CN105572219A - 压力管道焊缝金属磁记忆信号自适应处理方法 - Google Patents

Abstract

本发明公开了一种压力管道焊缝金属磁记忆信号自适应处理方法，滤波结构模块使用输入信号的测量值产生滤波器的输出，若输出与输入的测量值成线性组合的关系，则可认定滤波器为线性，否则为非线性；设定滤波器的结构，并且可以通过自适应算法来调节参数；设计出来的滤波器的输出和期望响应由COP模块处理，并参照需要的标准来评估其质量；滤波器的参数可通过自适应算法使用性能标准的数值或者它的函数、输入测量值和期望响应来确定；与自适应滤波器相关的一个或多个输入信号和一个期望响应信号，这个响应对滤波器来说得到与否未知，则称这些相关的信号为自适应滤波器信号的工作环境（SOE）。

Description

压力管道焊缝金属磁记忆信号自适应处理方法

技术领域

本发明涉及管道信号处理方法领域，具体是一种压力管道焊缝金属磁记忆信号自适应处理方法。

背景技术

传统的数字滤波器具有线性时不变的特点，因在滤波之前选择滤波频率，所以在对信号有用信息与无用信息频率不重叠时，才会有较好的滤波效果，当信号频带与噪声信号频带出现全部重叠或者部分重叠时，就会使得部分噪声无法滤除，或者滤除信号有用的噪声，而且，在滤波器工作过程中信号频率经常是未知的，就会导致无法固定频率。对于压力管道焊接检验现场环境复杂，噪声和干扰因素的不可预见性，常用FIR和IIR两种具有固定滤波系数数字滤波器不能够将很好的将噪声滤除。小波变换虽然可以很好地滤除噪声，但小波对于局部信号处理效果更好，对整体信号处理能力相对较差。针对以上两种情况可以通过一种智能化的滤波器来解决，这就是自适应滤波器，自适应滤波器的特点就是不需要用户干涉就会根据信号实际情况改善滤波器的性能。而基于卡尔曼滤波器的自适应数字信号处理方法可以自动调节滤波器参数，以适应信号和噪声未知或者随时间变化的统计特性，从而实现最优化滤波。

金属磁记忆方法基于地磁场环境中铁磁性管道受工作载荷作用出现磁畴组织定向和不可逆取向现象，通过检测应力集中或变形区形成的漏磁场变化即可进行缺陷的预报和检测，故检测信号微弱，易受干扰，加之检验现场环境复杂，噪声和干扰因素的不可预见性，这就使得金属磁记忆信号处理变得十分困难。

而基于卡尔曼滤波器的自适应数字信号处理方法就是不需要人工调节滤波器系数，根据信号实际情况改善滤波器的性能，达到最优化滤波，保留微弱的漏磁场信号，而滤除无用干扰信号。

发明内容

本发明的目的是提供一种压力管道焊缝金属磁记忆信号自适应处理方法，以解决现有技术存在的问题。

为了达到上述目的，本发明所采用的技术方案为：

压力管道焊缝金属磁记忆信号自适应处理方法，其特征在于：滤波结构模块使用输入信号的测量值产生滤波器的输出，若输出与输入的测量值成线性组合的关系，则可认定滤波器为线性，否则为非线性；设定滤波器的结构，并且可以通过自适应算法来调节参数；设计出来的滤波器的输出和期望响应由COP模块处理，并参照需要的标准来评估其质量；滤波器的参数可通过自适应算法使用性能标准的数值或者它的函数、输入测量值和期望响应来确定；与自适应滤波器相关的一个或多个输入信号和一个期望响应信号，这个响应对滤波器来说得到与否未知，则称这些相关的信号为自适应滤波器信号的工作环境(SOE)；设计自适应滤波器，需要关于其工作环境的大量信息，这些信息对设计者选择自适应滤波器的结构、性能标准和设计自适应算法是必须的。

磁记忆输入信号模型如下式：

y(n)＝A(n-1)y(n-1)+B(n)η(n)公式(1-1)

y(n)＝k×1是在n时刻信号的状态矢量。

A(n-1)＝k×k矩阵，在缺少强制函数的情况下使y(n-1)和y(n)联系起来。

η(n)＝k×1是协方差矩阵R_η(n)的零均值白噪声序列。

B(n)＝k×k输入矩阵。公式(1-2)

矩阵A(n-1)被称为状态转换矩阵，η(n)被称为模型误差矢量。

利用线性关系来表示测量模型：

x(n)＝H(n)y(n)+v(n)公式(1-3)

