CN112034036B - 钢轨漏磁信号滤波方法及装置 - Google Patents

钢轨漏磁信号滤波方法及装置 Download PDF

Info

Publication number
CN112034036B
CN112034036B CN202011110935.7A CN202011110935A CN112034036B CN 112034036 B CN112034036 B CN 112034036B CN 202011110935 A CN202011110935 A CN 202011110935A CN 112034036 B CN112034036 B CN 112034036B
Authority
CN
China
Prior art keywords
steel rail
detected
leakage signal
channel
magnetic leakage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011110935.7A
Other languages
English (en)
Other versions
CN112034036A (zh
Inventor
张玉华
熊龙辉
石永生
王平
马运忠
邱增集
李培
钟艳春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
China Academy of Railway Sciences Corp Ltd CARS
China State Railway Group Co Ltd
Infrastructure Inspection Institute of CARS
Beijing IMAP Technology Co Ltd
Original Assignee
Nanjing University of Aeronautics and Astronautics
China Academy of Railway Sciences Corp Ltd CARS
China State Railway Group Co Ltd
Infrastructure Inspection Institute of CARS
Beijing IMAP Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics, China Academy of Railway Sciences Corp Ltd CARS, China State Railway Group Co Ltd, Infrastructure Inspection Institute of CARS, Beijing IMAP Technology Co Ltd filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202011110935.7A priority Critical patent/CN112034036B/zh
Publication of CN112034036A publication Critical patent/CN112034036A/zh
Application granted granted Critical
Publication of CN112034036B publication Critical patent/CN112034036B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
    • G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
    • G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
    • G01N27/85—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields using magnetographic methods
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
    • B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
    • B61K9/08—Measuring installations for surveying permanent way
    • B61K9/10—Measuring installations for surveying permanent way for detecting cracks in rails or welds thereof

Landscapes

  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)

Abstract

本发明公开了一种钢轨漏磁信号滤波方法及装置，该方法包括：确定待检测钢轨纵向传感器的阵列间距，待检测钢轨纵向传感器的阵列为钢轨顶面处平行于钢轨延伸方向的等间距放置的多个霍尔传感器；根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号；根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号；利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，以获取待检测钢轨纵向传感器阵列的每个通道的滤波结果。本发明可以对待检测钢轨纵向传感器阵列的漏磁信号实现最优滤波，滤波效果较好。

