Page 60 - 无损检测2023年第二期

黄姗姗, 等:

基于经验模态分解的钢丝绳缺陷漏磁检测

2.3.2 经验模态分解 有微弱的有用信号。
LMA 信号经小波降噪后, 再采用 EMD 方法对 LF信号经小波降噪后, 再用 EMD 方法分解,
其进行分解, 得到如图6 ( a ) 所示的10个IMF分量, 得到如图6 ( b ) 所示的12个IMF 分量, 从信号的各
。从信号的各阶IMF 分量可以看出, 、
记作I 1~I 10 阶IMF分量可以看出, 分解出的本征模态函数I 1
含
、 均为噪声, I 6
分解出的本征模态函数I 1 I 2 I 3 I 2 I 3 含有微弱的有用信号。
、 、 均为噪声, I 6

图6 钢丝绳检测信号小波降噪后的 EMD 分解结果
EMD 分解得到的IMF分量一般是按照频率从
高到低排序的。对于钢丝绳损伤信号, 有用信号主
要集中在低频IMF 分量中, 高频IMF 分量主要由
噪声组成。通过筛选IMF 分量能够实现对信号的
消噪和特征凸显。由于噪声与噪声之间无相关性,
而各个特征信号之间具有较强的相关性, 因此可以
通过度量各IMF 分量与原始信号之间的相关程度
来判断各IMF 中有用信号的含量。利用皮尔逊相
关系数计算各IMF分量与原信号的相似度, 其结果
如图7所示。
其中, 皮尔逊相关系数在0.8~1.0之间为极度
相关, 0.6~0.8之间为强相关, 0.4~0.6之间为中等
程度相关, 0.2~0.4 之间为弱相关, 0.0~0.2 之间为 图7 钢丝绳漏磁检测的IMF序列与原始信号相似度曲线

6
2
2023年 第45卷 第2期
无损检测