基于多模态信号的金属材料缺陷无损检测方法

金属材料缺陷检测对于经济发展具有重要意义.针对现有无损检测技术信号模态单一、检测范围有限等不足,提出了一种基于多模态信号的金属材料缺陷无损检测方法.该方法以光声无损检测方法为主体,首先利用有限元方法分析了缺陷对激光能量吸收量和光声表面波传播的影响,提出了基于激光吸收量和光声表面波的缺陷检测方法;然后搭建了多模态信号检测平台,采集了缺陷的光学、光声和超声三种模态的信号,检测出了裂纹的宽度和分布信息,以及深度和在内部的延伸状况.研究结果表明,本文提出的基于金属材料多模态信号的无损检测方法能够准确、全面地检测出金属材料的杂质和裂纹的尺寸信息,弥补了现有无损检测方法在检测范围上的不足,为缺陷定量检测和全面诊断提供了一个新的思路.     

基于共振型高灵敏度光声光谱技术探测痕量乙炔气体浓度

乙炔气体作为判断变压器运行状态的一种故障气体,其浓度的高低反映了变压器的运行状况,因此对其浓度的探测在变压器的维护中具有重要意义。为了准确探测变压器运行过程中产生的乙炔气体浓度,为变压器的维护提供技术参数,针对基于DFB激光器的共振型光声光谱技术痕量乙炔气体检测技术开展研究,对传统的光声光谱探测系统进行改进。根据光声光谱技术的理论可知,光声信号的强度与入射激光的功率成正比,所以在光声池的出射窗口采用一个平面反射镜将红外光再次反射到光声池中以增加入射光功率,增强光声信号强度,进一步提高了光声系统的探测灵敏度。通过一定浓度的乙炔气体在不同调制频率和不同调制深度下光声信号强度的变化,确定光声探测系统的最佳调制频率和最佳调制深度为767 Hz和0.3 mV。利用不同浓度乙炔气体对系统进行标定,然后采用最小二乘法对光声信号与气体浓度进行拟合,二者具有很好的线性度。通过Allan方差计算可知,系统在平均时间达到200 s时,能够达到最低探测极限浓度。实验表明,在一个大气压下,积分时间为10 ms时,改进后的共振型光声光谱探测系统对乙炔气体的最低探测极限浓度达到了0.3 μL·L-1。还将小波去噪技术引入到低浓度下乙炔气体的光声信号处理中,有效消除了低浓度气体光声信号中的噪声,提高了信噪比。设计的共振型光声光谱探测系统操作简单,最低探测浓度符合国标中对变压器维护过程中对乙炔气体的探测需求,在变压器维护领域具有广阔的应用前景。     

电力变压器绕组振动声纹特性分析*

为更加准确分析变压器绕组的状态特征,本文提出一种基于多物理场耦合仿真的变压器绕组振动声纹特性分析方法。根据实验条件,建立变压器绕组振动噪声模型,考虑变压器绝缘油在噪声传播过程中的作用,对S13-M-200/10型号的油浸式变压器进行短路实验,测量油箱表面的振动加速度以及周围空间的声音信号。仿真结果与实测数据对比分析,油箱表面的振动加速度集中频率为100Hz,空间声音信号集中频率为100Hz和200Hz,验证仿真模型的有效性。最后,建立变压器机械故障的仿真模型,分析得到变压器发生机械故障时,声音信号中100Hz频率分量减少,200Hz频率分量增加,为变压器绕组故障诊断提供依据。     

