CN101718862B

CN101718862B - 基于ar模型和小波变换的核电站松动件定位方法

Info

Publication number: CN101718862B
Application number: CN2009101545885A
Authority: CN
Inventors: 曹衍龙; 程实; 郑华文; 何元峰
Original assignee: Zhejiang University ZJU
Current assignee: Zhejiang University ZJU
Priority date: 2009-11-13
Filing date: 2009-11-13
Publication date: 2012-03-21
Anticipated expiration: 2029-11-13
Also published as: CN101718862A

Abstract

基于AR模型和小波变换的核电站松动件定位方法，包括以下步骤：获取原信号；采用移动均值法消除原信号中的低频噪声；对信号进行AR建模，把初步信号中包含的环境噪声转换成容易识别的白噪声，获取残差信号；将残差信号进行小波非线性阈值去噪，消除白噪声以获得纯净的冲击信号；对纯净的冲击信号采用时域均方差法进行分析，确定信号的起振点；根据起振点，采用双曲线交汇法获得松动件的跌落位置。本发明具有工作量小，松动件跌落位置定位准确的优点。

Description

基于AR模型和小波变换的核电站松动件定位方法

技术领域

本发明涉及一种用于估计核电站中松动部件的跌落位置的定位方法。

技术背景

核电站中由于腐蚀、折旧、摩擦而松动甚至跌落的金属部件，还有在系统测试、补给燃料、大修阶段从外界进入系统的金属碎片，都会使得系统运行的稳定性和可靠性降低。松动件定位作为松动件监测系统的重要组成部分，准确检测出松动件跌落的位置，进而将其取出，对于核电站的稳定性和安全性有很大的帮助。

现有的松动件定位方法相关文献有：

[1]Yong Beum Kim，Seon Jae Kim，Hae Dong Chung，Youn Won Park，Jin Ho Park·A Study on Technique to Estimate Impact Location ofLoose Part Using Wigner-Ville Distribution[J]·Progress in NuclearEnergy，2003，43(1-4)：261-266.一种基于魏格纳-威利分布的松动件冲击位置的估计方法研究，提出了对信号进行魏格纳-威利变换，获取时频图，进而获取松动件跌落位置。该方法准确性高，但计算比较繁杂，且计算量很大。对于每个信号的时频域线都是不一样的，而且都需手工来绘制，不利于实现自动化。

[2]Seong-Nam Jeong，Kyoung-Hang Woo，Eoun-Taeg Hwang，Won-HoChoi·A Study on the Estimation Method of Impact Position Usingthe Frequency Analysis[J]·Strategic Technology.The 1st InternationalForum on，2006：392-395.一种基于频率分析的冲击位置估计方法研究，提出了一种基于频谱的松动件定位方法。该方法准确性高，稳定性也比较高，但前期需要建立起比较完善的数据库，工作量大。

[3]Gee Yong Park，Se Woo Cheon，Cheol Kwon Lee，Kee Choon Kwon·An Estimation Method for Impact Location of Loose Parts[J]·Progress in Nuclear Energy，2005，48(2006)：360-370.一种松动件冲击位置的估计方法，提出了一种基于信号包络线的确定冲击信号到达传感器的起始时间的方法，但是现场试验数据的分析结果很不理想。

发明内容

为克服现有技术的工作量大，无法实现自动化，现场试验数据的分析结果不理想，松动件跌落位置定位不准确的缺点，本发明提供了一种工作量小，可经计算机自动计算、以实现自动化，松动件跌落位置定位准确的基于AR模型和小波变换的核电站松动件定位方法。

基于AR模型和小波变换的核电站松动件定位方法，包括以下步骤：

1、数据采集卡采集加速度传感器获取的信号s(t_i)，信号s(t_i)由松动件跌落时的冲击信号x(t_i)和环境噪声a(t_i)组成；

2、采用移动均值法消除信号s(t_i)中的低频噪声，获得初步信号y(t_i)，判断信号的幅值，取信号s(t_i)幅值突然变大前的一段信号(长度为0.1s)作为经过均值滤波的背景噪声a′(t_i)。；

