一种基于PSO-VMD的衬板超声回波信号去噪方法

一种基于pso-vmd的衬板超声回波信号去噪方法
技术领域
1.本发明属于超声信号去噪技术领域，具体涉及一种基于pso-vmd的衬板超声回波信号去噪方法。


背景技术：

2.在工业生产过程中，破碎机作为矿山机械设备最重要的设备之一，是获得优质矿场资源必不可少的设备。而衬板作为破碎机的主要零件之一，在破碎过程中承担着剧烈冲击与磨损，其磨损性能对破碎机的破矿效率有着很大的影响。因此研究出一种高效安全的衬板磨损检测方法尤为重要，可以提高破碎机检修质量，加快检测速度，缩短测量工期，提高衬板磨损检测技术水平。
3.超声无损检测技术是当前主流的一种智能化无损检测方法，该方法既可以检测金属材料，也可以检测非金属材料，且具有低成本、高精度、检测范围大等优点，受到众多领域的青睐。但是在超声测量的过程中，由于测量仪器的影响，如电源电压的波动干扰、静电干扰、接地不良因素，会对超声波形成噪声干扰，同时被测材料的晶粒会使超声波发生散射和反射，也会对超声回波造成影响。因此，为了获得准确的超声回波信号，去除超声回波信号中的噪声是实现超声检测的必要前提。
4.超声回波信号夹带的噪声信号通常表现为平坦的宽带特性，针对这种噪声的抑制方法，常见的有经验模态分解（emd），变分模态分解（vmd）。然而emd算法缺乏严格的数学推导,存在频带混叠、端点效应等问题,同时算法本身的局限性加上信号与噪声的复杂特性,整体去噪效果一般。
5.vmd算法是一种基于数学理论基础的信号去噪新方法，由于该方法性能优越，在去除高频噪声和非线性复杂数据上具有独特优势，使得它得到了众多学者的广泛应用，但vmd算法本身分解效果受参数设置的影响，无法确认算法的最优性。
6.与本发明相关的专利：文献号为cn109580787a的专利，通过对预处理后的回波信号进行eemd分解重构,能够最大限度地保证回波信号的完整性。文献号为cn109738519a的专利，通过对超声回波信号进行小波分解，引入基于sure无偏估计的自适应阈值法，利用灰狼算法优化目标函数，能够有效提高超声检测的精度。


