CN112632457A - 一种小波包分解阀门内漏信号降噪方法、装置及系统 - Google Patents

一种小波包分解阀门内漏信号降噪方法、装置及系统 Download PDF

Info

Publication number
CN112632457A
CN112632457A CN202011470735.2A CN202011470735A CN112632457A CN 112632457 A CN112632457 A CN 112632457A CN 202011470735 A CN202011470735 A CN 202011470735A CN 112632457 A CN112632457 A CN 112632457A
Authority
CN
China
Prior art keywords
wavelet packet
noise
internal leakage
signal
decomposition
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.)
Pending
Application number
CN202011470735.2A
Other languages
English (en)
Inventor
吴畏
衣粟
张国庆
孙洪彬
王培东
姚东峰
宋天圣
张英杰
王海龙
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.)
Shandong Special Equipment Inspection Institute Co ltd
Original Assignee
Shandong Special Equipment Inspection Institute 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 Shandong Special Equipment Inspection Institute Co ltd filed Critical Shandong Special Equipment Inspection Institute Co ltd
Priority to CN202011470735.2A priority Critical patent/CN112632457A/zh
Publication of CN112632457A publication Critical patent/CN112632457A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/148—Wavelet transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明提出了一种小波包分解阀门内漏信号降噪方法，包括：获取含有噪声的管道阀门内漏信号；将含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数；根据小波包分解层数的奇偶性建立不同的小波包系数阈值模型，具体是：当分解层数j为奇数时，
Figure DDA0002833714720000011
当分解层数j为偶数时，
Figure DDA0002833714720000012
其中，T为小波包系数设定阈值，σn为噪声的标准偏差，N为信号采样的数目；根据经过阈值化处理后的小波包系数，重构阀门内漏信号，本发明还提出了一种小波包分解阀门内漏信号降噪装置及系统，有效的提高了阀门内漏信号降噪的稳定性，提高了阀门内漏信号检测的准确性以及可靠性。

Description

一种小波包分解阀门内漏信号降噪方法、装置及系统
技术领域
本发明涉及信号降噪领域，尤其是涉及一种小波包分解阀门内漏信号降噪方法、装置及系统。
背景技术
阀门作为管路系统的重要控制部件，在管道运输过程中发挥了巨大的作用。阀门状态良好时，管路系统才能保障正常运行。一旦管路阀门发生泄漏，将会对设备及系统的正常运行和指示带来巨大危害，尤其是一些关键管路阀门。
现阶段阀门内漏的声发射检测技术逐渐成为热点，并取得了良好的效果，但也存在一些不足，降噪问题就只其中之一，现有阀门内漏信号降噪一般是采用小波包降噪时，阈值选取一般选取
Figure BDA0002833714700000011
并不区分分解层数的奇偶性，仅进行偶数层或奇数层阈值处理，一方面造成阈值处理后重构的信号失真，另一方面，重构信号的稳定性也不高，不利于包含噪声信号的降噪，也不利于阀门内漏信号检测的准确性以及可靠性。
发明内容
本发明为了解决现有技术中存在的问题，创新提出了一种小波包分解阀门内漏信号降噪方法、装置及系统，有效解决由于现有小波包降噪阈值选取中仅考虑奇数层或偶数层造成阈值处理后重构的信号失真以及阀门内漏信号检测的准确性以及可靠性不高的问题，有效的提高了阀门内漏信号降噪的稳定性，提高了阀门内漏信号检测的准确性以及可靠性。
本发明第一方面提供了一种小波包分解阀门内漏信号降噪方法，包括：
获取含有噪声的管道阀门内漏信号；
将含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数；
根据小波包分解层数的奇偶性建立不同的小波包系数阈值模型，具体是：当分解层数j为奇数时，
Figure BDA0002833714700000021
当分解层数j为偶数时，
Figure BDA0002833714700000022
其中，T为小波包系数设定阈值，σn为噪声的标准偏差，N为信号采样的数目；
根据经过阈值化处理后的小波包系数，重构阀门内漏信号。
可选地，获取含有噪声的管道阀门内漏信号具体包括：
在管道阀门处设置依次通信连接的声发射传感器、信号放大器、信号收集器，声发射传感器采集管道阀门内部的含有噪声的管道阀门内漏信号；
信号收集器通过信号放大器收集经过信号放大器放大的含有噪声的管道阀门内漏信号；
计算机通过与信号收集器通信连接，获取信号收集器收集的含有噪声的管道阀门内漏信号。
可选地，将含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数具体包括：
根据不同小波包基函数对应的含有噪声的管道阀门内漏信号降噪效果确定最佳小波包基函数；
根据最佳小波包基函数、不同分解层数对应的含有噪声的管道阀门内漏信的降噪效果确定最佳分解层数；
根据确定的最佳小波包基函数以及最佳分解层数对含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数。
进一步地，最佳分解层数为3层或4层。
进一步地，对于不超过2层的分解层数对应的小波包系数，采用硬阈值函数处理方法；对于超过2层的分解层数对应的小波包系数，采用软阈值函数处理方法。
本发明第二方面提供了一种小波包分解阀门内漏信号降噪装置，基于本发明第一方面所述的小波包分解阀门内漏信号降噪方法的基础上实现的，包括：
获取模块，获取含有噪声的管道阀门内漏信号；
分解模块，将含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数；
建立模块，根据小波包分解层数的奇偶性建立不同的小波包系数阈值模型，具体是：当分解层数j为奇数时，
Figure BDA0002833714700000031
当分解层数j为偶数时，
Figure BDA0002833714700000032
其中，T为小波包系数设定阈值，σn为噪声的标准偏差，N为信号采样的数目；
重构模块，根据经过阈值化处理后的小波包系数，重构阀门内漏信号。
可选地，获取模块具体包括：
设置子模块，在管道阀门处设置依次通信连接的声发射传感器、信号放大器、信号收集器，声发射传感器采集管道阀门内部的含有噪声的管道阀门内漏信号；
收集字模块，信号收集器通过信号放大器收集经过信号放大器放大的含有噪声的管道阀门内漏信号；
获取子模块，计算机通过与信号收集器通信连接，获取信号收集器收集的含有噪声的管道阀门内漏信号。
可选地，分解模块具体包括：
第一确定子模块，根据不同小波包基函数对应的含有噪声的管道阀门内漏信号降噪效果确定最佳小波包基函数；
第二确定子模块，根据最佳小波包基函数、不同分解层数对应的含有噪声的管道阀门内漏信的降噪效果确定最佳分解层数；
分解子模块，根据确定的最佳小波包基函数以及最佳分解层数对含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数。
本发明第三方面提供了一种小波包分解阀门内漏信号降噪系统，包括：
声发射传感器，采集管道阀门内部的含有噪声的管道阀门内漏信号；
信号放大器，对声发射传感器采集的管道阀门内部的含有噪声的管道阀门内漏信号进行放大；
信号收集器，收集经过信号放大器放大的含有噪声的管道阀门内漏信号；
计算机，与信号收集器通信连接，获取信号收集器收集的含有噪声的管道阀门内漏信号，并运行本发明第一方面所述的小波包分解阀门内漏信号降噪方法，得到降噪后的阀门内漏信号。
本发明采用的技术方案包括以下技术效果：
1、本发明有效解决由于现有小波包降噪阈值选取中仅考虑奇数层或偶数层造成阈值处理后重构的信号失真以及阀门内漏信号检测的准确性以及可靠性不高的问题，有效的提高了阀门内漏信号降噪的稳定性，提高了阀门内漏信号检测的准确性以及可靠性。
2、本发明技术方案方法会随着分解尺度的增加，选取阈值模型也随之降低，相比于传统的阈值模型选取的方法，其适应性更好，能够达到更好的降噪效果，在保证阈值选取公式适应性的同时又保证阈值选取的稳定性，避免阈值选取不当导致无法有效降噪。
3、本发明技术方案根据小波包分解层数的奇偶性建立不同的小波包系数阈值模型，能够最大程度保留原始信号特征，降噪后信号更接近于真实信号，降噪效果更佳。
应当理解的是以上的一般描述以及后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
为了更清楚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介绍，显而易见的，对于本领域普通技术人员而言，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。
图1为本发明方案中实施例一方法的流程示意图；
图2为本发明方案中实施一方法中步骤S1的流程示意图；
图3为本发明方案中实施一方法中步骤S2的流程示意图；
图4为本发明方案中实施例二装置的结构示意图；
图5为本发明方案中实施例二装置中获取模块的结构示意图；
图6为本发明方案中实施例二装置中分解模块的结构示意图；
图7为本发明方案中实施例三系统的结构示意图。
具体实施方式
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
实施例一
如图1所示，本发明提供了一种小波包分解阀门内漏信号降噪方法，包括：
S1，获取含有噪声的管道阀门内漏信号；
S2，将含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数；
S3，根据小波包分解层数的奇偶性建立不同的小波包系数阈值模型，具体是：当分解层数j为奇数时，
Figure BDA0002833714700000061
当分解层数j为偶数时，
Figure BDA0002833714700000062
其中，T为小波包系数设定阈值，σn为噪声的标准偏差，N为信号采样的数目；
S4，根据经过阈值化处理后的小波包系数，重构阀门内漏信号。
其中，步骤S1中，获取含有噪声的管道阀门内漏信号具体包括：
S11，在管道阀门处设置依次通信连接的声发射传感器、信号放大器、信号收集器，声发射传感器采集管道阀门内部的含有噪声的管道阀门内漏信号；
S12，信号收集器通过信号放大器收集经过信号放大器放大的含有噪声的管道阀门内漏信号；
S13，计算机通过与信号收集器通信连接，获取信号收集器收集的含有噪声的管道阀门内漏信号。
在步骤S11-S13中，计算机通过声发射传感器、信号放大器，信号采集器收集的管道阀门内漏信号由真实信号与噪声信号组成，通过对小波包分解，去除噪声，所述的真实信号是阀门内漏时由于其自身内部结构发生缺陷，应变能被释放，产生的弹性波，通过收集这类波形能够判断出阀门是否发生内漏；所述的噪声信号是由于周围施工环境影响造成的扰乱真实信号的声波，其存在使得阀门是否发生内漏的判断有很大影响，造成误判、漏判。
如图2所示，步骤S2具体包括：
S21，根据不同小波包基函数对应的含有噪声的管道阀门内漏信号降噪效果确定最佳小波包基函数；
S22，根据最佳小波包基函数、不同分解层数对应的含有噪声的管道阀门内漏信的降噪效果确定最佳分解层数；
S23，根据确定的最佳小波包基函数以及最佳分解层数对含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数。
在步骤S21-S23中，小波包分解是将信号分解为高频信号与低频信号(第一层)，再将高频信号分解为高频信号与低频信号，将低频信号分解为高频信号与低频信号(第二层)，如此反复分解j层就会等到2j个节点。
其中，在步骤S21中，选取一种基函数小波包分解上游噪声信号，通过计算出第j层各类噪声频段内的小波包系数，每个频段对应的阈值模型计算求得。具体地，可以根据不同小波包基函数对应的含有噪声的管道阀门内漏信号降噪效果确定最佳小波包基函数，评价信号降噪效果的参数可以是均方差，也可以是信噪比，其中，
均方误差公式：
Figure BDA0002833714700000081
信噪比公式：
Figure BDA0002833714700000082
f(n)为去噪后的信号，
Figure BDA0002833714700000083
为包含噪声的原信号，N为信号采样的数目，均方误差公式Rmse越小说明去噪效果越好，信噪比Rsnr越大去噪效果越好。不同基函数可以是db系列基函数(紧支集正交小波)、sym系列基函数(近似对称的紧支集正交小波)、bior小波(双正交小波)等类型基函数中选取，也可以是从其他类型基函数中选取，选取去噪效果最好时对应的基函数，并确定为最佳基函数。
在步骤S22中，根据最佳小波包基函数、不同分解层数对应的含有噪声的管道阀门内漏信的降噪效果确定最佳分解层数，最佳分解层数一般为3层或4层。
对于不超过2层的分解层数(第1层、第2层)对应的小波包系数，采用硬阈值函数处理方法；对于超过2层的分解层数(第2层以上)对应的小波包系数，采用软阈值函数处理方法。
硬阈值函数可以通过将阀门内漏含噪信号分解后的小波包系数小于计算得到的设定阀值(T)除去，大于设定阈值的不变；软阀值函数处理方法为：当分解后小波包系数的绝对值小于设定阀值(T)时，除去此系数，大于设定阀值时，对小波包系数进行收缩处理。硬阈值函数为：
Figure BDA0002833714700000091
其中，
Figure BDA0002833714700000092
为经过硬阈值函数处理后的第j层中第k个小波包系数，wj，k为待处理的第j层中第k个小波包系数；T为小波包系数设定阈值；
软阈值函数为：
Figure BDA0002833714700000093
其中，
Figure BDA0002833714700000094
为经过硬阈值函数处理后的第j层中第k个小波包系数，wj，k为待处理的第j层中第k个小波包系数；T为小波包系数设定阈值；
在|wj,k|＝T存在间断点，可能会造成重构后信号的震荡而导致不光滑现象，故利用函数
Figure BDA0002833714700000095
进行了收缩处理。
本发明中限定对于不超过2层的分解层数对应的小波包系数，采用硬阈值函数处理方法；对于超过2层的分解层数对应的小波包系数，采用软阈值函数处理方法，不仅保留了硬阈值函数的优点，而且也实现软阈值函数的优点，实现硬阈值函数与软阈值函数兼容处理。
在步骤S3中，由噪声的特征在小波包变换中可以得出当分解尺度增大时，噪声的强度会随之减弱，传统的阈值选取方式与分解层数无关，在任何分解层数里都是固定的，所以当分解层数增加时，可能会造成降噪效果不理想，所以本发明中阈值选取公式将传统的阈值模型公式进行改进，构造出一个可以随着分解层数增加而降低阈值的公式。即，当分解层数j为奇数时，
Figure BDA0002833714700000101
当分解层数j为偶数时，
Figure BDA0002833714700000102
其中，T为小波包系数设定阈值，σn为噪声的标准偏差，N为信号采样的数目；随着分解尺度的增加，选取阈值模型也随之降低，相比于传统的阈值模型选取的方法，适应性更好，能够达到更好的降噪效果，在保证阈值选取公式适应性的同时又保证阈值选取的稳定性，避免阈值选取不当导致无法有效降噪。
在步骤S4中，根据经过阈值化处理后的小波包系数，重构阀门内漏信号。针对重构的阀门内漏信号可以进行判断，是否超过预设值，进而判断管道阀门是否发生内漏，以便及时进行维护或更换。
本发明有效解决由于现有小波包降噪阈值选取中仅考虑奇数层或偶数层造成阈值处理后重构的信号失真以及阀门内漏信号检测的准确性以及可靠性不高的问题，有效的提高了阀门内漏信号降噪的稳定性，提高了阀门内漏信号检测的准确性以及可靠性。
本发明技术方案根据小波包分解层数的奇偶性建立不同的小波包系数阈值模型，能够最大程度保留原始信号特征，降噪后信号更接近于真实信号，降噪效果更佳。
实施例二
如图4所示，本发明技术方案还提供了一种小波包分解阀门内漏信号降噪装置，基于实施例一的基础上实现的，包括：
获取模块101，获取含有噪声的管道阀门内漏信号；
分解模块102，将含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数；
建立模块103，根据小波包分解层数的奇偶性建立不同的小波包系数阈值模型，具体是：当分解层数j为奇数时，
Figure BDA0002833714700000111
当分解层数j为偶数时，
Figure BDA0002833714700000112
其中，T为小波包系数设定阈值，σn为噪声的标准偏差，N为信号采样的数目；
重构模块104，根据经过阈值化处理后的小波包系数，重构阀门内漏信号。
其中，如图5所示，获取模块101具体包括：
设置子模块1011，在管道阀门处设置依次通信连接的声发射传感器、信号放大器、信号收集器，声发射传感器采集管道阀门内部的含有噪声的管道阀门内漏信号；
收集子模块1012，信号收集器通过信号放大器收集经过信号放大器放大的含有噪声的管道阀门内漏信号；
获取子模块1013，计算机通过与信号收集器通信连接，获取信号收集器收集的含有噪声的管道阀门内漏信号。
进一步地，如图6所示，分解模块102具体包括：
第一确定子模块1021，根据不同小波包基函数对应的含有噪声的管道阀门内漏信号降噪效果确定最佳小波包基函数；
第二确定子模块1022，根据最佳小波包基函数、不同分解层数对应的含有噪声的管道阀门内漏信的降噪效果确定最佳分解层数；
分解子模块1023，根据确定的最佳小波包基函数以及最佳分解层数对含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数。
本发明有效解决由于现有小波包降噪阈值选取中仅考虑奇数层或偶数层造成阈值处理后重构的信号失真以及阀门内漏信号检测的准确性以及可靠性不高的问题，有效的提高了阀门内漏信号降噪的稳定性，提高了阀门内漏信号检测的准确性以及可靠性。
本发明技术方案方法会随着分解尺度的增加，选取阈值模型也随之降低，相比于传统的阈值模型选取的方法，其适应性更好，能够达到更好的降噪效果，在保证阈值选取公式适应性的同时又保证阈值选取的稳定性，避免阈值选取不当导致无法有效降噪。
本发明技术方案根据小波包分解层数的奇偶性建立不同的小波包系数阈值模型，能够最大程度保留原始信号特征，降噪后信号更接近于真实信号，降噪效果更佳。
实施例三
如图7所示，本发明技术方案还提供了一种小波包分解阀门内漏信号降噪系统，包括：
声发射传感器201，采集管道阀门内部的含有噪声的管道阀门内漏信号；
信号放大器202，对声发射传感器采集的管道阀门内部的含有噪声的管道阀门内漏信号进行放大；
信号收集器203，收集经过信号放大器放大的含有噪声的管道阀门内漏信号；
计算机204，与信号收集器通信连接，获取信号收集器收集的含有噪声的管道阀门内漏信号，并运行实施例中的小波包分解阀门内漏信号降噪方法，得到降噪后的阀门内漏信号。
优选地，计算机204可以批量连接多个处于不同位置的信号收集器203，实现不同位置信号收集器203的阀门内漏信号的降噪，并根据降噪后的阀门内漏信号，比对判断阀门是否发生泄漏，以便于及时维护或更换，保证了管道的正常运行。
进一步地，计算机204也可以批量连接多个处于同一位置的信号收集器203，以便于对降噪后的阀门内漏信号进行对比，必要时可以进行取平均值处理，便于进一步提高阀门内漏信号判断的准确性以及可靠性。
本发明有效解决由于现有小波包降噪阈值选取中仅考虑奇数层或偶数层造成阈值处理后重构的信号失真以及阀门内漏信号检测的准确性以及可靠性不高的问题，有效的提高了阀门内漏信号降噪的稳定性，提高了阀门内漏信号检测的准确性以及可靠性。
本发明技术方案方法会随着分解尺度的增加，选取阈值模型也随之降低，相比于传统的阈值模型选取的方法，其适应性更好，能够达到更好的降噪效果，在保证阈值选取公式适应性的同时又保证阈值选取的稳定性，避免阈值选取不当导致无法有效降噪。
本发明技术方案根据小波包分解层数的奇偶性建立不同的小波包系数阈值模型，能够最大程度保留原始信号特征，降噪后信号更接近于真实信号，降噪效果更佳。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.一种小波包分解阀门内漏信号降噪方法，其特征是，包括：
获取含有噪声的管道阀门内漏信号；
将含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数；
根据小波包分解层数的奇偶性建立不同的小波包系数阈值模型，具体是：当分解层数j为奇数时，
Figure FDA0002833714690000011
当分解层数j为偶数时，
Figure FDA0002833714690000012
