一维构件应力波信号特征的筛选方法
【技术领域】
[0001] 本发明属于信号特征识别领域，尤其涉及一种基于灰色系统理论和量化信息熵 的，一维构件应力波信号特征的筛选方法。
【背景技术】
[0002] 本发明是一维构件无损检测技术的关键部分。一维构件无损检测是应用非常广泛 的技术，特别是在建筑粧基、轴承和锚杆等，应力波信号特征值的选择和提取是该技术中最 核心的部分。
[0003] 目前在一维构件完整性检测上应用最广泛的方法为应力波法，即：在一维构件的 同一端安置应力波激发器和信号接收传感器，激发应力波之后，应力波传感器会接收到完 整的应力波信号波形，波形中包含丰富的信息，通过分析信号波形特征量，可以得到一维构 件的完整性信息。目前常见的应力波特征量包括信号的幅值、能量(功率谱密度），方差等， 提取特征量的方式有在信号整个时程上提取特征量，还有先将信号分段，提取每段信号的 特征量。无论是在信号整个时程上，还是分段提取信号的特征量，都难免会造成损伤特征的 遗漏和检测分辨率的降低。
【发明内容】
[0004] 本发明的目的是提供一种高可靠性、高分辨率的，一维构件应力波信号特征的筛 选方法。
[0005] -维构件应力波信号特征的筛选方法，包括以下步骤，
[0006] 步骤一:对原始应力波信号进行预处理，用小波包分解的方法对应力波信号进行 分解，得到m个子波；
[0007]步骤二:将量化信息熵作为一维构件应力波信号的特征量；
[0008] 步骤三:构造固定宽度W的时间窗，在每个子波信号上按步进长度B移动提取信号 特征值，得到多维的应力波量化信息熵矩阵;步进长度B的取值满足W/8<B<W/4;
[0009] 步骤四：对多维的应力波量化信息熵矩阵进行降维处理，求所有子波对应同一位 置的特征值的均值，得到一维的量化信息熵均值向量；
[0010] 步骤五:应用灰色系统理论中的多参数关联分析方法，通过计算多种失效特征量 的待检状态模式与标准正常状态模式的关联度，对比关联度的大小来判断系统的性能状 态，完成应力波特征量筛选。
[0011] 本发明一维构件应力波信号特征的筛选方法，还可以包括：
[0012] 1、量化信息熵为：
[0013]
[0014] 其中，D为幅值区间的个数，Nunn表示第i个幅值区间内采样点个数，Pl为第i个幅值 区间内采样点数的统计概率。
[0015] 2、应力波量化信息熵矩阵为：
[0016]
[0017]其中每行数据代表一个子波的量化信息熵向量，m个子波构成m X η特征量矩阵； [0018]每个子波熵值向量为：
[0019] Hm= {DHmi，DHm2，DHm3，…，DH·} (m= 1，2，…，2k)
[0020] 其中，应力波经小波包k层分解后，得到!11 = 21{个信号子波，时间窗步进数为n。
[0021] 3、量化信息熵均值向量为：
[0024] 4、步骤五中，待检状态Yi的状态模式向量为：[0025] y(1)= {yi(1)，y2(1)，y3 (1)...yn(1)}T[0026] 其中待检系统具有n数个特征参数；[0027]标准正常状态Υο的状态模式向量为：[0028] y(0) = {yi(0l),y2(0l),y3(0l)-yn (〇)}T[0029] 待检状态Y」对于标准正常状态Yo在第j特征参数上的门限关联系数为：
[0022]
[0023]
[0030]
[0031]则待检状态Y,对于标准正常状态Yo的门限关联度为：
[0032]
[0033]当rj 2 0.5时，待检状态属于标准正常状态；当rj < 0.5时，待检状态不属于标准正 常状态。有益效果
[0034]与现有算法技术相比，本发明的有益效果是实现了特征量的降维，灰色系统理论 为应力波信号特征量的筛选提供了新的思路，为后期一维构件的无损检测提高了检测分辨 率，并且抗噪性能优良，不占有过多的时间资源。
[0035]本发明将量化信息熵作为信号的特征量;构造时间窗为工具，在信号上移动提取 特征量;将信号特征量降维，构造应力波特征向量。与已知的基于分段提取应力波信号幅值 构造特征向量作对比，利用灰色系统理论的门限关联度作为特征向量性能可靠性的评价方 法，对两种特征向量作评价对比分析，本发明的方法实现了特征量的优化和筛选，在信号存 在多处奇异点的情况下仍取得较高的性能可靠度，提高了无损检测分辨率，并且抗噪性能 优良，不占有过多的时间资源。
【附图说明】
[0036] 图1为本发明的算法流程图。
[0037] 图2为时间窗移动提取信号特征值。
[0038] 图3为本发明提出的量化信息熵的归一化向量曲线。
[0039] 图4为作为对比的幅值作为特征量的归一化向量曲线。
【具体实施方式】
[0040] 下面将结合附图对本发明做进一步详细说明。
[0041] 为了克服上述现有方法的不足，本发明提供了一种基于灰色系统理论和量化信息 熵的一维构件应力波信号特征的筛选方法。
[0042]本发明的技术方案如下：
[0043]将用于检测一维构件完整性的应力波信号进行预处理，用小波包分解的方法进行 分解，得到一定数量的子波;提出量化信息熵的概念，将量化信息熵作为信号的特征值;构 造固定宽度的时间窗作为工具，在每个子波信号上按固定步进长度移动提取信号特征值， 得到多维的信号特征量;对多维特征量进行降维处理，求所有子波对应同一位置的特征值 的均值，得到一维的信号特征量;利用灰色系统理论的多参数分析方法，利用门限关联度评 价量化信息熵特征向量和幅值特征向量，达到应力波特征量评价和筛选的目的。