光声光谱技术在多组分气体浓度探测中的应用

CO和CH_4气体作为判断变压器运行状态的故障气体,对其浓度的探测在变压器维护中具有重要意义.为了准确探测变压器运行过程中产生的CH_4和CO气体浓度,本文利用光声光谱技术,设计了一套基于宽带光源的多组分气体探测系统,和共振型光声系统相比,该系统中所用的非共振型光声池体积小,易加工,池内各处信号强度相同,降低了对声学信号探测器的安装要求.系统的性能通过对CO和CH_4气体的探测进行评估.首先,从理论上分析了信号强度与调制频率呈反比,然后根据宽带光声系统在不同调制频率下的响应,确定系统的最佳调制频率为22 Hz.在最佳调制频率下,根据温度与待测气体光声信号的关系,对光声信号进行温度补偿,消除温度变化对光声信号的影响,进一步提高了系统的稳定性.最后,通过不同浓度的CH_4和CO气体对系统进行标定.实验表明,温度补偿前后,光声信号随温度的漂移分别为0.023 23V/℃和8.383 48×10~(-5) V/℃,通过对不同浓度CH_4和CO气体的探测,系统的线性度分别达到0.995和0.998 4.在一个大气压下,积分时间为1s时,宽带光声探测系统对CO和CH_4气体的探测极限浓度能够达到1μL/L.该系统成本低,线性度好,探测灵敏度符合国标对变压器维护过程中CO和CH_4气体的探测要求.     

高温超导变压器绕组的研究现状与设计技术展望

高温超导变压器是通过用高温超导带材取代铜导线绕制超导绕组,液氮取代变压器油作为冷却介质,超导绕组在液氮环境中运行,以达到提高能效并减少电力传输损失的变压器。针对高温超导变压器的绕组设计,从超导变压器的绕组材料、绕组结构、绕组布局三方面比较了近年内美、日、韩、中国等具有代表性的高温超导变压器绕组的研究现状,通过综合比较和分析国际上各种主流复合超导体的结构特征,设计方法等关键技术,提出了未来高温超导变压器的绕组设计需要以提高临界电流,减少绕组漏磁场尤其是其径向分量,以及降低交流损耗为目标。     

45 kVA单相高温超导变压器交流损耗特性研究

本文研究以多芯不锈钢加强Bi2223/Ag带材绕制的45 kVA单相高温超导变压器的交流损耗特性.变压器绕组置于具有室温孔径的环形玻璃钢杜瓦内,铁芯穿过杜瓦室温孔径以保证铁芯与绕组分离并工作于室温环境.在77 K和工频下,基于Bean模型和绕组中的磁场分布计算了绕组的交流损耗,计算结果与传统电测法和热测法测量的变压器交流损耗结果一致;表明在77K绕组中交流损耗以磁滞损耗为主,涡流损耗和耦合损耗可以忽略不计.     

基于光声信号的高铁钢轨表面缺陷检测方法

针对传统的基于超声信号的高铁钢轨无损检测方法对于表面微裂纹检测效果不佳的问题,提出了一种基于光声信号的高铁钢轨表面缺陷检测方法.首先,使用有限元及K-wave方法建立了钢轨模型并获得了模拟光声信号;然后利用时间反演的方法对钢轨表面的光声图像进行了重建,并研究了不同传感器中心频率对成像结果的影响;最后设计实验采集了钢轨表面的光声信号并进行了处理和分析.实验结果表明,基于光声信号的高铁钢轨表面缺陷检测方法对于表面微裂纹有很好的检测效果,该方法在钢轨探伤领域有较大的可行性及发展潜力.     

脉冲变压器锥形绕组电压分布数值分析

为实现高压、大电流脉冲变压器在高重复频率电压作用下稳定运行，变压器的绝缘选择与布置是其设计时重点考虑的问题之一。在短脉宽、高幅值的电压作用下，变压器绕组本身形成了一个不均匀场，如果绕组绝缘结构设计不当，就很容易在绕组的局部产生畸变的强电场，导致变压器绕组击穿，对脉冲功率发生装置的研制工作造成了极大的危害。这种现象在高频下更为明显。因此，研究高功率脉冲变压器绕组的电压分布，采用适当的措施实施有效方法进行绕组结构优化设计，改善高功率脉冲变压器绕组的电压分布，将会在很大程度上提高高功率脉冲变压器重复工作的能力，对保证高功率脉冲发生器可靠、安全运行具有重要的理论与工程意义。     