Description

钢轨漏磁信号滤波方法及装置
技术领域
本发明涉及铁路钢轨检测技术领域，尤其涉及一种钢轨漏磁信号滤波方法及装置。
背景技术
铁路钢轨由于长期服役，受到列车重复动载荷作用，在轮对作用的钢轨轨距角处会产生接触疲劳裂纹。漏磁检测技术因其传感器结构简单、检测灵敏度高、非接触、对工件表面清洁度要求不高等特点，非常适用于钢轨表面裂纹的高速巡检。钢轨漏磁检测设备在采集和传输漏磁信号的过程中，由于机车振动、信号漂移、工频干扰、白噪声干扰等情况的发生，使得其采集到的钢轨顶面缺陷漏磁信号都带有噪声、振动等干扰，而且干扰信号与缺陷信号频谱重叠，幅值相近，会使得微小缺陷的漏磁信号淹没在噪声中，最终导致漏磁信号特征提取困难。
由于干扰信号与缺陷信号的特点，频域滤波和卡尔曼滤波都不适用于该漏磁信号的滤波，但是自适应滤波器在干扰信号和缺陷信号的统计特性未知或难以获知的情况下，依然能够实现对带噪信号的滤波。然而，采用自适应滤波方法需要获得不含有缺陷信息的纯噪声信号作为参考信号才能对漏磁信号进行有效滤波，而在实际钢轨巡检中，传感器阵列中每个传感器所测漏磁信号都有可能含有缺陷信息，若采用自适应滤波的方法，就必须构建出合理的虚拟通道作为参考信号，才能对多通道传感器阵列的漏磁信号实现最优滤波，现有技术目前并无此类方法。
发明内容
本发明实施例提供一种钢轨漏磁信号滤波方法，用以对待检测钢轨纵向传感器阵列的漏磁信号实现最优滤波，滤波效果较好，该方法包括：
确定待检测钢轨纵向传感器的阵列间距，所述待检测钢轨纵向传感器的阵列为钢轨顶面处平行于钢轨延伸方向的等间距放置的多个霍尔传感器；
根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号；
根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号；
利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，以获取待检测钢轨纵向传感器阵列的每个通道的滤波结果。
本发明实施例还提供一种钢轨漏磁信号滤波装置，用以对待检测钢轨纵向传感器阵列的漏磁信号实现最优滤波，滤波效果较好，该装置包括：
阵列间距确定模块，用于确定待检测钢轨纵向传感器的阵列间距，所述待检测钢轨纵向传感器的阵列为钢轨顶面处平行于钢轨延伸方向的等间距放置的多个霍尔传感器；
漏磁信号采集模块，用于根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号；
参考信号构建模块，用于根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号；
滤波模块，用于利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，以获取待检测钢轨纵向传感器阵列的每个通道的滤波结果。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明实施例中，通过确定待检测钢轨纵向传感器的阵列间距，并根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号，再根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号，最终利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，即可获取待检测钢轨纵向传感器阵列的每个通道的滤波结果，在此过程中，根据钢轨顶面的漏磁信号构建出了自适应滤波参考信号，可以对待检测钢轨纵向传感器阵列的漏磁信号实现最优滤波，滤波效果较好。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中钢轨漏磁信号滤波方法的流程图一；
图2为本发明实施例中钢轨漏磁信号滤波方法的流程图二；
图3为本发明实施例中钢轨漏磁信号滤波装置的结构示意图一；
图4为本发明实施例中钢轨漏磁信号滤波装置的结构示意图二；
图5为本发明实施例中基于纵向传感器阵列的钢轨顶面缺陷示意图；
图6为本发明实施例中最大目标矩形槽缺陷Hx与Hy分量漏磁场强度示意图；
图7为本发明实施例中构建虚拟通道算法流程图；
图8为本发明实施例中单通道自适应滤波结构图；
图9为本发明实施例中多通道自适应滤波结构图；
图10为本发明实施例中实施例1中原始漏磁信号的滤波结果示意图；
图11为本发明实施例中实施例1中通道1信号滤波结果示意图；
图12为本发明实施例中实施例1中通道2信号滤波结果示意图；
图13为本发明实施例中实施例2中原始漏磁信号的滤波结果示意图；
图14为本发明实施例中实施例2中通道1信号滤波结果示意图；
图15为本发明实施例中实施例2中通道2信号滤波结果示意图；
图16为本发明实施例计算机设备示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
图1为本发明实施例提供的一种钢轨漏磁信号滤波方法的流程图一，如图1所示，该方法包括：
步骤101、确定待检测钢轨纵向传感器的阵列间距，所述待检测钢轨纵向传感器的阵列为钢轨顶面处平行于钢轨延伸方向的等间距放置的多个霍尔传感器。