其中，T为小波包系数设定阈值，σn为噪声的标准偏差，N为信号采样的数目；
根据经过阈值化处理后的小波包系数，重构阀门内漏信号。
2.根据权利要求1所述的小波包分解阀门内漏信号降噪方法，其特征是，获取含有噪声的管道阀门内漏信号具体包括：
在管道阀门处设置依次通信连接的声发射传感器、信号放大器、信号收集器，声发射传感器采集管道阀门内部的含有噪声的管道阀门内漏信号；
信号收集器通过信号放大器收集经过信号放大器放大的含有噪声的管道阀门内漏信号；
计算机通过与信号收集器通信连接，获取信号收集器收集的含有噪声的管道阀门内漏信号。
3.根据权利要求1所述的小波包分解阀门内漏信号降噪方法，其特征是，将含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数具体包括：
根据不同小波包基函数对应的含有噪声的管道阀门内漏信号降噪效果确定最佳小波包基函数；
根据最佳小波包基函数、不同分解层数对应的含有噪声的管道阀门内漏信的降噪效果确定最佳分解层数；
根据确定的最佳小波包基函数以及最佳分解层数对含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数。
4.根据权利要求3所述的小波包分解阀门内漏信号降噪方法，其特征是，最佳分解层数为3层或4层。
5.根据权利要求4所述的小波包分解阀门内漏信号降噪方法，其特征是，对于不超过2层的分解层数对应的小波包系数，采用硬阈值函数处理方法；对于超过2层的分解层数对应的小波包系数，采用软阈值函数处理方法。
6.一种小波包分解阀门内漏信号降噪装置，其特征是，基于权利要求1-5任一所述的小波包分解阀门内漏信号降噪方法的基础上实现的，包括：
获取模块，获取含有噪声的管道阀门内漏信号；
分解模块，将含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数；
建立模块，根据小波包分解层数的奇偶性建立不同的小波包系数阈值模型，具体是：当分解层数j为奇数时，
Figure FDA0002833714690000021
当分解层数j为偶数时，
Figure FDA0002833714690000022
其中，T为小波包系数设定阈值，σn为噪声的标准偏差，N为信号采样的数目；
重构模块，根据经过阈值化处理后的小波包系数，重构阀门内漏信号。
7.根据权利要求6所述的小波包分解阀门内漏信号降噪装置，其特征是，获取模块具体包括：
设置子模块，在管道阀门处设置依次通信连接的声发射传感器、信号放大器、信号收集器，声发射传感器采集管道阀门内部的含有噪声的管道阀门内漏信号；
收集字模块，信号收集器通过信号放大器收集经过信号放大器放大的含有噪声的管道阀门内漏信号；
获取子模块，计算机通过与信号收集器通信连接，获取信号收集器收集的含有噪声的管道阀门内漏信号。
8.根据权利要求6所述的小波包分解阀门内漏信号降噪装置，其特征是，分解模块具体包括：
第一确定子模块，根据不同小波包基函数对应的含有噪声的管道阀门内漏信号降噪效果确定最佳小波包基函数；
第二确定子模块，根据最佳小波包基函数、不同分解层数对应的含有噪声的管道阀门内漏信的降噪效果确定最佳分解层数；
分解子模块，根据确定的最佳小波包基函数以及最佳分解层数对含有噪声的管道阀门内漏信号进行小波包分解，得到多个小波包系数。
9.一种小波包分解阀门内漏信号降噪系统，其特征是，包括：
声发射传感器，采集管道阀门内部的含有噪声的管道阀门内漏信号；
信号放大器，对声发射传感器采集的管道阀门内部的含有噪声的管道阀门内漏信号进行放大；
信号收集器，收集经过信号放大器放大的含有噪声的管道阀门内漏信号；
计算机，与信号收集器通信连接，获取信号收集器收集的含有噪声的管道阀门内漏信号，并运行权利要求1-5任一所述的小波包分解阀门内漏信号降噪方法，得到降噪后的阀门内漏信号。
CN202011470735.2A 2020-12-14 2020-12-14 一种小波包分解阀门内漏信号降噪方法、装置及系统 Pending CN112632457A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011470735.2A CN112632457A (zh) 2020-12-14 2020-12-14 一种小波包分解阀门内漏信号降噪方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011470735.2A CN112632457A (zh) 2020-12-14 2020-12-14 一种小波包分解阀门内漏信号降噪方法、装置及系统