其中：

x(n)＝m×1为在n时刻信号的状态矢量。

H(n)＝m×k为输出矩阵，它表示y(n)和x(n)的理想线性关系。

v(n)＝k×1为观测误差，是协方差矩阵R_v(n)的零均值白噪声序列。

假定下面的统计特性：

E{y(n)v^H(l)}＝0n，l取任意值公式(1-4)

E{η(n)v^H(l)}＝0n，l取任意值公式(1-5)

E{η(n)y^H(-1)}＝0n，取任意值公式(1-6)

E{y(-1)}＝0公式(1-7)

E{y(-1)y^H(-1)}＝R_y(-1)公式(1-8)

现假设根据n-1时刻和n-1之前时刻所有观察值获得了y(n-1)的估计，为则y(n)可根据公式(1-1)和公式(1-6)进一步预测估计为：

$\stackrel{\‾}{y}\left(n\right|n-1)=A(n-1)\stackrel{\‾}{y}(n-1|n-1)$ 公式(1-9)

并且初始条件在由公式(1-3)可预测x(n)为：

$\stackrel{\‾}{x}\left(n\right|n-1)=H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)=H\left(n\right)A(n-1)\stackrel{\‾}{y}(n-1|n-1)$ 公式(1-10)

由此，可以得到计算所需要的观察值的递归公式。并且可根据公式(1-3)预测误差为：

$w\left(n\right)=x\left(n\right)-\stackrel{\‾}{x}\left(n\right|n-1)=H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)+v\left(n\right)$ 公式(1-11)

卡尔曼的滤波估计为：

$\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\}$ 公式(1-12)

其中公式(1-13)

公式(3-13)被称为卡尔曼增益矩阵，因此，可以利用公式(1-12)，再根据和得出卡尔曼预测和滤波公式分别为：

预测： $\stackrel{\‾}{y}\left(n\right|n-1)=A(n-1)\stackrel{\‾}{y}(n-1|n-1)$

滤波： $\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\}$

得出按时间递归更新的卡尔曼滤波的算法公式，而增益矩阵K(n)的时序推到还与误差的协方差矩阵有关系，因此，还需要还需误差的协方差矩阵。

磁记忆卡尔曼滤波算法误差的协方差矩阵：

在这里，可以利用公式(1-11)和公式(1-12)来定义滤波误差为：

$\tilde{y}\left(n\right|n)=\tilde{y}\left(n\right|n-1)-K\left(n\right)w\left(n\right)$ 公式(1-14)

然后由公式(1-13)得到滤波误差的协方差为：

公式(1-15)

在将公式(1-13)带入公式(1-15)，误差的协方差矩阵也被称为后验协方差，在n时刻，可在初始条件为的条件下确定先验预测误差协方差并完成递归计算，可有公式(1-12)得到n时刻的预测误差为：

公式(1-16)

根据以上计算公式，得到磁记忆检测信号的算法公式

$\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\}$ 和系统滤波误差公式

本发明优点为：

磁记忆检测信号为大地磁场，信号微弱，易受现场复杂工况影响，出现不同频率的噪声信号，有些干扰信号频率会与检测信号频带范围重合。传统的数字滤波器具有线性时不变的特点，因滤波器的频率是可选择性的，所以在对信号频率不重叠信号滤波时才能取得良好的效果，但当信号频带与噪声信号频带出现重叠时，就会使得部分噪声无法滤除，而且，在滤波器工作过程中常常不能估计信号频率，就会导致无法固定频率。采用一种卡尔曼自适应滤波器来解决这一问题，其特点就是不需要用户干涉就会根据信号实际情况改善滤波器的性能，它适用于线性、离散和有限维系统。每一个有外部变量的自回归移动平均系统(ARMAX)或可用有理传递函数表示的系统都可以转换成用状态空间表示的系统，从而能用卡尔曼滤波进行计算，在对未知信号和频带重复信号滤波时，具有较高的信噪比，保证检测信号信息不丢失。

附图说明

图1为卡尔曼滤波器算法流程图。

图2为信号滤波前后效果图，其中：

图2a为滤波前效果图，图2b为滤波后效果图。

具体实施方式

压力管道焊缝金属磁记忆信号自适应处理方法，滤波结构模块使用输入信号的测量值产生滤波器的输出，若输出与输入的测量值成线性组合的关系，则可认定滤波器为线性，否则为非线性；设定滤波器的结构，并且可以通过自适应算法来调节参数；设计出来的滤波器的输出和期望响应由COP模块处理，并参照需要的标准来评估其质量；滤波器的参数可通过自适应算法使用性能标准的数值或者它的函数、输入测量值和期望响应来确定；与自适应滤波器相关的一个或多个输入信号和一个期望响应信号，这个响应对滤波器来说得到与否未知，则称这些相关的信号为自适应滤波器信号的工作环境(SOE)；设计自适应滤波器，需要关于其工作环境的大量信息，这些信息对设计者选择自适应滤波器的结构、性能标准和设计自适应算法是必须的。