在实施例中，纵向传感器阵列为钢轨顶面处平行于钢轨延伸方向的等间距放置的多个霍尔传感器，相邻传感器的间距为d，且d值较小，其背景磁场相近，噪声信号电压输出幅值也相近，所以其采集的磁场信号的噪声同步而缺陷漏磁信号在相位上产生差异。具体应用时，可以通过理论公式计算矩形槽缺陷漏磁场Hx、Hy分量的宽度，从而确定完全分离两个缺陷漏磁信号情况下的传感器最优间距，使得在钢轨缺陷检测时，采集的多通道漏磁信号具有纯噪声信号必定存在于某一通道的特点，这为噪声通道重构提供理想原始漏磁信号，其中，基于纵向传感器阵列的钢轨顶面缺陷示意图可参见图5。
具体实施时，纵向传感器的阵列间距的大小设置因检测漏磁场不同方向分量而异，对于检测漏磁场Hx分量和Hy分量的多个霍尔传感器，其间距的设置方法分别如下；
(1)对于检测漏磁场Hx分量的多个霍尔传感器，其间距设置方法如下：
根据磁偶极子模型，矩形槽缺陷截面的漏磁场强度Hx分量，满足如下公式：
其中，x和y分别为检测点的水平方向X和垂直方向Y的坐标，σs为缺陷侧面的面磁荷密度，矩形槽缺陷的截面尺寸为2a×b，2a为缺陷宽度，b为缺陷深度，y设置为固定值h，其表示传感器的提离高度，Ha为外加磁场强度，μ为材料相对磁导率。由Hx(x,y)得出Hx分量的缺陷漏磁信号宽度为l1，为满足每个时段都有某一传感器扫描时不经过缺陷，其输出信号为背景噪声，传感器的间距d必需满足d≥l1，考虑到传感器间距越小，背景噪声越接近，可取d＝l1。
(2)对于检测漏磁场Hy分量的多个霍尔传感器，其间距设置方法如下：
根据磁偶极子模型，矩形槽缺陷截面的漏磁场强度Hy分量，满足如下公式：
其中，x和y分别为检测点的水平方向X和垂直方向Y的坐标，σs为缺陷侧面的面磁荷密度，矩形槽缺陷的截面尺寸为2a×b，2a为缺陷宽度，b为缺陷深度，y设置为固定值h，其表示传感器的提离高度，Ha为外加磁场强度，μ为材料相对磁导率。由Hy(x,y)得出Hy分量的缺陷漏磁信号宽度为l2，为满足每个时段都有某一传感器扫描时不经过缺陷，其输出信号为背景噪声，传感器的间距d必需满足d≥l2，考虑到传感器间距越小，背景噪声越接近，可取d＝l2。
步骤102、根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号。
具体实施时，利用n路多个霍尔传感器阵列采集钢轨顶面伤损漏磁信号，进行信号调理放大处理后采集，转化为数字信号；单路多个霍尔传感器采集到的漏磁信号为其中，/>为第i路通道第1个采样点，/>为第i路通道第2个采样点，/>为第i路通道第j个采样点，/>为第i路通道第M个采样点，M为每个多个霍尔传感器的数据点数。由n路多个霍尔传感器采集到的漏磁信号构成漏磁信号矩阵X＝(X1,X2,...,Xi,...,Xn)，其中，X1为第1路通道采集到的数据向量，X2为第2路通道采集到的数据向量，Xi为第i路通道采集到的数据向量，Xn为第n路通道采集到的数据向量。
步骤103、根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号。
具体实施时，根据漏磁信号对每个通道漏磁信号/>进行等间距(间距为m个采样点)划分为N个数据段xj(i),(j＝1,2,…,n；i＝1,2,…,N)，则X被划分为N个m×n矩阵，遍历每个m×n矩阵，从中找出作为虚拟通道的一个m×1数据段，记为Y(i),(i＝1,2,…,N)，Y(i)为第i个m×n矩阵选取出的数据段。再将找出的N个数据段拼接构成与原始单通道数据长度相等的虚拟噪声通道Y＝(Y(1),Y(2),...，,Y(i),...,Y(N))T；
步骤103利用原始漏磁信号构建参考信号，以纵向双通道漏磁信号构建虚拟通道为例，如图7所示，具体包括如下步骤：
步骤1：输入通道1和通道2传感器漏磁信号M×1的矩阵X1和X2，其中M代表总体采样点，并初始化时刻i＝1；
步骤2：将X1分成长度为m，数量为的数据段x1(i),(i＝1,2,…,N)。将X2分成长度为m，数量为/>的数据段x2(i),(i＝1,2,…,N)。(数学符号/>意为向上取整。)；
步骤3：计算每个相对应数据段x1(i)与x2(i)的相关性ρ(i),(i＝1,2,…,N)，ρ(i)描述x1(i)和x2(i)局部相关性，其计算公式为：
式中，x1和x2分别是两个漏磁信号，为求x1的标准差，/>为求x2的标准差，E(·)为求均值，/>反映数据间的相关程度；
步骤4：判断ρ(i)是否小于等于阈值。如果是，则取前通道数据段x1(i)作为虚拟通道Y(i)部分，否则执行步骤5；
步骤5：分别计算x1(i)和x2(i)均方根值RMSx，均方根值RMSx的计算公式为式(1)，比较二者大小，如果取通道1数据段x1(i)作为虚拟通道Y(i)部分，否则取通道2数据段x2(i)作为虚拟通道Y(i)部分；
其中，xi为局部漏磁信号，n为该漏磁信号采样点数，RMSx反映漏磁信号总体幅值大小。
步骤6：判断i是否大于等于N。如果是，则执行输出完整的虚拟通道Y，并结束，否则，i＝i+1，执行步骤3。
步骤104、利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，以获取待检测钢轨纵向传感器阵列的每个通道的滤波结果。本发明实施例中单通道自适应滤波结构图可参见图8，本发明实施例中多通道自适应滤波结构图可参见图9。
具体实施时，将上述漏磁信号的每一个通道/>作为自适应滤波的输入信号，并将步骤103中所得虚拟通道Y作为自适应滤波器的参考信号，对漏磁信号/>逐一进行单通道线滤波，最后实现整个漏磁信号矩阵X的面滤波，得出待检测钢轨纵向传感器阵列的每个通道的滤波结果。