Publications (1)

Publication Number Publication Date
CN112632457A true CN112632457A (zh) 2021-04-09

Family

ID=75313013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011470735.2A Pending CN112632457A (zh) 2020-12-14 2020-12-14 一种小波包分解阀门内漏信号降噪方法、装置及系统

Country Status (1)

Country Link
CN (1) CN112632457A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040008904A1 (en) * 2003-07-10 2004-01-15 Samsung Electronics Co., Ltd. Method and apparatus for noise reduction using discrete wavelet transform
CN103776901A (zh) * 2013-12-30 2014-05-07 西安交通大学 基于振动响应信息的粘弹夹层结构老化状态识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040008904A1 (en) * 2003-07-10 2004-01-15 Samsung Electronics Co., Ltd. Method and apparatus for noise reduction using discrete wavelet transform
CN103776901A (zh) * 2013-12-30 2014-05-07 西安交通大学 基于振动响应信息的粘弹夹层结构老化状态识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SRIVASTAVA M 等: "A new wavelet denoising method for selecting decomposition levels and noise thresholds", IEEE ACCESS PRACTICAL INNOVATIONS OPEN SOLUTIONS, no. 4, 30 April 2016 (2016-04-30) *
何俊: "齿轮箱振动特性分析与智能故障诊断方法研究", 中国优秀博士学位论文全文数据库 工程科技Ⅱ辑, no. 12, 15 December 2018 (2018-12-15) *
朱伟华: "基于改进阈值函数的小波阈值去噪算法", Retrieved from the Internet <URL:www.bing.com> *

Similar Documents

Publication Publication Date Title
CN109557429B (zh) 基于改进小波阈值去噪的gis局部放电故障检测方法
CN107963239B (zh) 一种基于音频的运载火箭故障检测装置及检测方法
CN112395992A (zh) 一种基于改进小波阈值的电力谐波信号去噪方法
CN106885971B (zh) 一种用于电缆故障检测定点仪的智能背景降噪方法
CN112303504B (zh) 一种基于改进的变分模式分解算法的供水管道泄漏位置检测方法
CN107315991B (zh) 一种基于小波阈值去噪的ifra频响曲线去噪方法
CN103542261A (zh) 基于压缩感知和掩膜信号法hht的管道泄漏声发射信号处理方法
CN105489226A (zh) 一种用于拾音器的多窗谱估计的维纳滤波语音增强方法
CN106198006B (zh) 特高压直流输电阀冷旋转设备故障诊断方法
CN113490115A (zh) 一种基于声纹识别技术的声反馈抑制方法及系统
CN112069962A (zh) 一种基于图像识别强噪声背景下振动频谱的方法
CN108881084B (zh) 一种基于gp分布的bpsk/qpsk信号识别方法
CN112632457A (zh) 一种小波包分解阀门内漏信号降噪方法、装置及系统
CN109884483A (zh) 绝缘管型母线局部放电声学在线监测方法及装置
CN113436645A (zh) 复杂噪声环境下的机电系统故障在线监测声学处理方法
Liu et al. SNR estimation for clipped audio based on amplitude distribution
CN111272401A (zh) 一种基于声发射信号的gis机械故障诊断方法及系统
Feng et al. Discrete wavelet-based thresholding study on acoustic emission signals to detect bearing defect on a rotating machine
CN113903348A (zh) 一种基于sgn的火电厂发电设备声频去噪方法
CN115378776A (zh) 一种基于循环谱参数的mfsk调制识别方法
CN106997766B (zh) 一种基于宽带噪声的同态滤波语音增强方法
CN114422047A (zh) 一种5g宽带通信信号邻道泄露抑制比的测试方法
CN113820133B (zh) 一种轴承振动信号的稀疏重构方法及其系统
CN115499828A (zh) 一种增强短波语音信号隐蔽性的方法及相应频偏估计算法
Cai et al. Application of three-threshold FCME and extended interpolation algorithm in narrowband interference suppression

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
CB02 Change of applicant information

Address after: No. 939, Tianchen Road, Ji'nan high tech Zone, Shandong, Shandong

Applicant after: Shandong special equipment inspection and Research Institute Group Co.,Ltd.

Address before: No. 939, Tianchen Road, Ji'nan high tech Zone, Shandong, Shandong

Applicant before: SHANDONG SPECIAL EQUIPMENT INSPECTION INSTITUTE CO.,LTD.

CB02 Change of applicant information