磁记忆输入信号模型如下式：

y(n)＝A(n-1)y(n-1)+B(n)η(n)公式(1-1)

y(n)＝k×1是在n时刻信号的状态矢量。

A(n-1)＝k×k矩阵，在缺少强制函数的情况下使y(n-1)和y(n)联系起来。

η(n)＝k×1是协方差矩阵R_η(n)的零均值白噪声序列。

B(n)＝k×k输入矩阵。公式(1-2)

矩阵A(n-1)被称为状态转换矩阵，η(n)被称为模型误差矢量。

利用线性关系来表示测量模型：

x(n)＝H(n)y(n)+v(n)公式(1-3)

其中：

x(n)＝m×1为在n时刻信号的状态矢量。

H(n)＝m×k为输出矩阵，它表示y(n)和x(n)的理想线性关系。

v(n)＝k×1为观测误差，是协方差矩阵R_v(n)的零均值白噪声序列。

假定下面的统计特性：

E{y(n)v^H(l)}＝0n，l取任意值公式(1-4)

E{η(n)v^H(l)}＝0n，l取任意值公式(1-5)

E{η(n)y^H(-1)}＝0n，取任意值公式(1-6)

E{y(-1)}＝0公式(1-7)

E[y(-1)y^H(-1)}＝R_y(-1)公式(1-8)

现假设根据n-1时刻和n-1之前时刻所有观察值获得了y(n-1)的估计，为则y(n)可根据公式(1-1)和公式(1-6)进一步预测估计为：

$\stackrel{\‾}{y}\left(n\right|n-1)=A(n-1)\stackrel{\‾}{y}(n-1|n-1)$ 公式(1-9)

并且初始条件在由公式(1-3)可预测x(n)为：

$\stackrel{\‾}{x}\left(n\right|n-1)=H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)=H\left(n\right)A(n-1)\stackrel{\‾}{y}(n-1|n-1)$ 公式(1-10)

由此，可以得到计算所需要的观察值的递归公式。并且可根据公式(1-3)预测误差为：

$w\left(n\right)=x\left(n\right)-\stackrel{\‾}{x}\left(n\right|n-1)=H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)+v\left(n\right)$ 公式(1-11)

卡尔曼的滤波估计为：

$\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\}$ 公式(1-12)

其中公式(1-13)

公式(3-13)被称为卡尔曼增益矩阵，因此，可以利用公式(1-12)，再根据和得出卡尔曼预测和滤波公式分别为：

预测： $\stackrel{\‾}{y}\left(n\right|n-1)=A(n-1)\stackrel{\‾}{y}(n-1|n-1)$

滤波： $\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\}$

得出按时间递归更新的卡尔曼滤波的算法公式，而增益矩阵K(n)的时序推到还与误差的协方差矩阵有关系，因此，还需要还需误差的协方差矩阵。

磁记忆卡尔曼滤波算法误差的协方差矩阵：

在这里，可以利用公式(1-11)和公式(1-12)来定义滤波误差为：

$\tilde{y}\left(n\right|n)=\tilde{y}\left(n\right|n-1)-K\left(n\right)w\left(n\right)$ 公式(1-14)

然后由公式(1-13)得到滤波误差的协方差为：

公式(1-15)

在将公式(1-13)带入公式(1-15)，误差的协方差矩阵也被称为后验协方差，在n时刻，可在初始条件为的条件下确定先验预测误差协方差并完成递归计算，可有公式(1-12)得到n时刻的预测误差为：

公式(1-16)

根据以上计算公式，得到磁记忆检测信号的算法公式

$\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\}$ 和系统滤波误差公式

Claims (1)

1.压力管道焊缝金属磁记忆信号自适应处理方法，其特征在于：滤波结构模块使用输入信号的测量值产生滤波器的输出，若输出与输入的测量值成线性组合的关系，则可认定滤波器为线性，否则为非线性；设定滤波器的结构，并且可以通过自适应算法来调节参数；设计出来的滤波器的输出和期望响应由COP模块处理，并参照需要的标准来评估其质量；滤波器的参数可通过自适应算法使用性能标准的数值或者它的函数、输入测量值和期望响应来确定；与自适应滤波器相关的一个或多个输入信号和一个期望响应信号，这个响应对滤波器来说得到与否未知，则称这些相关的信号为自适应滤波器信号的工作环境SOE；设计自适应滤波器，需要关于其工作环境的大量信息，这些信息对设计者选择自适应滤波器的结构、性能标准和设计自适应算法是必须的；