本发明实施例提供的钢轨漏磁信号滤波方法，通过确定待检测钢轨纵向传感器的阵列间距，并根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号，再根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号，最终利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，即可获取待检测钢轨纵向传感器阵列的每个通道的滤波结果，在此过程中，根据钢轨顶面的漏磁信号构建出了自适应滤波参考信号，可以对待检测钢轨纵向传感器阵列的漏磁信号实现最优滤波，滤波效果较好。
图2为本发明实施例提供的一种钢轨漏磁信号滤波方法的流程图二，如图2所示，根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号之后，所述方法还包括：
步骤201、对待检测钢轨顶面的漏磁信号进行去噪处理。
具体地，对待检测钢轨顶面的漏磁信号进行去噪处理，包括：
计算待检测钢轨顶面的漏磁信号的信噪比和均方根误差；
根据待检测钢轨顶面的漏磁信号的信噪比和均方根误差，确定小波参数；
根据小波参数对待检测钢轨顶面的漏磁信号进行小波去噪处理。
其中，多个霍尔传感器采集钢轨顶面的漏磁信号之后会构成漏磁信号矩阵X，由漏磁信号矩阵X经过小波去噪后得到漏磁信号矩阵钢轨顶面的漏磁信号的信噪比和均方根误差的计算公式如下：
其中，SNR为漏磁信号的信噪比，RMSE为漏磁信号的均方根误差，x(i)为原始纯净漏磁信号，为去噪后漏磁信号，m为某通道漏磁信号的采样点数。
在本发明实施例中，为了清楚、准确地采集到待检测钢轨顶面的漏磁信号，钢轨顶面的漏磁信号据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号之前，所述方法还包括：
对待检测钢轨顶面的漏磁信号进行调理与放大处理。
下面分别以检测漏磁场Hx分量的多个霍尔传感器和检测漏磁场Hy分量的多个霍尔传感器为例对本发明进行说明：
实施例1
1、确定待检测钢轨纵向传感器的阵列间距：
对于检测漏磁场Hx分量的多个霍尔传感器，其间距设置方法如下：
根据磁偶极子模型，矩形槽缺陷截面的漏磁场强度Hx分量，满足以下公式：
其中，x和y分别为检测点的水平方向X和垂直方向Y的坐标，σs为缺陷侧面的面磁荷密度，矩形槽缺陷的截面尺寸为2a×b，2a为缺陷宽度，b为缺陷深度，y设置为固定值h，其表示传感器的提离高度，Ha为外加磁场强度，μ为材料相对磁导率。
设置最大目标矩形槽缺陷尺寸2a×b为3mm×10mm，传感器提离h为1mm，σs/2π归一化取为1A·m-1(其值与漏磁信号宽度无关)。根据Hx(x,y)计算式得出矩形槽缺陷Hx分量漏磁场强度如图6所示，横坐标x＝0mm处为矩形槽缺陷中心位置，取缺陷漏磁场强度最小值间距l1＝15mm为漏磁信号宽度，此时当两个最大目标矩形缺陷在位置上相距15mm时，缺陷信号可以明显区分互不干扰。传感器的间距d必需满足d≥l1，考虑到传感器间距越小，背景噪声越接近，取d＝l1＝15mm。
2、根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号：
利用2路多个霍尔传感器采集钢轨顶面伤损漏磁信号，进行信号调理放大处理后采集，并转化为数字电压信号；单路多个霍尔传感器采集到的漏磁信号为其中，/>为第i路通道第1个采样点，/>为第i路通道第2个采样点，/>为第i路通道第j个采样点，采样点数为2000个。由2路多个霍尔传感器采集到的漏磁信号构成漏磁信号矩阵X＝(X1,X2)。
3、对待检测钢轨顶面的漏磁信号进行去噪处理：
基于小波滤波算法对钢轨漏磁信号进行第一次滤波，分别计算钢轨顶面漏磁检测数据的信噪比和均方根误差，最终选用的小波基是sym6小波，并进行10层小波分解，软阈值法对钢轨顶面漏磁检测数据进行滤波，由漏磁信号矩阵X经过小波去噪后得到漏磁信号
4、根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号：
根据3所得漏磁信号对每个通道漏磁信号/>进行等间距(间距设置为30个采样点)划分为67个数据段xj(i),(j＝1,2；i＝1,2,…,67)，则X被划分为67个30×2矩阵，遍历每个30×2矩阵，从中找出作为虚拟通道的一个30×1数据段，记为Y(i),(i＝1,2,…,67)，Y(i)为第i个30×2矩阵选取出的数据段。再将找出的67个数据段拼接构成与原始单通道数据长度相等的虚拟噪声通道Y＝(Y(1),Y(2),...，,Y(i),...,Y(67))T；具体包括如下步骤：
步骤4-1：输入通道1和通道2传感器漏磁信号2000×1的矩阵X1和X2，其中M代表总体采样点，并初始化时刻i＝1；
步骤4-2：将X1分成长度为30，数量为N＝67的数据段x1(i),(i＝1,2,…,67)。将X2分成长度为30，数量为67的数据段x2(i),(i＝1,2,…,67)；
步骤4-3：计算每个相对应数据段x1(i)与x2(i)的相关性ρ(i),(i＝1,2,…,N)，ρ(i)描述x1(i)和x2(i)局部相关性，其计算公式为：
式中，x1和x2分别是两个漏磁信号，为求x1的标准差，/>为求x2的标准差，E(·)为求均值，/>反映数据间的相关程度；
步骤4-4：判断ρ(i)是否小于等于阈值。如果是，则取前通道数据段x1(i)作为虚拟通道Y(i)部分，否则执行步骤3-5；
步骤4-5：分别计算x1(i)和x2(i)均方根值RMSx，均方根值RMSx的计算公式为式(1)，比较二者大小，如果取通道1数据段x1(i)作为虚拟通道Y(i)部分，否则取通道2数据段x2(i)作为虚拟通道Y(i)部分；
