一維構件應力波信號特征的篩選方法
【技術領域】
[0001] 本發明屬于信號特征識別領域，尤其涉及一種基于灰色系統理論和量化信息熵 的，一維構件應力波信號特征的篩選方法。
【背景技術】
[0002] 本發明是一維構件無損檢測技術的關鍵部分。一維構件無損檢測是應用非常廣泛 的技術，特別是在建筑粧基、軸承和錨桿等，應力波信號特征值的選擇和提取是該技術中最 核心的部分。
[0003] 目前在一維構件完整性檢測上應用最廣泛的方法為應力波法，即：在一維構件的 同一端安置應力波激發器和信號接收傳感器，激發應力波之后，應力波傳感器會接收到完 整的應力波信號波形，波形中包含豐富的信息，通過分析信號波形特征量，可以得到一維構 件的完整性信息。目前常見的應力波特征量包括信號的幅值、能量(功率譜密度），方差等， 提取特征量的方式有在信號整個時程上提取特征量，還有先將信號分段，提取每段信號的 特征量。無論是在信號整個時程上，還是分段提取信號的特征量，都難免會造成損傷特征的 遺漏和檢測分辨率的降低。
【發明內容】
[0004] 本發明的目的是提供一種高可靠性、高分辨率的，一維構件應力波信號特征的篩 選方法。
[0005] -維構件應力波信號特征的篩選方法，包括以下步驟，
[0006] 步驟一:對原始應力波信號進行預處理，用小波包分解的方法對應力波信號進行 分解，得到m個子波；
[0007]步驟二:將量化信息熵作為一維構件應力波信號的特征量；
[0008] 步驟三:構造固定寬度W的時間窗，在每個子波信號上按步進長度B移動提取信號 特征值，得到多維的應力波量化信息熵矩陣;步進長度B的取值滿足W/8<B<W/4;
[0009] 步驟四：對多維的應力波量化信息熵矩陣進行降維處理，求所有子波對應同一位 置的特征值的均值，得到一維的量化信息熵均值向量；
[0010] 步驟五:應用灰色系統理論中的多參數關聯分析方法，通過計算多種失效特征量 的待檢狀態模式與標準正常狀態模式的關聯度，對比關聯度的大小來判斷系統的性能狀 態，完成應力波特征量篩選。
[0011] 本發明一維構件應力波信號特征的篩選方法，還可以包括：
[0012] 1、量化信息熵為：
[0013]
[0014] 其中，D為幅值區間的個數，Nunn表示第i個幅值區間內采樣點個數，Pl為第i個幅值 區間內采樣點數的統計概率。
[0015] 2、應力波量化信息熵矩陣為：
[0016]
[0017]其中每行數據代表一個子波的量化信息熵向量，m個子波構成m X η特征量矩陣； [0018]每個子波熵值向量為：
[0019] Hm= {DHmi，DHm2，DHm3，…，DH·} (m= 1，2，…，2k)
[0020] 其中，應力波經小波包k層分解后，得到!11 = 21{個信號子波，時間窗步進數為n。
[0021] 3、量化信息熵均值向量為：
[0024] 4、步驟五中，待檢狀態Yi的狀態模式向量為：[0025] y(1)= {yi(1)，y2(1)，y3 (1)...yn(1)}T[0026] 其中待檢系統具有n數個特征參數；[0027]標準正常狀態Υο的狀態模式向量為：[0028] y(0) = {yi(0l),y2(0l),y3(0l)-yn (〇)}T[0029] 待檢狀態Y」對于標準正常狀態Yo在第j特征參數上的門限關聯系數為：
[0022]
[0023]
[0030]
[0031]則待檢狀態Y,對于標準正常狀態Yo的門限關聯度為：
[0032]
[0033]當rj 2 0.5時，待檢狀態屬于標準正常狀態；當rj < 0.5時，待檢狀態不屬于標準正 常狀態。有益效果
[0034]與現有算法技術相比，本發明的有益效果是實現了特征量的降維，灰色系統理論 為應力波信號特征量的篩選提供了新的思路，為后期一維構件的無損檢測提高了檢測分辨 率，并且抗噪性能優良，不占有過多的時間資源。
[0035]本發明將量化信息熵作為信號的特征量;構造時間窗為工具，在信號上移動提取 特征量;將信號特征量降維，構造應力波特征向量。與已知的基于分段提取應力波信號幅值 構造特征向量作對比，利用灰色系統理論的門限關聯度作為特征向量性能可靠性的評價方 法，對兩種特征向量作評價對比分析，本發明的方法實現了特征量的優化和篩選，在信號存 在多處奇異點的情況下仍取得較高的性能可靠度，提高了無損檢測分辨率，并且抗噪性能 優良，不占有過多的時間資源。
【附圖說明】
[0036] 圖1為本發明的算法流程圖。
[0037] 圖2為時間窗移動提取信號特征值。
[0038] 圖3為本發明提出的量化信息熵的歸一化向量曲線。
[0039] 圖4為作為對比的幅值作為特征量的歸一化向量曲線。
【具體實施方式】
[0040] 下面將結合附圖對本發明做進一步詳細說明。
[0041] 為了克服上述現有方法的不足，本發明提供了一種基于灰色系統理論和量化信息 熵的一維構件應力波信號特征的篩選方法。
[0042]本發明的技術方案如下：
[0043]將用于檢測一維構件完整性的應力波信號進行預處理，用小波包分解的方法進行 分解，得到一定數量的子波;提出量化信息熵的概念，將量化信息熵作為信號的特征值;構 造固定寬度的時間窗作為工具，在每個子波信號上按固定步進長度移動提取信號特征值， 得到多維的信號特征量;對多維特征量進行降維處理，求所有子波對應同一位置的特征值 的均值，得到一維的信號特征量;利用灰色系統理論的多參數分析方法，利用門限關聯度評 價量化信息熵特征向量和幅值特征向量，達到應力波特征量評價和篩選的目的。
[0044]該方法的具體步驟是：
[0045] (1)對原始應力波信號進行預處理，用小波包分解的方法對應力波信號進行適當 層數的分解，得到若干子波。如圖2所示4個子波由原始應力波經2層小波包分解而來。
[0046] (2)在信息熵的概念基礎上提出量化信息熵的概念，做為應力波信號的特征值。設 信號采樣幅值集合為Χ= {χι，Χ2，···，χη}，X的概率分布表示為pi=P(xi)(i = l，2,…，η)，同時 巧.=〗.，取變量X的最大值與最小值，分別記為Χμ和Xmin，結合實際情況，將幅值由Xmin 到xmax平均分成D個量化幅值區間。則每段幅值的取值長度為：
[0047]
[0048] 每段幅值的量化取值范圍為：
[0049] (xmin+i A d,Xmin+(i+l) Ad, )(i = 0,l, 2,---,0-1)
[0050] 設第i段幅值區間內的采樣點個數為Nunu，則第i段幅值區的統計概率定義為：
[0051]
[0052]則信號的量化信息熵定義為：
[0053]
[0054]其中DH(X)即為信號的量化信息熵，D為幅值區間的個數，Nunu表示第i個幅值區間 內采樣點個數，Pl為第i個幅值區間內采樣點數的統計概率。
[0055] (3)構造固定寬度的時間窗作為工具，在每個子波信號上按固定步進長度移動提 取信號特征值，得到多維的信號特征量。對于固定寬度的時間窗口，要特別注意必要參數的 設置。設時間窗口寬度為W，步進長度為B。時間窗口寬度W的取值要覆蓋至少一個完整的奇 異點，同時盡量不超過兩個奇異點;步進長度B的取值滿足W/8<B<W/4,以滿足在按步進提 取特征量的時候，不會遺漏奇異點，也不會重復處理同一個奇異點，減少處理時間，提高奇 異點的分辨率。
[0056] (4)設應力波經小波包k層分解后，得到!11 = 21{個信號子波，時間窗步進數設為n，提 取特征量，即量化信息熵之后，每個子波熵值向量為：
[0057] Hm= {DHmi，DHm2，DHm3，…，DH·} (m= 1，2，…，2k)
[0058] 應力波量化信息熵矩陣構造如下：
[0059]
[0060] 其中每行數據代表一個子波的量化信息熵向量，m個子波構成m X η特征量矩陣。
[0061] (5)對多維特征量矩陣進行降維處理，求所有子波對應同一位置的特征值的均值， 得到一維的信號特征量，一個復雜的特征量矩陣并不能較好地分析出奇異點，在多維特征 量矩陣的基礎上，求得對應同一段信號的時間窗的量化信息熵均值：
[0062]
[0063]處理得到量化信息熵均值向量為：
[0064]
[0065] (6)灰色系統理論的門限關聯度性能評價方法如下:假設一個具有η數個特征參數 的待檢系統，其待檢狀態h的狀態模式向量為：
[0066] y⑴={yi⑴，y2⑴，
[0067]標準正常狀態Υο的狀態模式向量為：
[0068] y(〇) = {yi(〇1),y2(〇1),y3^)... yn(〇)}T
[0069] 設每個特征參數η(()ι)均服從均值為|f、方差為f的正態分布，定義待檢狀態乃對 于標準正常狀態Υο在第j特征參數上的門限關聯系數為：
[0070]
[0071] 則待檢狀態Y」對于標準正常狀態Υο的門限關聯度為：
[0072]
[0073]待檢狀態的判斷準則為：當rj 2 0.5時，待檢狀態屬于標準正常狀態;當rj < 0.5時， 待檢狀態不屬于標準正常狀態。
[0074]本發明具體涉及基于灰色系統理論和量化信息熵的一維構件應力波信號特征篩 選方法，步驟如下：（1)將用于檢測一維構件完整性的應力波信號進行預處理，用小波包分 解的方法進行分解，得到一定數量的子波；（2)將量化信息熵作為信號的特征值；（3)構造固 定寬度的時間窗作為工具，在每個子波信號上按固定步進長度移動提取信號特征值，得到 多維的信號特征量；（4)對多維特征量進行降維處理，求所有子波對應同一位置的特征值的 均值，得到一維的信號特征量；（5)利用灰色系統理論中的多參數關聯分析方法，基于門限 關聯度的性能可靠性評價方法，評價量化信息熵特征量的性能；（6)檢測流程結束。本發明 在應力波信號特征的評價和篩選上有較好的實際應用價值，并且本發明提出的量化信息熵 作為特征量抗噪性能優良，不占有過多的時間資源。
[0075]基于灰色系統理論和量化信息熵的一維構件應力波信號特征的篩選方法，步驟如 下：（1)將用于檢測一維構件完整性的應力波信號進行預處理，用小波包分解的方法進行分 解，得到一定數量的子波；（2)將量化信息熵作為信號的特征值，提取每個子波的量化信息 熵；（2)構造固定寬度的時間窗作為工具，在每個子波信號上按固定步進長度移動提取信號 特征值，得到多維的信號特征量；（3)對多維特征量進行降維處理，求所有子波對應同一位 置的特征值的均值，得到一維的信號特征量；（4)利用灰色系統理論中的多參數關聯分析方 法，基于門限關聯度的性能可靠性評價方法，評價量化信息熵特征量和膚質特征量的性能， 達到應力波特征量篩選的目的。
[0076]基于量化信息熵的一維構件應力波信