英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
蒸汽发生器管道涡流测试的新型信号处理技术
作者：Gangzhu Chen, Atsunori Yamaguchi, and Kenzo Miya
摘要：在核电站蒸汽发生器管涡流检测中，由于探头脱落及附壁结构产生的噪声和其它非缺陷信号，可能会破坏缺陷信号，导致缺陷检测不可靠，表征不准确。本文提出了一种利用小波变换降低噪声和非缺陷信号的新的信号处理技术。首先将测试信号分解成小波分量，然后对小波系数进行修正，从而降低噪声和非缺陷信号。通过对修正后的小波系数进行小波逆变换，重构出嵌入噪声和非缺陷信号中的缺陷信号。对管道试件涡流检测一维和二维信号的处理结果表明，该信号处理技术对提取噪声和非缺陷信号中的缺陷信号是有效的。
关键词：缺陷，涡流检测，噪声，非缺陷信号，信号处理，蒸汽发生器管，小波变换
1.介绍
涡流检测（ECT）[1]-[11]是检测导电材料缺陷最有效的无损检测技术之一。ECT的一个典型应用是对核电厂蒸汽发生器（SG）的换热管进行在役检查[1]-[5]。通过ECT检测，有必要对SG管缺陷进行可靠的检测和表征，以便及时采取适当的补救措施，保证核电站的安全运行。当来自SG管的ECT信号具有高信噪比（SNR）时，可以通过识别技术（例如使用阻抗平面图[5]、逆分析[7]、人工神经网络[8]和傅立叶描述子[9]）来检测和表征缺陷。但是，缺陷的ECT信号可能因探头脱落和用于固定SG管的结构而受到噪声和/或非缺陷信号的破坏[2]–[6]，[10]。由于这种损坏会对缺陷的检测和表征产生不利影响，因此在使用识别技术之前，有必要使用信号处理方法[3]-[6]来提高ECT信号的信噪比。
Fourier滤波和多频混频（MFM）技术[3]、[6]通常用于处理来自SG管的ECT信号中的噪声和非缺陷信号。傅里叶滤波技术对于去除噪声和探头离地引起的非缺陷信号是有效的，但是在傅里叶滤波中，信噪比和被处理信号的有用信息之间存在一个折衷：当噪声降低时，缺陷信号的一些信息可能丢失[12]。
另一方面，由于用于保持管的结构而产生的非缺陷信号通常由MFM技术处理。尽管这些技术可以检测嵌入在非缺陷信号中的缺陷信号，但缺陷的定量评估是复杂的，因为MFM处理的结果是来自几个激励频率的缺陷信号的组合[6]。
本文介绍了一种利用离散小波变换（DWT）降低噪声和非缺陷信号的新的信号处理技术。小波变换[12]-[14]是一种比较新的信号处理技术，对分析信号的局部特性非常有用。本文提出的信号处理算法包括分解、滤波和重构三个步骤。首先将ECT信号分解为小波分量，从而利用小波系数从缺陷信号中分离出噪声和非缺陷信号。然后利用滤波算法对小波系数进行修正，去除不需要的分量。最后，利用修正系数的离散小波逆变换对缺陷信号进行重构。由于小波分解不仅提供了频率信息，而且还提供了空间位置信息，因此可以在不丢失缺陷信号信息的情况下去除噪声。在不评估多个激励频率的ECT信号的情况下，可以减少来自附连在管子上的结构的非缺陷信号。这种小波处理方法提高了ECT信号的信噪比，准确地重构了缺陷信号，使缺陷能够可靠地检测和准确地表征。此外，DWT的快速实现使得ECT信号的实时处理成为可能。
论文的结构如下。第二节介绍了本研究中使用的ECT信号的采集。第三节简要回顾了小波变换，第四节介绍了小波变换的信号处理算法。第五节给出了用该算法处理一维（1-D）和二维（2D）ECT信号的一些例子。第六节总结了本研究的结果。
2.涡流信号采集
A．蒸汽发生器管的涡流检测
蒸汽发生器是连接核电站一回路和二回路的重要纽带。它们包含数千个相互平行运行的热交换器管，通过拉动涡流探头穿过每个管来进行ECT（图1）。探头激励线圈中的交流电产生一个变化的磁场，在管壁周围产生涡流。涡流反过来建立了一个与一次磁场相反的二次磁场。缺陷的存在会干扰涡流，从而改变磁场分布，磁场的变化可以通过线圈阻抗的变化来监测。然而，探头信号也受到噪声和诸如探头离地（探头与管子内表面之间的距离）以及用于固定管子的支撑板等因素的污染。本文讨论了利用小波变换来降低噪声和非缺陷信号的方法，讨论的基础是在实验中收集到的数据，这些数据被设计用来产生典型的蒸汽发生器管子的ECT信号。
图1.实验装置
B．数据收集
ECT实验中所用的试件是带有电火花加工（EDM）缺陷的Inconel管试件。试样的内径和壁厚分别为19.7和1.27mm，与核电站SG管相同。管子的外表面有不同深度的缺陷。缺陷长5mm，宽0.2mm。由于蒸汽发生器管中的缺陷通常为轴向和周向裂纹，因此它们的方向为轴向和周向。
收集ECT信号的实验装置如图1所示。采用外径为3mm的煎饼线圈产生涡流，并提取涡流变化产生的信号。探头升空约为0.5mm，激励电流频率设置为100khz或600khz。通过执行器控制器轴向和/或周向移动探头，获得一维和二维ECT信号。探头轴向移动0.5mm，圆周移动0.3mm。探头采集的ECT信号经A/D转换器数字化后，在微机上采集分析。