磁记忆输入信号模型如下式：

y(n)＝A(n-1)y(n-1)+B(n)η(n)，公式(1-1)

y(n)＝k×1是在n时刻信号的状态矢量，

A(n-1)＝k×k矩阵，在缺少强制函数的情况下使y(n-1)和y(n)联系起来，

η(n)＝k×1是协方差矩阵R_η(n)的零均值白噪声序列，

B(n)＝k×k输入矩阵，公式(1-2)

矩阵A(n-1)被称为状态转换矩阵，η(n)被称为模型误差矢量，

利用线性关系来表示测量模型：

x(n)＝H(n)y(n)+v(n)，公式(1-3)

其中：

x(n)＝m×1为在n时刻信号的状态矢量，

H(n)＝m×k为输出矩阵，它表示y(n)和x(n)的理想线性关系，

v(n)＝k×1为观测误差，是协方差矩阵R_v(n)的零均值白噪声序列，假定下面的统计特性：

E{y(n)v^H(l)}＝0N,l取任意值，公式(1-4)

E{η(n)v^H(l)}＝0n,l取任意值，公式(1-5)

E{η(n)y^H(-1)}＝0N,取任意值，公式(1-6)

E{y(-1)}＝0，公式(1-7)

E{y(-1)y^H(-1)}＝R_y(-1)，公式(1-8)

现假设根据n-1时刻和n-1之前时刻所有观察值获得了y(n-1)的估计，为则y(n)可根据公式(1-1)和公式(1-6)进一步预测估计为：

$\stackrel{\‾}{y}\left(n\right|n-1)=A(n-1)\stackrel{\‾}{y}(n-1|n-1),$ 公式(1-9)

并且初始条件在由公式(1-3)可预测x(n)为：

$\stackrel{\‾}{x}\left(n\right|n-1)=H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)=H\left(n\right)A(n-1)\stackrel{\‾}{y}(n-1|n-1),$ 公式(1-10)

由此，可以得到计算所需要的观察值的递归公式，并且可根据公式(1-3)预测误差为：

$w\left(n\right)=x\left(n\right)-\stackrel{\‾}{x}\left(n\right|n-1)=H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)+v\left(n\right),$ 公式(1-11)

卡尔曼的滤波估计为：

$\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\},$ 公式(1-12)

其中 $K\left(n\right)=R_y\left(n\right|n-1)H^R\left(n\right)R_w^{-1}\left(n\right),$ 公式(1-13)

公式(3-13)被称为卡尔曼增益矩阵，因此，可以利用公式(1-12)，再根据和得出卡尔曼预测和滤波公式分别为：

预测： $\stackrel{\‾}{y}\left(n\right|n-1)=A(n-1)\stackrel{\‾}{y}(n-1|n-1),$

滤波： $\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\},$

得出按时间递归更新的卡尔曼滤波的算法公式，而增益矩阵K(n)的时序推到还与误差的协方差矩阵有关系，因此，还需要还需误差的协方差矩阵；

磁记忆卡尔曼滤波算法误差的协方差矩阵：

在这里，可以利用公式(1-11)和公式(1-12)来定义滤波误差为：

$\tilde{y}\left(n\right|n)=\tilde{y}\left(n\right|n-1)-K\left(n\right)w\left(n\right),$ 公式(1-14)

然后由公式(1-13)得到滤波误差的协方差为：

$R_y\left(n\right|n)=\[1-K\left(n\right)H\left(n\right)\]R_y\left(n\right|n-1),$ 公式(1-15)

在将公式(1-13)带入公式(1-15)，误差的协方差矩阵也被称为后验协方差，在n时刻，可在初始条件为R_y(n-1|n-1)的条件下确定先验预测误差协方差并完成递归计算，可有公式(1-12)得到n时刻的预测误差为：

R_y(n|n-1)＝A(n-1)R_y(n-1|n-1)A^H(n-1)+B(n)R_η(n)B^H(n)公式(1-16)，

根据以上计算公式，得到磁记忆检测信号的算法公式

$\stackrel{\‾}{y}\left(n\right|n)=\stackrel{\‾}{y}\left(n\right|n-1)+K\left(n\right)\{x\left(n\right)-H\left(n\right)\stackrel{\‾}{y}\left(n\right|n-1)\}$ 和系统滤波误差公式R_y(n|n)＝[1-K(n)H(n)]R_y(n|n-1)。