[0044]该方法的具体步骤是：
[0045] (1)对原始应力波信号进行预处理，用小波包分解的方法对应力波信号进行适当 层数的分解，得到若干子波。如图2所示4个子波由原始应力波经2层小波包分解而来。
[0046] (2)在信息熵的概念基础上提出量化信息熵的概念，做为应力波信号的特征值。设 信号采样幅值集合为Χ= {χι，Χ2，···，χη}，X的概率分布表示为pi=P(xi)(i = l，2,…，η)，同时 巧.=〗.，取变量X的最大值与最小值，分别记为Χμ和Xmin，结合实际情况，将幅值由Xmin 到xmax平均分成D个量化幅值区间。则每段幅值的取值长度为：
[0047]
[0048] 每段幅值的量化取值范围为：
[0049] (xmin+i A d,Xmin+(i+l) Ad, )(i = 0,l, 2,---,0-1)
[0050] 设第i段幅值区间内的采样点个数为Nunu，则第i段幅值区的统计概率定义为：
[0051]
[0052]则信号的量化信息熵定义为：
[0053]
[0054]其中DH(X)即为信号的量化信息熵，D为幅值区间的个数，Nunu表示第i个幅值区间 内采样点个数，Pl为第i个幅值区间内采样点数的统计概率。
[0055] (3)构造固定宽度的时间窗作为工具，在每个子波信号上按固定步进长度移动提 取信号特征值，得到多维的信号特征量。对于固定宽度的时间窗口，要特别注意必要参数的 设置。设时间窗口宽度为W，步进长度为B。时间窗口宽度W的取值要覆盖至少一个完整的奇 异点，同时尽量不超过两个奇异点;步进长度B的取值满足W/8<B<W/4,以满足在按步进提 取特征量的时候，不会遗漏奇异点，也不会重复处理同一个奇异点，减少处理时间，提高奇 异点的分辨率。
[0056] (4)设应力波经小波包k层分解后，得到!11 = 21{个信号子波，时间窗步进数设为n，提 取特征量，即量化信息熵之后，每个子波熵值向量为：
[0057] Hm= {DHmi，DHm2，DHm3，…，DH·} (m= 1，2，…，2k)
[0058] 应力波量化信息熵矩阵构造如下：
[0059]
[0060] 其中每行数据代表一个子波的量化信息熵向量，m个子波构成m X η特征量矩阵。
[0061] (5)对多维特征量矩阵进行降维处理，求所有子波对应同一位置的特征值的均值， 得到一维的信号特征量，一个复杂的特征量矩阵并不能较好地分析出奇异点，在多维特征 量矩阵的基础上，求得对应同一段信号的时间窗的量化信息熵均值：
[0062]
[0063]处理得到量化信息熵均值向量为：
[0064]
[0065] (6)灰色系统理论的门限关联度性能评价方法如下:假设一个具有η数个特征参数 的待检系统，其待检状态h的状态模式向量为：
[0066] y⑴={yi⑴，y2⑴，
[0067]标准正常状态Υο的状态模式向量为：
[0068] y(〇) = {yi(〇1),y2(〇1),y3^)... yn(〇)}T
[0069] 设每个特征参数η(()ι)均服从均值为|f、方差为f的正态分布，定义待检状态乃对 于标准正常状态Υο在第j特征参数上的门限关联系数为：
[0070]
[0071] 则待检状态Y」对于标准正常状态Υο的门限关联度为：
[0072]
[0073]待检状态的判断准则为：当rj 2 0.5时，待检状态属于标准正常状态;当rj < 0.5时， 待检状态不属于标准正常状态。
[0074]本发明具体涉及基于灰色系统理论和量化信息熵的一维构件应力波信号特征筛 选方法，步骤如下：（1)将用于检测一维构件完整性的应力波信号进行预处理，用小波包分 解的方法进行分解，得到一定数量的子波；（2)将量化信息熵作为信号的特征值；（3)构造固 定宽度的时间窗作为工具，在每个子波信号上按固定步进长度移动提取信号特征值，得到 多维的信号特征量；（4)对多维特征量进行降维处理，求所有子波对应同一位置的特征值的 均值，得到一维的信号特征量；（5)利用灰色系统理论中的多参数关联分析方法，基于门限 关联度的性能可靠性评价方法，评价量化信息熵特征量的性能；（6)检测流程结束。本发明 在应力波信号特征的评价和筛选上有较好的实际应用价值，并且本发明提出的量化信息熵 作为特征量抗噪性能优良，不占有过多的时间资源。
[0075]基于灰色系统理论和量化信息熵的一维构件应力波信号特征的筛选方法，步骤如 下：（1)将用于检测一维构件完整性的应力波信号进行预处理，用小波包分解的方法进行分 解，得到一定数量的子波；（2)将量化信息熵作为信号的特征值，提取每个子波的量化信息 熵；（2)构造固定宽度的时间窗作为工具，在每个子波信号上按固定步进长度移动提取信号 特征值，得到多维的信号特征量；（3)对多维特征量进行降维处理，求所有子波对应同一位 置的特征值的均值，得到一维的信号特征量；（4)利用灰色系统理论中的多参数关联分析方 法，基于门限关联度的性能可靠性评价方法，评价量化信息熵特征量和肤质特征量的性能， 达到应力波特征量筛选的目的。
[0076]基于量化信息熵的一维构件应力波信