图2和3给出了当激励电流频率为100 kHz时接收到的一维信号的一些示例。图2中的信号是通过将探头旋转穿过深度为管壁厚度30%的周向缺陷获得的。横坐标表示探头位置，纵轴表示ECT信号的大小。信号中的低频变化是由探头离地变化引起的所谓离地噪声。可见，缺陷信号被剥离噪声嵌入。
图2.通过沿圆周缺陷旋转探针获得的ECT信号。
图3.来自支撑板和圆周缺陷的复合ECT信号。
图3中的信号是通过将探头轴向移动穿过设置有模拟支撑板的缺陷获得的。缺陷深度为管壁厚度的60%。该探头信号是缺陷信号和支撑板信号的组合，缺陷信号被支撑板信号部分嵌入。
在图2，3所示的信号中，支撑板的剥离噪声和信号比缺陷信号强得多，可能导致缺陷的检测和表征不可靠。白噪声也可能干扰缺陷的识别，尽管在图中这种噪声不明显。2号和3号，因为升空噪音和支撑板信号很大。白噪声、提离噪声和支撑板信号是蒸汽发生器管子ECT中典型的干扰信号，本文以这些干扰信号所破坏的缺陷信号为研究对象。
3.离散小波变换
信号f（x）的DWT定义为信号在一组小波函数上的投影
(1)
其中由一个母小波组成
(2)
小波函数在空间和频率上具有局部化性质，其空间位置和频率内容分别由平移参数k和尺度参数j决定。尺度参数j越小，对应的频率就越高。小波系数在空间和频率上反映了f(x)的局部特征。
如果选择合适，信号可以通过以下离散小波逆变换（IDWT）进行重构
(3)
与满足（3）的母小波相联系，通常有一个标度函数，用它可以在多分辨率水平上逼近f（x）。j层上f(x)的近似值定义为
(4)
其中
(5)
并且
(6)
这种近似可以用小波函数分解为下一个较粗的分辨率级别
(7)
其中
(8)
（7）中的关系使得可以从（3）中导出以下方程式
(9)
其中Dj表示电平j上信号的变化或细节，Am是电平M上信号的粗略近似值。通常情况下，标度参数j有一个下界，在不丧失一般性的情况下，可以假定为一个下界。这个假设允许（9）重写为
(10)
其中，j=1，2，hellip;，M。
这种小波分解可以将信号中的噪声从有用成分中分离出来。此外，可以通过处理分解系数来提取信号中的有用成分。
然而，由（1），（5）和（10）指定的小波分解是不可行的，因为在实际中，我们处理需要快速处理的离散ECT信号序列。幸运的是，离散序列可以被称为快速小波变换（FWT）的算法在小波域中有效地分解和重构，其详细描述见[13]和[14]。
4．基于离散小波变换的信号处理算法
s（x）表示从缺陷中提取的探头信号，它是缺陷信号sf（x）和一些噪声或非缺陷信号n（x）的混合。我们用离散小波变换尽可能精确地从s（x）重建sf（x）。
A．涡流信号的小波分解
首先利用小波变换的快速算法将探测信号分解成频率级。从（10）开始，我们有
(11)
当选择适当的母小波和频率M时，小波分解可以将缺陷信号sf（x）和噪声n（x）分离出来。低频噪声可以分解为Am，高频缺陷信号和噪声可以分解为{Dj}。在中频的{Dj}中，由于缺陷信号通常是带通信号，所以缺陷信号通常具有较大的分量。高频水平上的{Dj}包含缺陷信号的高频信息，但它们主要受高频噪声的支配。
图4示出ECT信号的小波分解的示例。图4顶部所示的波形是通过旋转探头穿过深度为管厚度20%的轴向缺陷而获得的信号。激励电流的频率为600khz。缺陷信号是出现在位置周围的带通信号。探头信号还包含白噪声和由于探头升空而产生的不希望的低频变化。图4中的其他波形是使用10阶Daubechies小波将信号分解为五个频率级（M=5）的结果的一部分[14]。很明显，升空噪声是由提取的，白噪声主要分解为高频级，如D2所示。另一方面，缺陷信号的主要模式出现在D4中。很明显，在D3和D4中，较大的部件位于缺陷附近。
图4 通过旋转探头穿过轴向缺陷获得的ECT信号的小波分解
如上例所示，通过从小波分解中去除Am，可以很容易地将剥离噪声从缺陷信号中分离出来。另一方面，在{Dj}中，虽然白噪声的频率成分与缺陷信号的频率成分部分重叠，但白噪声的空频特性与缺陷信号的空频特性不同。也就是说，在频率水平上，位于远离缺陷信号的空间位置的小波系数{Ws（j，k）}将具有不同于位于缺陷附近的{Ws（j，k）}的特征。利用这个特征差分，我们可以通过处理如下小节所述的小波系数来有效地降低白噪声。
B．小波系数处理与缺陷信号重构
小波分解后，根据缺陷信号特征不变，其他特征值设为零的原则对分解系数进行处理，滤除噪声。
Am中的系数由低频噪声（例如升空噪声）贡献，因此所有系数都设置为零
(12)
{Dj}中的小波系数来自于缺陷信号和高频噪声。为了去除噪声，首先需要对缺陷信号的小波系数进行识别。在中频段，由于缺陷信号的小波系数通常比噪声中的小波系数大，因此可以通过设置阈值来方便地选择其小波系数。对于固定频率水平，设置用于修改小波系数{Ws（j，k）}的阈值Wj。如果{Ws（j，k）}的大小大于Wj，则将其保留为缺陷信号分量；否则，将其设置为零。设修正后的小波系数为Ws（j，k）。那么我们有
(13)
其中，j=M,M-1,hellip;,mgt;
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[239406]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
