪比的计算依据。信噪比

式中：Smin为损伤信号最小幅值；Nmax为振动噪声最大幅值。

使用损伤信号的最小幅值而不是最大幅值计算信噪比，目的是评价去噪方法在噪声与损伤信号幅值非常接近时的去噪效果[13]。

最小损伤幅值衰减率，是针对信号处理方法对损伤信号幅值的负面衰减进行评价的指标。其计算公式如下：

式中：S0为原始损伤信号最小幅值；Smin为过滤后损伤信号最小幅值。

损伤信号幅值衰减越小，证明滤波方法对有用信号产生的负面衰减效果越小。

最大噪声幅值衰减率，是针对信号处理方法对噪声抑制效果的评价指标。其计算公式如下：

式中：S1为原始噪声信号最大幅值；Nmax为过滤后噪声信号最大幅值。

噪声幅值衰减越大，证明滤波方法对噪声抑制效果越好。

3.2 效果评价

根据上述 3 组指标，对不同滤波阶数下的中值滤波作差信号处理，并对该效果进行评价。所得结果如图9～ 11 所示。

图9 不同滤波阶数下信噪比Fig.9 Signal-to-noise ratio under different filtering orders

图10 不同滤波阶数下损伤信号幅值衰减率Fig.10 Amplitude attenuation rate of damage signal under different filtering orders

图11 不同滤波阶数下噪声信号幅值衰减率Fig.11 Amplitude attenuation rate of noise signal under different filtering orders

损伤信号幅值对于缺陷量化有着重要意义，因而首先应当最大程度保留原始信号幅值，同时也要兼顾噪声抑制效果。最终选取中值滤波作差法的滤波阶数为 17。

为了证明中值滤波方法在处理漏磁信号上具有优势，引入高斯滤波作为对照方法。设置 2 个对照组，分别是使用高斯滤波处理后的信号，以及使用高斯滤波平滑后的信号，所得结果如表1 所列。

表1 信号处理方法评价结果Tab.1 Evaluation results of signal processing methods

高斯滤波后的信号如图12 所示。相比原始信号，高斯滤波实现了平滑的效果；但对抖动噪声以及基线漂移现象的去除效果并不理想，且损伤信号幅值衰减明显。与中值滤波去除效果 (见图6) 相比，高斯滤波的优势明显。

图12 高斯滤波处理后的信号Fig.12 Signal after processing by Gaussian filtering

采用 3 种平滑方式后的效果对比如图13 所示。高斯平滑给信号处理带来的最主要的问题，就是损伤信号幅值衰减非常明显。相比较而言，SG 平滑后几乎没有出现损伤信号幅值的衰减问题，处理方式明显要优于高斯平滑。

图13 平滑效果后的信号对比Fig.13 Comparison of signals after smoothing effect

再结合表1，中值滤波与 SG 滤波处理组合方法的信噪比最高，同时不产生损伤信号衰减，得到 50%的噪声抑制效果，处理效果最佳。

3.3 漏磁图像插值

对6 通道的漏磁霍尔信号进行通道合并生成图14。本研究中，使用双三次插值法将图像宽度从 6 增加到 50，生成漏磁图像并进行色标上色，以清晰地显示其正向值大小，最终结果如图15 所示。

图14 未插值中值滤波和 SG 平滑漏磁成像图Fig.14 Magnetic flux leakage image after median filtering and SG smoothing without interpolation

图15 中值滤波和 SG 平滑组合插值图Fig.15 Median filtering and SG smoothing combined image with interpolation

与中值滤波去除效果 (见图6) 对照，插值成像图中 3 处损伤可以清晰呈现三类断丝大小不同的情况。同时与未插值图像进行对比，可以得到结论：通过双三次插值成像方式，能够提高通过融合多通道漏磁信号生成的漏磁图像的分辨率；有效利用多通道信息，实现不同程度下的断丝损伤的像素差异区分。

4 结论

(1) 对 6 通道漏磁信号进行中值滤波作差处理和SG 平滑组合信号处理，与传统直接滤波相比，有效减少了损伤信号幅值的衰减，对钢丝绳断丝根数与缺陷宽度量化有着重要意义。

(2) 通过对多通道漏磁信号合并生成漏磁图像，利用双三次插值的方式对生成的漏磁图像进行分辨率提升处理，充分利用多通道信号清晰展示损伤处的成像信息，实现了不同断丝程度下漏磁图像的像素差异区分，为后续使用深度学习进行断丝的分类工作奠定良好的基础。