技术实现要素：

7.（1）要解决的技术问题针对上述现有技术的不足，本发明的目的在于提供一种pso-vmd的衬板超声回波信号去噪方法。
8.（2）技术方案一种pso-vmd的衬板超声回波信号去噪方法，包括以下步骤：步骤一、针对vmd算法分解效果受限于分解尺度k和惩罚因子α的选取问题，研究这两个参数对vmd算法分解效果的影响规律；
步骤二、在vmd算法的基础上引入pso算法，选用包络熵e
p
的概念作为vmd算法分解效果好坏的判断标准，构建出新的适应度函数；步骤三、利用pso算法搜索vmd算法最佳参数组合，将最佳参数组合代入vmd算法中进行超声回波信号分解，通过相关系数选取有效imf进行信号重构。
9.在所述步骤一中，采用vmd算法进行信号分解时，通过选取不同的参数来研究k和α的选择会对vmd算法的分解效果所造成的影响，其中k过大时会造成过分解，分解出虚假分量，k过小时，信号的有效频率成分未分解出来，当α选择不当时也会造成过分解和欠分解状态，同时迭代次数较大，影响计算效率。
10.在所述步骤二中，在vmd算法的基础上引入pso算法，选用包络熵e
p
的概念作为vmd算法分解效果好坏的判断标准，将vmd算法分解所得到的k个imf分量中最小的包络熵e
p
作为局部最小值熵mine
p
，然后将该局部最小值熵mine
p
作为pso算法整个寻优过程中适应度函数的一部分，再加上迭代次数n,利用两者一起构建出新的适应度函数。
11.在所述步骤三中，利用设置最优参数的vmd算法进行信号分解，得到各个imf分量，计算各imf分量与原始超声回波信号的相关系数，选取相关系数大于系数选取阈值的分量进行信号重构。
12.采用pso实现了对vmd算法的最佳分解尺度k和惩罚因子α参数组合的寻优，相比根据经验设定参数和只对单一参数的寻优方法，避免了vmd算法在分解信号时出现欠分解和过分解的现象。
13.经仿真和实验结果分析可知，相比传统的去噪方法，采用所提出的基于pso-vmd去噪方法处理后的信号，其信噪比更高，均方误差更小，波形相似参数更高，说明pso-vmd方法在处理超声回波信号上综合性能更优，能够有效去除衬板超声回波信号中的噪声。
附图说明
14.为了更清楚的说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术中描述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种实施方式，对于本领域普通技术人员来说，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。
15.图1 为构造的含噪声的双重回波模拟仿真信号；图2为本发明具体实施方式中不同的参数k下的中心频率变化图；图3为本发明具体实施方式中不同的参数α下的中心频率变化图；图4为本发明具体实施方式中pso参数寻优的流程图；图5为本发明具体实施方式中采集的原始信号图；图6为本发明具体实施方式中局部极小值熵随进化代数的变化趋势图；图7为本发明具体实施方式中分解后的imf分量图；图8为本发明具体实施方式中去噪后的超声回波信号图。
具体实施方式
16.为了使相关的技术人员更好的明白了解发明实现的技术手段，下面对本发明具体实施方式进行清楚、完整的描述，以进一步阐述本发明。参考附图描述的实施方式是示例性
的，仅用于解释本发明的具体实施方式。
17.本具体实施方式为一种基于pso-vmd的衬板超声回波信号去噪方法，该方法具体步骤为：步骤一、针对vmd算法分解效果受限于分解尺度k和惩罚因子α的选取问题，研究这两个参数对vmd算法分解效果的影响规律。
18.（1）采用高斯函数来模拟超声脉冲响应，构造出含噪声的双重回波信号模型并构建超声回波仿真信号及其频谱如图1所示；式中，β为幅值，表示超声波在介质中传播时由于其衰减特性引起的能量损失；α为带宽因子，α值越大回波波形越宽，α值越小波形越窄；τ为到达时间；f0为发射脉冲的中心频率；φ为初相位；式中，θm=(βm, αm, τm,f
0m
, φm)为第m个回波参数，n(t)为添加的高斯噪声。
19.（2）采用vmd算法进行信号分解，分析不同k和对vmd分解效果的具体影响；参数k对分解效果的影响：分别取k=3，4，5，6，设为经验值2000，得到不同k值下各分量中心频率随迭代次数的变化曲线图，如图2所示，分别k为3，4时，分解出的信号频率个数逐渐增加，但均没有完全分解出信号包含的主要频率信号，即欠分解状态；当k =5时，vmd算法可以分解出原信号包含的频率信号；当 k=6时，在1.5khz附近，分解过程产生了虚假分量，即出现了过分解现象；参数α对分解效果的影响：选取α= 5，分别取1000，1500，2000，2500，分解完成的中心频率变化曲线如图3所示，当α= 1000时，2khz未分解出来，是欠分解状态；当α= 1500时，在迭代初期，分解分量的中心频率出现混叠现象；当α= 2000时，在迭代后期，各分量中心频率能够很好地反映原信号包含的频率信号，但是分解完成的迭代次数较大；当α= 2500时，在迭代后期，分量3和4的中心频率产生混叠现象。
20.步骤二、在一组参数组合k和α下，超声回波信号在经过vmd分解后会得到k个imf分量，如果某一imf分量中含有的噪声较多，则根据包络熵的计算规则所求得的包络熵e
p
较大；如果某一imf分量噪声含量较少，则计算所得的包络熵e
p
较小，表明与该最小熵值e
p
所对应的imf分量中含有着丰富的有用信息。因此，将vmd算法分解所得到的 k个imf分量中最小的包络熵e
p
作为局部极小值熵mine
p ，然后将该局部极小熵mine
p
作为pso算法整个寻优过程中适应度函数的一部分；在达到分解效果最优时，同时尽可能达到较高的分解效率，通过对参数α影响分解效果的分析中可以看出，α的选择会影响vmd算法的迭代次数，即影响计算效率，适当的α值可以降低vmd的迭代次数，提高vmd算法分解效率，因此必须选择合适α值。在局部极小值熵mine
p
作为pso算法适应度函数的一部分基础上，加入迭代次数n，利用两者一起构建出新的适应度函数，其表达式为：
a(t)为原始信号经过希尔伯格变换后的包络信号；λ为pso算法适应度函数的量化因子；基于pso参数寻优的流程如流程图图4所示。
21.步骤三、利用pso算法搜索vmd算法最佳参数组合，将最佳参数组合代入vmd算法中进行超声回波信号分解，通过相关系数选取有效imf进行信号重构现场采集并对原始的回波信号进行去噪处理，原始信号如图5所示；根据下式不断更新粒子位置和速度，计算新的适应度值，计算包络熵，将包络熵作为vmd算法分解效果好坏的标准，判断是否循环迭代，直至输出最优参数组合或迭代次数达到最大设定值，然后停止迭代；到最大设定值，然后停止迭代；式中，c1为自我学习因子，表示粒子具有自我总结的学习能力；c2为社会学习因子，具有向优秀群体学习的能力，在标准的pso算法中，这两个学习因子通常取常数；ω为惯性权重因子，它的大小决定了粒子对当前速度更新的大小；r1，r2为0到1之间的随机因子，服从均匀分布；利用本文提出的pso-vmd算法对原始回波信号进行分析处理，得到局部极小值熵随进化代数的变化趋势图，如图6所示；粒子群进化代数到了第5代时，得到局部极小值熵为8.669，此时利用pso算法搜寻到的最优组合[k0, α0]=[5,1980]。将此最优组合代入vmd算法中进行参数设定，对原始超声回波信号进行分解，得到分解后的5个imf分量如图7所示；计算各imf分量与原始超声回波信号的相关系数，选取相关系数大于系数选取阈值的分量进行信号重构表1模态分量imf1imf2imf3imf4imf5相关系数0.28540.35470.48340.42810.3924根据公式计算得到相关系数阈值ρ=0.3054，选取imf2、imf3、imf4、imf5这四个分量进行信号重构，得到重构后的信号，如图8所示。
[0022]
上述为本发明的主要原理及相关实现方法,对于本领域技术人员而言，显然本发明不限于上述示范性具体实施方式的细节，而且在不背离本发明的构思或基本特征的情况下，能够以其他的具体形式实现本发明。因此，均应将上述具体实施方式看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内；此外，应当理解，虽然本说明书按照各实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术
人员可以理解的其他实施方式。