3、对经过均值滤波的背景噪声a′(t_i)进行AR建模，然后使用该AR模型把初步信号y(t_i)中包含的环境噪声转换成容易识别的白噪声，获取包含白噪声和冲击信号的残差信号e(t_i)；

4、将残差信号e(t_i)进行小波非线性阈值去噪，消除白噪声以获得纯净的冲击信号；

5、对步骤4)中获取的纯净的冲击信号采用时域均方差法进行分析，确定信号的起振点；

6、根据起振点，采用双曲线交汇法获得松动件的跌落位置。

进一步，步骤2)中的消除原信号x(t_i)中的低频噪声的方法是，根据公式

y (t_{i}) = x (t_{i}) - \frac{1}{l} Σ_{j = 1}^{l} x (t_{i - j}),

其中，x(t_i-j)为第t_i-j时刻的信号值，l为窗口长度，一般取10左右，y(t_i)为去除了低频噪声的信号。

进一步，步骤3)中，将y(t_i)中的高频环境噪声转化为白噪声的步骤包括：

3.1、将经过均值滤波的背景噪声a′(t_i)输入线性预测滤波器系数(Linear Prediction filter Coefficients，LPC)中，获得一组预测系数a_i；

3.2、根据公式

e (t_{i}) = y (t_{i}) - Σ_{j = 1}^{p} a_{j} y (t_{i} - j)

获得残差e(t_i)，

表示第t_i时刻以前的p个信号值的线性组合，残差e(t_i)包含白噪声和松动件跌落时产生的冲击信号；

进一步，步骤5)的采用时域方差法确定起振点是指通过计算输入信号的均方差来判断信号起振点，包括以下步骤：

5.1、对步骤4)得出的纯净的冲击信号进行采样，根据经验设定采样窗口的长度n、并预设信号阈值，将该采样信号记为f(i)，其中，i表示采样信号中的第i个点；

5.2、根据公式

C = \sqrt{\frac{1}{n} Σ_{i = k}^{k + n} {(f (i) - m)}^{2}}

计算出该段采样信号的阈值，其中：C表示该段信号的阈值，m为该段信号的均值，k为计算起始点；

5.3、判断步骤5.2)中获得的阈值C是否大于预设信号阈值，若是，则获取该阈值C所对应的采样点i，将该点作为起振点；若否，则用该采样窗口继续对步骤4)得出的纯净的冲击信号采样，再顺序执行步骤5.1)至5.2)。

进一步，步骤6)中所述的采用双曲线交汇法确定松动件跌落的位置，包括以下步骤：

6.1)获取至少三个传感器所在位置和松动件跌落时产生的弯曲波到各传感器的时间，根据经验假设波的传播速度，波速与时间的乘积表示松动件跌落位置与传感器之间的距离；

6.2)计算弯曲波到达任意两个传感器的时间差，以获取松动件的跌落位置。

本发明的技术构思为：采用基于AR模型和小波变换的多重滤波，先采用移动均值法将原信号中低频噪声滤除，再对滤除了低频噪声的初步信号进行AR建模，AR模型能将初步信号中的环境噪声转化为容易识别的白噪声，因此在进行上述AR处理后，使得原信号中的高频噪声变为了白噪声，而对冲击信号并没有太大影响。这不仅对信号进行了白化处理，还提高了信号的信噪比，更因为小波非线性阈值去噪方法很容易识别白噪声、并将其去除，从而使得本发明的去噪效果好，得到的冲击信号纯净，且信号不会发生畸变，对冲击信号的起振点确定准确。

当AR模型与真实系统越接近，则残差e(k)越接近宽带白噪声，小波非线性阈值去噪的效果越好。

本发明具有工作量小，可经计算机自动计算、以实现自动化，松动件跌落位置定位准确的优点。

附图说明

图1为双曲线交汇法的原理图

图2为去噪前的信号

图3为去噪后的信号

图4为本发明的流程图

具体实施方式

实施例一

参照附图，进一步说明本发明：

6、根据起振点，采用双曲线交汇法获得松动件的跌落位置。

步骤2)中的消除原信号x(t_i)中的低频噪声的方法是，根据公式

y (t_{i}) = x (t_{i}) - \frac{1}{l} Σ_{j = 1}^{l} x (t_{i - j}),

步骤3)中，将y(t_i)中的高频环境噪声转化为白噪声的步骤包括：

3.2、根据公式

e (t_{i}) = y (t_{i}) - Σ_{j = 1}^{p} a_{j} y (t_{i} - j)

获得残差e(t_i)，

步骤5)的采用时域方差法确定起振点是指通过计算输入信号的均方差来判断信号起振点，包括以下步骤：

5.2、根据公式

C = \sqrt{\frac{1}{n} Σ_{i = k}^{k + n} {(f (i) - m)}^{2}}

步骤6)中所述的采用双曲线交汇法确定松动件跌落的位置，包括以下步骤：

以设置三个传感器为例，说明采用双曲线交汇法确定松动件的跌落位置，假定P点为松动件的跌落位置，以A、B、C三点分别表示传感器的所在位置，已t_A、t_B、t_C分别表示松动件从P点跌落之后产生的弯曲波到达各传感器的时间，假设波速为α；

建立方程组：

\{\begin{matrix} PA = r_{0} = {αt}_{A} \\ PB = r_{1} = {αt}_{B} \\ PC = r_{2} = {αt}_{C} \end{matrix}

由于实际监测时无法获得时间初始点，所以只能由记录的数据得到波传播到各个传感器之间的时间差。即：

\{\begin{matrix} {Δt}_{AB} = t_{B} - t_{A} \\ Δ t_{AC} = t_{C} - t_{A} \end{matrix}

于是可获得方程组：

\{\begin{matrix} PB - PA = α t_{B} - {αt}_{A} = α (t_{B} - t_{A}) = αΔ t_{AB} \\ PC - PA = {αt}_{C} - α t_{A} = α (t_{C} - t_{A}) = αΔ t_{AC} \end{matrix},

从而获得P点的位置，即松动件的跌落位置。

从上式中可以看出，P点即为以A、B点为焦点的双曲线和以A、C为焦点的双曲线的交点。

本发明的技术构思为：采用基于AR模型和小波变换的多重滤波，先采用移动均值法将原信号中低频噪声滤除，再对滤除了低频噪声的初步信号进行AR建模，AR模型能将初步信号中的环境噪声转化为容易识别的白噪声，因此在进行上述AR处理后，使得原信号中的高频噪声变为了白噪声，而对冲击信号并没有太大影响。这不仅对信号进行了白化处理，还提高了信号的信噪比，更因为小波非线性阈值去噪方法很容易识别白噪声、并将其去除，从而使得本发明的去噪效果好，得到的冲击信号纯净，且信号没有发生畸变，对冲击信号的起振点确定准确。

实施例二

结合试验，说明本发明：

本发明的效果可以通过钢板试验台的实验分析结果说明：

1试验条件

在一块3200mm×2000mm×20mm的钢板上进行试验，钢板四角各垫一个防震阻尼装置。使用了1920g、720g、185g、110g、55g、30g、10g共7种不同质量的钢球进行了撞击试验，每个钢球都撞击了三个不同的位置，每次跌落的高度为30cm。试验中采用三个传感器，传感器分布方式为线形和三角形。线形分布用于波速测量，三角形分布用于定位分析。