其中xi为局部漏磁信号，n为该漏磁信号采样点数，RMSx反映漏磁信号总体幅值大小；
步骤4-6：判断i是否大于等于N。如果是，则执行输出完整的虚拟通道Y，并结束，否则，i＝i+1，执行步骤4-3；
5：基于自适应滤波算法对钢轨漏磁信号进行滤波；
将步骤3中所得漏磁信号的每一个通道/>作为自适应滤波的输入信号，将步骤4中所得虚拟通道Y作为自适应滤波器的参考信号，对漏磁信号/>逐一进行单通道线滤波，最后实现整个漏磁信号X的面滤波，得出纵向传感器阵列每个通道的漏磁信号滤波结果；原始信号、通道1和通道2自适应滤波结果分别如图10、图11、图12所示。
实施例2
对于检测漏磁场Hy分量的多个霍尔传感器，其间距设置方法如下：
根据磁偶极子模型，矩形槽缺陷截面的漏磁场强度Hy分量，满足以下公式：
其中，x和y分别为检测点的水平方向X和垂直方向Y的坐标，σs为缺陷侧面的面磁荷密度，矩形槽缺陷的截面尺寸为2a×b，2a为缺陷宽度，b为缺陷深度，y设置为固定值h，其表示传感器的提离高度，Ha为外加磁场强度，μ为材料相对磁导率。
设置最大目标矩形槽缺陷尺寸2a×b为3mm×10mm，传感器提离h为1mm，σs/2π归一化取为1A·m-1(其值与漏磁信号宽度无关)。根据Hx(x,y)计算式得出矩形槽缺陷Hy分量漏磁场强度如图6所示，横坐标x＝0mm处为矩形槽缺陷中心位置，取缺陷漏磁场强度下降到峰值的10％时的两端间距l2＝24mm为漏磁信号宽度，此时当两个最大目标矩形缺陷在位置上相距24mm时，缺陷信号可以明显区分互不干扰。传感器的间距d必需满足d≥l2，考虑到传感器间距越小，背景噪声越接近，取d＝l2＝24mm；
2、根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号：
利用2路多个霍尔传感器采集钢轨顶面伤损漏磁信号，进行信号调理放大处理后采集，并转化为数字电压信号；单路多个霍尔传感器采集到的漏磁信号为其中，/>为第i路通道第1个采样点，/>为第i路通道第2个采样点，/>为第i路通道第j个采样点，采样点数为4400个。由2路多个霍尔传感器采集到的漏磁信号构成漏磁信号矩阵X＝(X1,X2)。
3、对待检测钢轨顶面的漏磁信号进行去噪处理：
基于小波滤波算法对钢轨漏磁信号进行第一次滤波，分别计算钢轨顶面漏磁检测数据的信噪比和均方根误差，最终选用的小波基是sym6小波，并进行10层小波分解，软阈值法对钢轨顶面漏磁检测数据进行滤波，由漏磁信号矩阵X经过小波去噪后得到漏磁信号矩阵
4、根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号：
根据步骤3所得漏磁信号对每个通道漏磁信号/>进行等间距(间距设置为50个采样点)划分为88个数据段xj(i),(j＝1,2；i＝1,2,…,88)，则X被划分为88个50×2矩阵，遍历每个50×2矩阵，从中找出作为虚拟通道的一个50×1数据段，记为Y(i),(i＝1,2,…,88)，Y(i)为第i个50×2矩阵选取出的数据段。再将找出的88个数据段拼接构成与原始单通道数据长度相等的虚拟噪声通道Y＝(Y(1),Y(2),...，,Y(i),...,Y(88))T；具体包括如下步骤：
步骤4-1：输入通道1和通道2传感器漏磁信号4400×1的矩阵X1和X2，其中，M代表总体采样点，并初始化时刻i＝1；
步骤4-2：将X1分成长度为50，数量N＝88的数据段x1(i),(i＝1,2,…,67)。将X2分成长度为50，数量N＝88的数据段x2(i),(i＝1,2,…,67)。
步骤4-3：计算每个相对应数据段x1(i)与x2(i)的相关性ρ(i),(i＝1,2,…,N)，ρ(i)描述x1(i)和x2(i)局部相关性，其计算公式为：
式中，x1和x2分别是两个漏磁信号，为求x1的标准差，/>为求x2的标准差，E(·)为求均值，/>反映数据间的相关程度；
步骤4-4：判断ρ(i)是否小于等于阈值。如果是，则取前通道数据段x1(i)作为虚拟通道Y(i)部分，否则执行步骤3-5；
步骤4-5：分别计算x1(i)和x2(i)均方根值RMSx，均方根值RMSx的计算公式为式(1)，比较二者大小，如果取通道1数据段x1(i)作为虚拟通道Y(i)部分，否则取通道2数据段x2(i)作为虚拟通道Y(i)部分；
其中xi为局部漏磁信号，n为该漏磁信号采样点数，RMSx反映漏磁信号总体幅值大小；
步骤4-6：判断i是否大于等于N。如果是，则执行输出完整的虚拟通道Y，并结束，否则，i＝i+1，执行步骤4-3；
5、利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，以获取待检测钢轨纵向传感器阵列的每个通道的滤波结果：
将步骤3中所得漏磁信号的每一个通道/>作为自适应滤波的输入信号，将步骤4中所得虚拟通道Y作为自适应滤波器的参考信号，对漏磁信号/>逐一进行单通道线滤波，最后实现整个漏磁信号X的面滤波，得出纵向传感器阵列每个通道的漏磁信号滤波结果；通道1和通道2自适应滤波结果分别如图13、图14、图15所示。
基于同一发明构思，本发明实施例中还提供了一种钢轨漏磁信号滤波装置，如下面的实施例所述。由于钢轨漏磁信号滤波装置解决问题的原理与钢轨漏磁信号滤波方法相似，因此，钢轨漏磁信号滤波装置的实施可以参见钢轨漏磁信号滤波方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3为本发明实施例提供的一种钢轨漏磁信号滤波装置的结构示意图一，如图3所示，该装置包括：