一种用于变压器局部放电在线监测的光纤声发射传感器实验研究

提出了一种光纤声发射传感器并构建传感系统实现变压器局部放电在线监测,利用传感光栅体积小,重量轻,灵敏度高和抗电磁干扰的特点,将传感器置于变压器内部实现局部放电声发射信号的测量。研究了传感光栅实现声发射应力波测量的机理,声发射信号引起传感光栅反射光谱发生漂移,导致特定频点处反射光强发生变化,通过反射光强的变化实现声发射信号的测量。构建声发射传感系统实验模型并提出了一种系统性能优化策略,使系统工作在传感光栅反射光谱上升或下降沿的半峰值频点处,从而保障传感系统具有良好的线性输出特性;研究传感系统工作点稳定技术,设计信号反馈回路自动跟踪反射光谱的漂移,保证系统稳定工作在传感光栅半峰值频点处,消除温度变化对传感系统测量精度的影响。将封装好的传感器用于变压器局部放电现场检测,结果表明,光纤光栅声发射传感器与压电传感器相比具有灵敏度高、动态范围宽等优点,可以实现变压器局部放电在线监测。     

基于光纤耦合器的声发射传感器

为检测变压器内局部放电产生的声发射信号,介绍了一种基于特殊光纤熔融拉锥耦合器型声发射传感器。它是利用声波引起的扰动改变耦合器两臂光功率输出的特点来检测声发射信号。实验结果表明：此种传感器在10kHz～250kHz范围内对声发射信号有良好响应,在155kHz灵敏度为5.6×10^-6V/Pa,噪声为1.8Pa声压,有望在复合材料与结构、电力无损检测方面得到应用。     

An auditory periphery model for improving narrow-band noise recognition rate of underwater targets

The recognition rate of the auditory periphery features decreases when the model is used to identify underwater targets in practice. To solve this problem, an improved method based on Gammatone filter bank is proposed. Firstly, after the reason of the decreasing of the recognition results is analyzed,the mechanism of multichannel data acquisition in acoustic engineering may narrow down signal frequency range, which leads to time-frequency features distortion. Secondly, the Gammatone filter bank is implemented to simulate frequency decomposition characteristics of human ear basilar membrane. Since the class information of the underwater noise signal is mostly contained in low frequency range, the auditory features of the conventional model are interpolated and the channel number of the filter bank and the central frequency of each frequency band are adjusted accordingly to obtain a 27-dimensional feature vector of the narrow-band target signal. The adjusted model may reflect the target's timefrequency feature more precisely. Finally, the performance of the auditory features is tested by a Neural Network classifier. The experiment results show that the modified auditory model is more effective than the conventional ones. The major information contained in broadband signals is reserved and the classification ability for real targets is further enhanced. The recognition results are increased from 82.59% to 88.80%. The modified auditory features effectively improve the recognition rate for underwater target radiated noise signals.     

基于组合支持向量机的水声目标智能识别研究

为解决水声目标小样本模式识别问题,有效地提高复杂海洋环境中的识别精度,提出了一种基于经验模式分解(EMD)、特征距离评估技术(FDET)和组合支持向量机(CSVMs)的水声目标智能识别方法。首先,将滤波、Hilbert包络解调和EMD等信号处理方法对水声目标的辐射噪声信号进行预处理,提取7个包含原始信号和预处理信号的时域和频域统计特征的特征集。然后,通过FDET从原始特征集中选择出7个敏感特征集。最后,将7个敏感特征集输入到7个支持向量机分类器中,利用遗传算法对7个分类器的结果进行合并,构成CSVMs分类器,从而实现对水声目标的智能识别。将该方法应用于舰船等水声目标的识别中,研究结果表明,该方法的识别性能优于单一SVMs分类器:同时,经过FDET得到的敏感特征集能明显地提高识别精度。     

水中目标窄带噪声识别的听觉外周模型

为解决听觉外周模型特征在具有工程背景的水中目标声信号分类研究中识别率下降问题,提出了一种外周模型Gammatone滤波器组修正方法,获得的窄带噪声特征可明显提高水中目标识别性能。首先,分析了识别率下降原因,发现声学工程应用中多通道数据采集,导致信号频率范围变窄,而引起声信号的时频特征发生变化。其次,根据听觉模型用Gammatone滤波器组模拟人耳基底膜频率分解特性、低频信息包含水中目标噪声信号的重要类别特征,对原有的听觉模型特征进行插值,对滤波器组的通道数与中心频率进行适应性修正,得到目标噪声在较窄频带的27维特征,修正后的模型能够更精细地反映出目标时频特性。最后,采用神经网络分类器进行实验。结果表明,修正后的听觉模型保留了原较宽频带特征的主要信息,而且进一步提高了对实际目标的分类能力,识别率由原来的82.59%提高到88.80%。本文提出根据工程应用平台的有效接收频带优化听觉外周模型Gammatone滤波器组的设计,采用阵元级的多通道数据进行分析,侧重于工程应用,解决了多通道数据采集中,由于频带变窄,导致信号的特征信息量下降,进而引起声特征识别性能下降的问题,修正后的听觉模型特征,有效地提高水中目标辐射噪声的识别效果。本文对从事无源声呐目标识别、有源声呐目标识别、带宽受限的多通道声数据采集的时频特性分析研究人员具有一定的参考价值。      

基于改进变分模态分解的北极海域声速剖面分类*

应用支持向量机对北极声速剖面进行分类,特征量提取是关键。该文采用一种基于经验模态分解的改进变分模态分解算法,以准确提取声速剖面特征量。算法首先对声速剖面信号进行经验模态分解,依据最大类间方差原则划分各分量边际谱主频带,以相似度作为最小分解层数判断标准,获得最小分解层数,进行变分模态分解。对北极区海水声速实测数据(信号)处理表明,该方法可有效提取信号经验模态分解各分量的希尔伯特边际谱特征,进行支持向量机分类,实现对北极海域声速剖面的分类识别,解决以往人工分类耗时久的问题。     

近岸4种鱼的声散射特征提取及融合实验研究*

为了有效地提取表征鱼类间差异的声散射特征参数,该文通过绳系法实验研究了近岸4种经济鱼类的声散射信号特征提取及融合方法。首先,通过自研双频鱼探仪采集花鲈、许氏平鲉、黑鲷和斑石鲷的个体鱼声散射信号;然后,分别测定200 kHz和450 kHz换能器下鱼体的目标强度,同时提取鱼声散射信号的时频域统计特征;最后,将降维后的时频特征与频差特征融合组成新的特征向量。该文通过实验验证了该方法的有效性,基于组合特征的支持向量机识别准确率达93%。结果表明,鱼的频率响应特性和鱼声散射信号的时频域统计特征能一定程度上反映鱼的固有属性,有效地增加判别依据能显著提高以上4种鱼类的识别准确率。     

基于听觉模型的话者特征参数提取及其在噪声背景下的话者辨识

本文基于人耳听觉模型提出了一种鲁棒性的话者特征参数提取方法。该种方法中,首先由Gamma tone听觉滤波器组和Meddis内耳毛细胞发放模型获得表征听觉神经活动特性的听觉相关图。由听觉神经脉冲发放的锁相特性和双声抑制特性,我们将听觉相关图每个频带中的幅值最大频率分量作为表征当前频带特性的特征参量,于是所有频带的特征参量便构成了表征当前语音段特性的特征矢量;我们采用DCT交换进一步消除各个特征参量之间的相关性,压缩特征矢量的维数。有效性试验表明,该种特征矢量基本上反映了输入语音的谱包络特性;抗噪声性能实验表明,在高斯白噪声和汽车噪声干扰下,这种特征参数比LPCC和MFCC有较小的相对失真;基于矢量量化的文本无关话者辨识表明,对于三种类型的噪声干扰该种特征参数在低信噪比下都获得了较好的识别结果。     

小波包分形在远区核爆电磁脉冲识别中的应用

针对远区核爆电磁脉冲(NEMP)和闪电电磁脉冲(LEMP)的识别率不能满足实际需求的问题,提出了一种基于小波包分形技术的识别方法。首先,对实测的NEMP和LEMP做插值、归一化等预处理;然后,基于小波包理论对预处理后的信号进行2层小波包分解,并利用小波包系数重构信号的分形维数,组成信号的特征向量;最后,采用最小二乘支持向量机(LSSVM)作为分类器,利用五折交叉验证法选取最优的模型参数,将特征向量输入分类器中进行训练后获得测试结果。实验结果表明,小波包分形方法在NEMP和LEMP的识别上效果显著,平均识别率达到99%以上,具有较高的应用价值。     

融合声纹信息的能量谱图在鸟类识别中的研究

常用的梅尔倒谱系数结合高斯混合模型(MFCC+GMM)方法的鸟鸣声识别技术难适应噪声环境,模型难以收敛,且计算复杂度高。该文提出一种融合声纹信息的能量谱图的鸟类识别方法(VPS-BR),该方法利用鸟类鸣声在能量谱图上所表现的多维差异性,定量识别鸣声声纹特征。通过对分贝能量进行颜色映射得到能量谱图,提取其视觉特征所表达的声学特征,分析归纳得到鸟类特有鸣声模式。在特征提取步骤中,选用识别速度快的局部二值模式、识别鲁棒性高的方向梯度直方图两个参数表征鸟鸣声谱图的边缘声纹;在识别步骤中,用局部二值模式和方向梯度直方图两种特征分别与支持向量机、K最近邻和随机森林3种分类器算法进行两两组合构建识别模型测试。对15种原始带噪鸟类鸣声数据集进行交叉验证,VPS-BR模型的平均识别率比MFCC+GMM组合模型高出11.3%,方向梯度直方图特征与K最近邻分类器的组合模型识别率达90.5%,表现出较好的抗噪性能和识别性能。最后针对样本数据集缺乏问题,使用生成对抗网络进行图像增强,进一步将识别率提升1.48%。     

基于时延神经网络模型的舰船辐射噪声目标识别*

水声目标被动识别是水声信号处理领域的研究热点之一。海洋环境中存在的不规则噪声干扰,使得基于传统方法的水声目标被动识别技术在实际的应用场景中效果不佳。本文采用一种基于时延网络(Time Delay Neural Network,TDNN)模型的舰船辐射噪声目标识别方法,该方法利用目标的短时平稳特性和长时关联特性对目标的声纹特征进行建模,使用梅尔谱图提取目标信号的初级特征,再通过融合注意力机制和时延神经网络的深度学习模型实现高级特性提取,最后再利用余弦相似度实现不同目标的类别划分。该方法在ShipsEar数据集和自行采集的数据进行测试验证,目标识别准确率分别达到79.2%和73.9%,可证明本文方法的有效性。     

基于时频谱特征的白酒品质分类方法研究

为了建立快速、准确的白酒品质鉴别方法,利用机器学习方法对不同品质的白酒建模。为了提取不同品质白酒的特征,使用离子迁移谱对不同品质白酒进行分析,构建了基于白酒离子迁移谱信号的特征向量,并对不同品质的白酒进行了识别与分类。白酒样本的离子迁移谱信号通过利用美国Excellims公司GA2100型电喷雾-离子迁移谱仪（ESI-IMS）采集获得,每一个离子迁移谱信号是强度随时间变化的时间序列信号;提取了原始数据离子迁移谱的时域特征谱峰。为了获得更全面的特征,对离子迁移谱数据进行了傅里叶变换并提取频域内的特征谱峰。同时为了表述信号变化的特征,计算了离子迁移谱的谱熵和过零率,构建N×9维的特征向量矩阵;使用主成分分析(PCA)和线性判别分析(LDA)分别对上述获得的特征进行了特征降维,其中使用PCA对特征向量矩阵降维后的前三维特征对整体特征的累计贡献率达到了95%,而使用LDA对特征向量矩阵降维后的前两维特征对整体特征的累计贡献率就达到了95%。因此,选择了LDA作为特征降维方法;最后,利用机器学习中的非线性分类器支持向量机(SVM)对白酒离子迁移谱数据进行分类研究。实验结果表明,在真酒和添加酒精的白酒二分类中,SVM方法正确分类率达到100%;而在真酒和分别添加10%,20%,30%,40%和50%酒精浓度的五种假酒的六分类中,SVM方法正确分类率达到99.7%。比较了逻辑回归(LRM)分类、模糊C均值分类(FCM)和K近邻分类(KNN)对白酒样本离子迁移谱分类实验结果。研究表明,对于离子迁移谱非常接近的真酒和添加酒精的白酒,基于频谱特征向量的SVM方法能够准确的区分开来,为白酒的品质鉴别提供了一种新的检测方法。