Page 49 - 无损检测2022年第八期

吴 东,等:
基于自适应移位平均降噪与 BP 神经网络的钢丝绳损伤识别

断丝、 磨损等损伤时, 损伤处磁阻增大, 磁通减小, 会 1.2 基于 APSO 的自适应移位平均算法
出现漏磁现象 [ 3 ] ; 通过检测漏磁信号即可判断损伤 含噪信号可以看作是原始信号与噪声信号的叠
位置与损伤类型。 加。移位平均法利用了高斯白噪声均值为 0 的特
恶劣环境下钢丝绳在工作中的振动常会导致漏 点。其原理是每次采样的采样点均是点数为 N 的
磁信号特征信息被强噪声淹没。移位平均法是一种 序列, 去掉第一项后, 将后面的 N -1 项往前移, 再
应用广泛、 抗干扰能力强的信号处理算法。奚彩萍 将新的采样数据作为最后一项, 然后对 N 个采样数
等 [ 4 ] 利用多重分形降趋移动平均法处理典型多重分 据进行算术平均, 即
形信号, 并分析了算法的优劣性。王龙等 [ 5 ] 利用移 N- 1 a ( n )
b ( n ) = ( 2 )
n=0 N
动平均法结合小波阈值分析, 实现了含噪的钢丝绳 ∑
信号自适应提取。 式中: b ( n ) 为降噪后的信号; a ( n ) 为含有高斯白噪
不少学者将钢丝绳损伤分析与深度学习网络紧 声的信号; N 为采样点数序列的长短, 这里定义为
密结合起来, 利用神经网络实现 损伤分类与识别。 移位平均法的窗宽。
窦连城等 [ 6 ] 采用双树复小波对钢丝绳漏磁信号进行 对于移位平均法, 窗宽 N 的选取会对信号降噪
降噪, 通过设置自适应阈值提取降噪信号的时频域 效果产生影响。 N 过大会导致截止频率过低, 细节
特征, 并提取出最优特征子集输入 BP 神经网络中, 部分被忽略, N 过小会导致截止频率过高, 降噪效
准确识别出钢丝绳内外部断丝。李丹丹 [ 7 ] 结合软阈 果差。因此, 选择最优的窗宽 N 可以实现最有效的
值处理方案对钢丝绳漏磁信号进行降噪, 然后进行 降噪效果。文章引入 APSO 算法 [ 9 ] 对窗宽进行优
峰峰值、 波宽、 波形下面积和小波能量特征提取, 并 化, 选择信号的信噪比作为适应度函数, 信噪比 S n
输入 BP 神经网络进行分类识别。钟小勇等 [ 8 ] 采用 定义为
改进粒子群优化算法, 对 BP 神经网络进行优化, 并 i 2 x ( i )
2
∑
对漏磁信号进行分类识别, 实现了外部的断丝损伤 i = i
1 ( 3 )
检测。 S n = 10l g i + A i 2
2
2
2
针对钢丝绳在强噪声背景下难以进行损伤识别 ∑ x ( i ) - ∑ x ( i )
i = i - A i = i
1 1
的问题, 提出了一种基于自适应移位平均降噪与 BP 式中: x ( i ) 为处理后的信号时域图中第i 个点的幅
神经网络的矿用钢丝绳损伤识别方法。以矿井钢丝 为损伤信号的终止点;

值; i 1 为损伤信号起始点; i 2
绳为例, 采用自适应移位平均法对强噪声背景下的 A 为损伤信号两侧的第A 个点。
断丝信号和磨损信号进行降噪处理, 通过 APSO ( 自 APSO 算法的流程如下。
适应粒子群优化) 算法找到移位平均算法的最优窗 ( 1 )初始化种群中各粒子的步长和位置。群体

宽, 对漏磁信号进行降噪; 然后以钢丝绳断丝损伤为 个体数目 H 为 10 , 步长更新范围 R 为 0.01 。所需
例, 对处理后的信号提取峰峰值、 波宽、 波形下面积 优化的参数窗宽为 N , 同时设置参数窗宽的搜索范
三种特征值作为特征值样本。最后归一化 后输入 围 N ∈ 0500 ]。
[,
BP 神经网络进行分类识别。 ( 2 )通过式( 3 ) 计算各个粒子的适应度值, 存储

每个粒子的最好位置和适应度, 并从种群中选择适
1 基本理论
应度最好的粒子位置作为当前粒子群全局最优位
1.1 高斯白噪声特性 。
置, 记作 g best
高斯白噪声概率密度服从正态分布, 且功率谱 ( 3 )每经过一次迭代, 需要对每个粒子位置进

密度为常数, 满足以下统计特性 行更新。因 而 第i 个 粒 子 更 新 的 S 维 ( 变 量 仅 有
< N ( t )> 0 ,< N ( t ), N ( 0 )> 2Dδ ( t ) ( 1 ) N , 故 S=1 ) 的位移为

=
=
式中: N ( t ) 为高斯白噪声; D 为噪声强度; δ ( t ) 为狄 v iS k+1 ) v iS k ) c 1 r 1S k )[ ( -
(
(
p iS k )
(
+
=
拉克函数; t 为时间。 x iS k )] c 2 r 2S k )[ ( -x iS k )] ( 4 )
(
p g S k )
(
(
+
矿井钢丝绳工作环境恶劣, 且钢丝绳的振动毫 x iS k+1 ) x iS k ) v iS k+1 ) ( 5 )
(
(
(
+
=
无规律, 近似为随机噪声。随机噪声会干扰原始信 和 为 相 互 独 立 的
式 中 : 学 习 因 子 c 1 =c 2 =2 ; r 1 r 2
号, 影响钢丝绳损伤特征提取精度。 [ , ],
伪随机数, 服从[ 0 , 1 ] 均匀分布; v iS∈ - v max v max
5
1
2022 年 第 44 卷 第 8 期
无损检测