2仿真结果

实验结果对本发明所提出的去噪方法进行了验证，实验结果如附图2所示。由图2可以很清楚的看出，本发明所提出的去噪方法具有很好的去噪效果，非常好的滤除了信号中混杂的噪声，提高了信噪比。在信号起始点附近，信号并没有发生畸变，很好的保留了原信号的尖锐陡峭部分，且起振点的位置没有发生偏移。

本发明采用如下方法来计算绝对误差和相对误差：

绝对误差：E＝Δd，其中Δd为松动件跌落位置的真实值与估计值之间的距离。

相对误差：

E_{r} = \frac{Δd}{\sqrt{S}} \times 100 %,

其中S为以三个定位传感器为顶点构成的三角形的面积。

实验结果对本发明提出的松动件定位方法进行了验证，试验中采用了不同的质量的钢球进行了实验，且对同质量的钢球进行了不同敲击位置进行了实验。并且还将本发明所提方法与其他方法进行了对比分析。

通过试验数据分析，平均波速为2000m/s。试验定位分析结果如表1所示。

表1

由表1可以看出，所有球跌落位置估计的相对误差最小值为2.98％，而最大值也只有15.18％，并且相对误差集中在9％左右。说明本发明提出的松动件定位方法对于不同质量的钢球都具有比较好的效果，而且定位精度比较高，稳定性比较好。

以185g钢球为例分析不同的定位方法的估计效果，如表2所示。起振点确定后，均采用双曲线交汇法进行定位。

表2

表中：定位方法1——对原始数据直接采用时域均方根法确定信号起振点，2——用能量轮廓法确定信号起振点，3——本发明所提方法确定信号起振点。

分析表2中数据可以看出，本发明所提方法相对于方法1和2，定位精度高，且性能稳定，不会由于冲击位置的不同，而出现太大的波动。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims

1.基于AR模型和小波变换的核电站松动件定位方法，包括以下步骤：

1)数据采集卡采集加速度传感器获取的信号s(t_i)，信号s(t_i)由松动件跌落时的冲击信号x(t_i)和环境噪声a(t_i)组成；

2)采用移动均值法消除信号s(t_i)中的低频噪声，获得初步信号y(t_i)，判断初步信号的幅值，取信号s(t_i)幅值突然变大前的一段信号作为经过均值滤波的背景噪声a′(t_i)；

3)对经过均值滤波的背景噪声a′(t_i)进行AR建模，然后使用该AR模型把初步信号y(t_i)中包含的环境噪声转换成容易识别的白噪声，获取包含白噪声和冲击信号的残差信号e(t_i)；

4)将残差信号e(t_i)进行小波非线性阈值去噪，消除白噪声以获得纯净的冲击信号；

5)对步骤4)中获取的纯净的冲击信号采用时域均方差法进行分析，确定信号的起振点；

6)根据起振点，采用双曲线交汇法获得松动件的跌落位置。

2.如权利要求1所述的基于AR模型和小波变换的核电站松动件定位方法，其特征在于：步骤2)中的消除原信号x(t_i)中的低频噪声的方法是，根据公式

其中，x(t_i-j)为第t_i-j时刻的信号值，l为窗口长度，y(t_i)为去除了低频噪声的信号。

3.如权利要求2所述的基于AR模型和小波变换的核电站松动件定位方法，其特征在于：步骤3)中，将y(t_i)中的高频环境噪声转化为白噪声的步骤包括：

3.2、根据公式

获得残差e(t_i)，

表示第t_i时刻以前的p个信号值的线性组合，残差e(t_i)包含白噪声和松动件跌落时产生的冲击信号。

4.如权利要求3所述的基于AR模型和小波变换的核电站松动件定位方法，其特征在于：步骤5)的采用时域方差法确定起振点是指通过计算输入信号的均方差来判断信号起振点，包括以下步骤：

5.2、根据公式

5.如权利要求4所述的基于AR模型和小波变换的核电站松动件定位方法，其特征在于：步骤6)中所述的采用双曲线交汇法确定松动件跌落的位置，包括以下步骤：