阵列间距确定模块301，用于确定待检测钢轨纵向传感器的阵列间距，所述待检测钢轨纵向传感器的阵列为钢轨顶面处平行于钢轨延伸方向的等间距放置的多个霍尔传感器；
漏磁信号采集模块302，用于根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号；
参考信号构建模块303，用于根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号；
滤波模块304，用于利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，以获取待检测钢轨纵向传感器阵列的每个通道的滤波结果。
图4为本发明实施例提供的一种钢轨漏磁信号滤波装置的结构示意图二，如图4所示，所述装置还包括：
去噪处理模块401，用于对待检测钢轨顶面的漏磁信号进行去噪处理。
在本发明实施例中，去噪处理模块401进一步用于：
计算待检测钢轨顶面的漏磁信号的信噪比和均方根误差；
根据待检测钢轨顶面的漏磁信号的信噪比和均方根误差，确定小波参数；
根据小波参数对待检测钢轨顶面的漏磁信号进行小波去噪处理。
在本发明实施例中，所述装置还包括：
调理与放大处理模块，用于对待检测钢轨顶面的漏磁信号进行调理与放大处理。
为了实现上述目的，根据本申请的另一方面，还提供了一种计算机设备。如图16所示，该计算机设备包括存储器、处理器、通信接口以及通信总线，在存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例方法中的步骤。
处理器可以为中央处理器(Central Processing Unit，CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及单元，如本发明上述方法实施例中对应的程序单元。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及作品数据处理，即实现上述方法实施例中的方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个单元存储在所述存储器中，当被所述处理器执行时，执行上述实施例中的方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
综上，本发明的有益效果包括：
1、本发明能够在缺陷漏磁信号频谱和噪声频谱重叠，以难以获取缺陷信号与干扰信号的先验统计特性的情况下，有效抑制噪声，该滤波方法能够提高信噪比，显著改善信号质量，滤波后信号更易于特征提取。
2、本发明的自适应滤波方法是基于纵向传感器阵列的，通过理论公式计算矩形槽缺陷漏磁场Hx、Hy分量的宽度，从而确定完全分离两个缺陷漏磁信号情况下的传感器最优间距，使得在钢轨缺陷检测时，采集的多通道漏磁信号具有纯噪声信号必定存在于某一通道的特点，这为噪声通道重构提供理想原始漏磁信号。
3、本发明使用的自适应滤波方法根据漏磁信号的特点，提出纵向传感器阵列的噪声通道重构算法，能够构建出一个只含有噪声信息而不含缺陷信息的虚拟通道作为参考信号，满足自适应滤波噪声抵消器的参考信号选取原则，从而得到良好的滤波效果，显著改善信噪比。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种钢轨漏磁信号滤波方法，其特征在于，包括：
确定待检测钢轨纵向传感器的阵列间距，所述待检测钢轨纵向传感器的阵列为钢轨顶面处平行于钢轨延伸方向的等间距放置的多个霍尔传感器；
根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号；
根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号；
利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，以获取待检测钢轨纵向传感器阵列的每个通道的滤波结果；其中，一个待检测钢轨纵向传感器采集的数据为一个通道采集的数据；
其中，根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号，包括：
根据漏磁信号对每个通道漏磁信号/>进行等间距划分为N个数据段xj(i),(j＝1,2,…,n；i＝1,2,…,N)，l为整数，l表示通道数，则/>被划分为N个m×n矩阵，遍历每个m×n矩阵，从中找出作为虚拟通道的一个m×1数据段，记为Y(i),(i＝1,2,…,N)，Y(i)为第i个m×n矩阵选取出的数据段，再将找出的N个数据段拼接构成与原始单通道数据长度相等的虚拟通道Y＝(Y(1),Y(2),...，,Y(i),...,Y(N))T，具体包括如下步骤：
步骤1：输入通道1和通道2传感器漏磁信号M×1的矩阵X1和X2，其中M代表总体采样点，并初始化i＝1；
步骤2：将X1分成长度为m，数量为的数据段x1(i),(i＝1,2,…,N)，将X2分成长度为m，数量为/>的数据段x2(i),(i＝1,2,…,N)；
步骤3：计算每个相对应数据段x1(i)与x2(i)的相关性ρ(i),(i＝1,2,…,N)，ρ(i)描述x1(i)和x2(i)局部相关性，其计算公式为：
式中，x1和x2分别是两个漏磁信号，为求x1的标准差，/>为求x2的标准差，E(·)为求均值，/>反映x1和x2数据间的相关性；
步骤4：判断ρ(i)是否小于等于阈值，如果是，则取前通道数据段x1(i)作为虚拟通道Y(i)部分，否则执行步骤5；
