[发明专利]一种超声涡流信号自适应径向基函数神经网络对消方法

说明书

本发明属于无损检测技术领域，具体为一种超声涡流信号自适应NNT对消方法，对对消信号H和被对消信号R零均值处理和降噪，之后构建自适应神经网络，得到输出信号，将降噪后的值输出信号相减，得到超声涡流信号中的对消信号，在超声涡流信号对消的方法中，基于神经网络技术的自适应对消方法，能有效抑制强大的始波、底面波等杂波，提取的信号没有出现异常波动和镜像现象，缺陷探测准确率高；算法稳健可靠，无病态问题；处理时间少，实时性强，利于线上线下实时检测。

技术领域

本发明属于无损检测技术领域，具体涉及一种超声涡流信号的处理方法。

背景技术

无论是超声检测还是涡流检测，都属于无损检测，在冶金、机械、造船、造舰、航空航天、医学、核能等领域受到人们青睐，其中的缺陷信号提取技术受到广泛关注。这两种检测，要抑制的干扰成分多能量大，而缺陷信号能量小，缺陷数量、位置和特性不确定。超声信号中存在着强始波、侧面波和底面波等干扰信号，涡流信号同样强大的支撑结构干扰信号。传统的干扰对消方法难以同时将这些干扰信号对消干净，残余干扰会对被测体中的细小缺陷信号探测产生较大影响。

信号对消，最原始而又简单的方法是差分(相减)方法，这种方法适用于背景信息一致地情形。当背景信号不一致时，采用能量一致性处理然后再相减的方法有一定对消效果，但细小缺陷信息仍有可能被没有完全对消掉的干扰所淹没。文献1(王峰，傅有光，李明.基于稀疏矩阵计算的外辐射源多径杂波抑制算法[J].现代雷达，2011,33(11):49-51.)中基于LMS的递归对消(自适应滤波)由于前面分量无法定义导致始波对消效果差。

发明内容

本发明的目的是提供一种超声涡流信号自适应NNT对消方法，采用同一管材的历史超声涡流信号和现实超声涡流信号数据有效抑制干扰信号，显著提升超声检测和涡流检测对消性能。

本发明的技术方案如下：

一种超声涡流信号自适应NNT对消方法，该方法包括如下步骤：

1)确定要进行对消的信号H和被对消的信号R；

2)对对消信号H和被对消信号R零均值处理，相应结果记为zH和zR；

3)对zH和zR降噪，相应结果记为dzH和dzR；

4)构造自适应神经网络net；

5)对赋值后的网络net及dzH输入函数sim，得到输出信号Out；

6)将dzR与Out进行相减，确定超声涡流信号中的对消信号Flaw；

所述的步骤4)构造自适应神经网络net，具体为

4.1)定义初始网络结构；

4.2)利用下式确定长度相等的列向量w与行向量p之间的距离矩阵d＝distm(w,p)，并计算d＝distm(dzH’,dzH)，其中，dzH'为dzH的转置；

4.3)利用确定网络传输函数

4.4)利用下式确定神经网络隐含层权值w1和偏差b1，以及输出层的权值w2和偏差b2；

隐含层权值w1＝F'；

隐含层偏差n为检测区域长度；

中间变量X＝C/[A；1_1×n]；

输出层权值w2＝X(:,1:n)；

输出层偏差b2＝X(:,n+1)。

4.5)将上述权值和偏差赋值给神经网络。

所述的步骤1)确定要进行对消的信号H和被对消的信号R，具体为