基于多传感器数据融合的漏磁信号采集与处
点击数：7267 次 录入时间：03-04 11:49:50 整理：http://www.55dianzi.com 电工基础
随着电子技术、神经网络和人工智能处理技术的发展，国内外都在开展新的漏磁信号处理方法的研究。由于传统方法受人为因素影响严重，容易产生漏检误检，大大影响了检测准确度，因此特别需要一种对缺陷信号的智能化处理方法。多传感器数据融合技术是近年来形成和发展起来的一种自动化信息综合处理技术，它充分利用多源信息的互补性和计算机的高速运算能力来提高结果信息的质量。由于多传感器数据融合可以对来自多个传感器的数据进行多级别、多方面、多层次的处理,从而产生新的有意义的信息,而这种信息是任何单一传感器所无法获得的, 并且它还能有效地消除由于单一类型传感器失效而引起的误差，因而多传感器数据融合在信号处理领域得到了广泛的关注[1]。本文利用小波阈值降噪算法来突出信号缺陷特征，并将处理后的信号送入RBF神经网络数据融合中心，利用两类传感器之间的信息冗余来提高检测精度，消除测量中的不确定性，获得更准确可靠的测量结果。 数据融合传感器阵列 多传感器数据融合在运用过程的各阶段(例如模型建立、特征提取、目标识别等)需要各种各样的传感器。由于没有哪一类传感器的各种性能指标都绝对比其他类型传感器好，因此在一个系统中，需要同时采用多种类型的传感器，以提高系统检测、识别、分类和决策能力。本文根据系统的需要使用了两类传感器：电磁感应式传感器和霍尔传感器，利用它们之间产生的冗余信息进而检测出缺陷信号。数据融合系统结构如图1所示。 根据缺陷信号的特点以及环境要求，采用漏磁传感器阵列进行数据采集[2]。为提高检测灵敏度，减小钢管表面接触噪声和温度影响,由32个传感器组成的传感器阵列，贴敷在与钢管表面吻合的耐磨块内，形成探头。传感器被分为两组，每组16个。一组由16个电磁感应式传感器组成，另一组由16个霍尔传感器组成，两组交替分配在探头表面。传感器阵列传送出来的两组32路信号经过预处理之后被送到融合中心进行数据融合。 电磁感应式传感器 电磁感应式传感器的工作原理是：当它贴着钢管表面扫查时，钢管缺陷产生的漏磁场会引起穿过线圈的磁通量变化，从而使电磁线圈中产生感生电动势，形成缺陷信号。当检测用的电磁线圈与钢管做相对运动时，检测漏磁场的线圈所产生的感应电动势Uc为： 式中,n为线圈匝数，φ为线圈中通过的漏磁场磁通量；B为漏磁场的磁通量密度；S为线圈的横截面积，t为线圈运动时间。电磁感应式传感器能够在很大的温度范围中应用，且工作寿命长、抗灰尘、抗水和抗油污的能力强，即能耐受各种环境条件及外部噪声。 霍尔传感器 霍尔传感器检测漏磁信号的工作原理是：当电流I沿与磁场B的垂直方向通过时，在与电流和磁场垂直的霍尔传感器两侧便产生霍尔电势Hr： 式中，RH为霍尔系数；KH为霍尔系数RH与霍尔传感器厚度t之比，称为霍尔元件灵敏度。当霍尔系数RH与电流一定时，霍尔电势Hr只取决于磁场B的强度而与漏磁场的运动速度无关，因此，霍尔传感器不会受到管线检测的非匀速性的影响。 信号预处理 对于多传感器测量的漏磁缺陷信号数据，为了保证测试的准确性，系统取得信号之后，首先要对信号进行预处理，滤除各种外界干扰和各种噪声，获得正确的测量粗值。一般有两种方法：一是进行平滑处理，实际算法可通过滑动中值平滑器来实现;二是剔除粗大误差，可采取数据相关剔除法与信号平滑法同时进行,将来自多传感器具有相关性、互补性和冗余性的数据进行数据融合。这种方法可以充分利用被测目标在时间与空间上的信息，对被测量进行精确描述[4]。因此，多传感器融合的结果比单个传感器的测量值更为准确。 本文对漏磁缺陷信号使用小波降噪算法，该方法首先将每个传感器的测量值用小波阈值的方法去噪，以减小噪声对传感器测量值的影响。为了更好地重建传感器信号，可将各个传感器测量值进行归一化处理，然后再送入RBF神经网络的数据融合中心进行融合。对缺陷信号采取小波分析可以突出缺陷点，经过小波分析后可将缺陷信号的局部模极大值及其位置以及漏磁信号的波形特征等作为特征信息，用来区分不同的缺陷。 信号模型 在漏磁信号采集过程中，假设有N个传感器对同一缺陷的不同位置进行测量，每个传感器得到的漏磁信号测量值记为Xj(j=1,2,3...N)，在测量过程中存在内部和外部噪声影响，测量值可以表示为：[1] [2] [3] 下一页
本文关键字：传感器 电工基础，电工技术 - 电工基础