步骤5：按如下公式，分别计算x1(i)、x2(i)的均方根值比较二者大小，如果/>取通道1数据段x1(i)作为虚拟通道Y(i)部分，否则取通道2数据段x2(i)作为虚拟通道Y(i)部分；
其中，xi为局部漏磁信号，n为该漏磁信号采样点数，RMSx反映漏磁信号总体幅值大小;
步骤6：判断i是否大于等于N，如果是，则执行输出完整的虚拟通道Y，并结束，否则，另i＝i+1，执行步骤3；
其中，利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，以获取待检测钢轨纵向传感器阵列的每个通道的滤波结果，包括：
以虚拟通道Y作为自适应滤波器的参考信号，对漏磁信号逐一进行单通道线滤波，实现整个漏磁信号矩阵的面滤波。
2.如权利要求1所述的方法，其特征在于，根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号之后，所述方法还包括：
对待检测钢轨顶面的漏磁信号进行去噪处理。
3.如权利要求2所述的方法，其特征在于，对待检测钢轨顶面的漏磁信号进行去噪处理，包括：
计算待检测钢轨顶面的漏磁信号的信噪比和均方根误差；
根据待检测钢轨顶面的漏磁信号的信噪比和均方根误差，确定小波参数；
根据小波参数对待检测钢轨顶面的漏磁信号进行小波去噪处理。
4.如权利要求1所述的方法，其特征在于，据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号之前，所述方法还包括：
对待检测钢轨顶面的漏磁信号进行调理与放大处理。
5.一种钢轨漏磁信号滤波装置，其特征在于，包括：
阵列间距确定模块，用于确定待检测钢轨纵向传感器的阵列间距，所述待检测钢轨纵向传感器的阵列为钢轨顶面处平行于钢轨延伸方向的等间距放置的多个霍尔传感器；
漏磁信号采集模块，用于根据待检测钢轨纵向传感器的阵列间距，利用多个霍尔传感器采集待检测钢轨顶面的漏磁信号；
参考信号构建模块，用于根据待检测钢轨顶面的漏磁信号构建自适应滤波参考信号；
滤波模块，用于利用自适应滤波参考信号对钢轨顶面的漏磁信号进行滤波，以获取待检测钢轨纵向传感器阵列的每个通道的滤波结果；其中，一个待检测钢轨纵向传感器采集的数据为一个通道采集的数据；
其中，参考信号构建模块具体用于：
根据漏磁信号对每个通道漏磁信号/>进行等间距划分为N个数据段xj(i),(j＝1,2,…,n；i＝1,2,…,N)，l为整数，l表示通道数，则/>被划分为N个m×n矩阵，遍历每个m×n矩阵，从中找出作为虚拟通道的一个m×1数据段，记为Y(i),(i＝1,2,…,N)，Y(i)为第i个m×n矩阵选取出的数据段，再将找出的N个数据段拼接构成与原始单通道数据长度相等的虚拟通道Y＝(Y(1),Y(2),...，,Y(i),...,Y(N))T，具体包括如下步骤：
步骤1：输入通道1和通道2传感器漏磁信号M×1的矩阵X1和X2，其中M代表总体采样点，并初始化i＝1；
步骤2：将X1分成长度为m，数量为的数据段i1(i),(i＝1,2,…,N)，将X2分成长度为m，数量为/>的数据段x2(i),(i＝1,2,…,N)；
步骤3：计算每个相对应数据段x1(i)与x2(i)的相关性ρ(i),(i＝1,2,…,N)，ρ(i)描述x1(i)和x2(i)局部相关性，其计算公式为：
式中，x1和x2分别是两个漏磁信号，为求x1的标准差，/>为求x2的标准差，E(·)为求均值，/>反映x1和x2数据间的相关性；
步骤4：判断ρ(i)是否小于等于阈值，如果是，则取前通道数据段x1(i)作为虚拟通道Y(i)部分，否则执行步骤5；
步骤5：按如下公式，分别计算x1(i)、x2(i)的均方根值比较二者大小，如果/>取通道1数据段x1(i)作为虚拟通道Y(i)部分，否则取通道2数据段x2(i)作为虚拟通道Y(i)部分；
其中，xi为局部漏磁信号，n为该漏磁信号采样点数，RMSx反映漏磁信号总体幅值大小;
步骤6：判断i是否大于等于N，如果是，则执行输出完整的虚拟通道Y，并结束，否则，另i＝i+1，执行步骤3；
其中，滤波模块具体用于：
以虚拟通道Y作为自适应滤波器的参考信号，对漏磁信号逐一进行单通道线滤波，实现整个漏磁信号矩阵的面滤波。
6.如权利要求5所述的装置，其特征在于，所述装置还包括：
去噪处理模块，用于对待检测钢轨顶面的漏磁信号进行去噪处理。
7.如权利要求6所述的装置，其特征在于，去噪处理模块进一步用于：
计算待检测钢轨顶面的漏磁信号的信噪比和均方根误差；
根据待检测钢轨顶面的漏磁信号的信噪比和均方根误差，确定小波参数；
根据小波参数对待检测钢轨顶面的漏磁信号进行小波去噪处理。
8.如权利要求5所述的装置，其特征在于，所述装置还包括：
调理与放大处理模块，用于对待检测钢轨顶面的漏磁信号进行调理与放大处理。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至4任一所述方法。
CN202011110935.7A 2020-10-16 2020-10-16 钢轨漏磁信号滤波方法及装置 Active CN112034036B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011110935.7A CN112034036B (zh) 2020-10-16 2020-10-16 钢轨漏磁信号滤波方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011110935.7A CN112034036B (zh) 2020-10-16 2020-10-16 钢轨漏磁信号滤波方法及装置

Publications (2)

Publication Number Publication Date
CN112034036A CN112034036A (zh) 2020-12-04
CN112034036B true CN112034036B (zh) 2023-11-17

Family

ID=73573057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011110935.7A Active CN112034036B (zh) 2020-10-16 2020-10-16 钢轨漏磁信号滤波方法及装置

Country Status (1)

Country Link
CN (1) CN112034036B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113671018B (zh) * 2021-08-10 2023-05-09 南京航空航天大学 一种用于抑制钢轨漏磁检测提离干扰的滤波方法
CN115047060B (zh) * 2022-05-23 2023-06-20 中国矿业大学 一种管道焊缝缺陷漏磁信号的剥离方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5619647A (en) * 1994-09-30 1997-04-08 Tandem Computers, Incorporated System for multiplexing prioritized virtual channels onto physical channels where higher priority virtual will pre-empt a lower priority virtual or a lower priority will wait
CN1928543A (zh) * 2006-09-15 2007-03-14 哈尔滨工业大学深圳研究生院 基于霍尔传感器阵列的钢丝绳无损检测方法及检测装置
CN103267905A (zh) * 2013-04-25 2013-08-28 北京航空航天大学 一种基于分层-聚类算法的电磁背景噪声提取方法
CN103398295A (zh) * 2013-07-04 2013-11-20 东北大学 一种管道漏磁信号数据压缩装置及方法
CN103997315A (zh) * 2014-05-16 2014-08-20 东北大学 一种管道漏磁信号自适应滤波装置及方法
CN104731307A (zh) * 2013-12-20 2015-06-24 孙伯元 一种体感动作识别方法及人机交互装置
CN106274977A (zh) * 2016-07-27 2017-01-04 南京航空航天大学 一种触发式采集模式的直流漏磁检测系统及其方法
CN106645384A (zh) * 2016-09-23 2017-05-10 东北大学 一种管道漏磁内检测器数据的自适应滤波方法
CN107818335A (zh) * 2017-10-09 2018-03-20 南京航空航天大学 一种基于多分类器自适应加权的钢轨裂纹识别方法
CN107842713A (zh) * 2017-11-03 2018-03-27 东北大学 基于knn‑svr的海底管道漏磁数据缺失插补方法
CN108982650A (zh) * 2018-07-23 2018-12-11 南京航空航天大学 一种钢轨顶面伤损漏磁数据的自适应滤波方法
CN109632941A (zh) * 2019-01-08 2019-04-16 南京航空航天大学 一种抑制漏磁信号提离干扰的方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008108721A1 (en) * 2007-03-05 2008-09-12 Telefonaktiebolaget Lm Ericsson (Publ) Method and arrangement for controlling smoothing of stationary background noise
DE102009032100A1 (de) * 2009-07-03 2011-01-05 V & M Deutschland Gmbh Verfahren zur Filterung von Messsignalen
CN104514987B (zh) * 2014-12-19 2017-02-22 清华大学 管道三维漏磁成像缺陷量化方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5619647A (en) * 1994-09-30 1997-04-08 Tandem Computers, Incorporated System for multiplexing prioritized virtual channels onto physical channels where higher priority virtual will pre-empt a lower priority virtual or a lower priority will wait
CN1928543A (zh) * 2006-09-15 2007-03-14 哈尔滨工业大学深圳研究生院 基于霍尔传感器阵列的钢丝绳无损检测方法及检测装置
CN103267905A (zh) * 2013-04-25 2013-08-28 北京航空航天大学 一种基于分层-聚类算法的电磁背景噪声提取方法
CN103398295A (zh) * 2013-07-04 2013-11-20 东北大学 一种管道漏磁信号数据压缩装置及方法
CN104731307A (zh) * 2013-12-20 2015-06-24 孙伯元 一种体感动作识别方法及人机交互装置
CN103997315A (zh) * 2014-05-16 2014-08-20 东北大学 一种管道漏磁信号自适应滤波装置及方法
CN106274977A (zh) * 2016-07-27 2017-01-04 南京航空航天大学 一种触发式采集模式的直流漏磁检测系统及其方法
CN106645384A (zh) * 2016-09-23 2017-05-10 东北大学 一种管道漏磁内检测器数据的自适应滤波方法
CN107818335A (zh) * 2017-10-09 2018-03-20 南京航空航天大学 一种基于多分类器自适应加权的钢轨裂纹识别方法
CN107842713A (zh) * 2017-11-03 2018-03-27 东北大学 基于knn‑svr的海底管道漏磁数据缺失插补方法
CN108982650A (zh) * 2018-07-23 2018-12-11 南京航空航天大学 一种钢轨顶面伤损漏磁数据的自适应滤波方法
CN109632941A (zh) * 2019-01-08 2019-04-16 南京航空航天大学 一种抑制漏磁信号提离干扰的方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
A modified wavelet transform domain adaptive FIR filtering algorithm for removing the SPN in the MFL data;Wenhua Han 等;《Measurement》;全文 *
在线压缩感知方法及其在漏磁检测中的应用;张兰勇;陈辉煌;刘胜;Christos Papavassiliou;;仪器仪表学报(第07期);全文 *
基于相关系数的多变量异常数据段的检测;庞向坤;黄越;王振;余彦;高嵩;;控制工程(第01期);全文 *
基于轨面适应承载机构的钢轨表面缺陷的漏磁检测;白坚;王平;邹朋朋;;无损检测(第11期);全文 *
林春生,邓大新,龚沈光.平稳噪声背景下短时动态信号的自适应滤波.武汉理工大学学报(交通科学与工程版).2004,(第04期),全文. *
白坚 ; 王平 ; 邹朋朋 ; .基于轨面适应承载机构的钢轨表面缺陷的漏磁检测.无损检测.2017,(第11期),全文. *

Also Published As

Publication number Publication date
CN112034036A (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
Zhang et al. Acoustic emission detection of rail defect based on wavelet transform and Shannon entropy
CN112034036B (zh) 钢轨漏磁信号滤波方法及装置
CN107941899B (zh) 一种弱磁激励的钢丝绳探伤装置和探伤方法
CN108088799B (zh) 机动车尾气林格曼黑度的测量方法及系统
CN105205788B (zh) 一种针对高通量基因测序图像的去噪方法
CN109283248B (zh) 基于DBSCAN和k-means算法的板类结构多缺陷检测方法
CN103020906B (zh) 一种星敏感器白天测星图像的预处理方法
CN110514745B (zh) 一种基于多频声发射信号的缆索断丝位置确定的方法
CN109916488B (zh) 动态车辆称重方法及装置
Reddy et al. Comparative analysis of common edge detection algorithms using pre-processing technique
CN110837079B (zh) 一种基于雷达的目标检测方法及装置
Mokrzycki et al. Canny edge detection algorithm modification
KR20170040983A (ko) 다중 스케일 블록 영역 검출을 이용한 영상 잡음 제거 방법 및 장치
CN113436216A (zh) 基于Canny算子的电气设备红外图像边缘检测方法
CN109211138A (zh) 一种外形检测系统和方法
CN105911153B (zh) 一种基于移动窗函数的信号分离与去噪方法及装置
CN113643247A (zh) 一种强抖动下基于形态学滤波的钢丝绳断丝检测方法
CN109142530A (zh) 基于信息融合和椭圆成像的压力容器缺陷导波定位方法
CN108008398B (zh) 一种应用于激光雷达的计时方法及装置
Vignesh et al. Performance and Analysis of Edge detection using FPGA Implementation
CN109945075B (zh) 一种供水管道泄漏程度检测方法及装置
CN108982650A (zh) 一种钢轨顶面伤损漏磁数据的自适应滤波方法
KR20130053113A (ko) 원형 선재의 표면 결함 검출 방법 및 장치
CN105675731B (zh) 阵列式同发、同收超声波探头的检测信号增强方法
CN110542925B (zh) 一种基于峰值包络线的地震数据尖峰噪声识别及压制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant