強噪聲背景下鋼絲繩損傷信號降噪方法

吳東， 張寶金， 劉偉新， 李光， 宮濤， 楊建華

(1.鞍鋼集團礦業有限公司 眼前山分公司， 遼寧 鞍山 114044； 2.中國礦業大學 機電工程學院， 江蘇 徐州 221116； 3.中國礦業大學 江蘇省礦山機電裝備重點實驗室， 江蘇 徐州 221116)

0 引言

鋼絲繩作為一種柔性強、吸收沖擊能力強的繩索類承載元件，在礦山、海港、船舶、橋梁等領域應用廣泛[1]。在礦山領域，鋼絲繩是礦井提升設備的關鍵承載部件，承載時變應力、載荷、扭矩等，在提升系統中有著十分重要的作用。但是鋼絲繩工作環境惡劣，常面臨潮濕、變載荷等工況，易發生磨損、斷絲等故障[2]。一旦鋼絲繩出現斷絲，會導致斷絲處承載能力差、抗疲勞能力減弱，極易發生鋼絲繩整體斷繩，造成大量經濟損失甚至人員傷亡。因此，開展鋼絲繩損傷檢測與識別研究十分必要。

目前最常用、最可靠的鋼絲繩損傷檢測方法為電磁檢測法[3]，其基本原理是利用靜磁場沿鋼絲繩軸向磁化鋼絲繩，出現斷絲的地方會產生向外擴散的漏磁，通過傳感儀器收集漏磁信息，將鋼絲繩斷絲漏磁信息與正常磁通量信息進行對比，實現鋼絲繩斷絲損傷識別。該方法對鋼絲繩損傷敏感，檢測效果好。但是，由于實際工況中鋼絲繩背景噪聲很強，對損傷特征提取結果造成一定干擾，損傷特征信號提取困難。因此，鋼絲繩損傷特征信號的降噪處理和特征提取成為亟待解決的難題。

鋼絲繩損傷信號是一種非平穩無周期性的沖擊信號，小波變換方法可以有效適應這種非平穩信號進而實現鋼絲繩損傷信號分解、降噪等，在鋼絲繩損傷信號處理中應用廣泛[4-8]。但是，小波變換的效果嚴重依賴小波基及分解層數的選擇，一旦小波基或者分解層數不適合，會在信號降噪的同時引入其他噪聲干擾，影響信號處理與特征提取的效果。

相較于小波變換方法，移位平均法具有抗干擾能力強、信號適應性好、操作簡單、計算量小等優點，只需要選擇一定的移位窗寬即可實現對信號的有效降噪，因而被廣泛應用于各類信號的降噪處理中。孫正宇等[9]提出了一種基于正態分布的滑動平均濾波法，可有效去除個別極端噪聲數據，實現信號降噪處理。邵興臣等[10]結合滑動均值算法和小波閾值降噪法有效地降低了噪聲干擾，提取出葉間間隙信號。王龍等[11]針對鋼絲繩損傷信號降噪問題，提出滑動平均結合小波閾值分析的算法，可實現鋼絲繩損傷信號的自適應提取。但是上述研究中移位的窗寬需要人為選擇，盲目性大。針對該問題，本文提出一種強噪聲背景下鋼絲繩損傷信號降噪方法。利用鋼絲繩漏磁檢測傳感器采集不同類型的斷絲數據，向信號中加入強高斯白噪聲，以模擬強噪聲背景；利用量子粒子群優化(Quantum Particle Swarm Optimization，QPSO)算法[12]優化移位平均法的窗寬，實現自適應參數選擇與最優降噪輸出。

1 高斯白噪聲特性

高斯白噪聲是信號處理中的一種常見噪聲。鋼絲繩在運行過程中由于各種因素不可避免地會產生擺動、振動等，這種振動情況是復雜且沒有規律的，通常視為高斯白噪聲[13]。

高斯白噪聲概率密度服從正態分布，且功率譜密度為常數，滿足以下統計特性：

(1)

式中：N(t)為高斯白噪聲；t為時間;D為噪聲強度；ξ(t)為均值為0、方差為1的標準高斯白噪聲；〈N(t)〉為一階矩，表示噪聲的期望；〈N(t)，N(0)〉為二階矩，表示噪聲的均方值；δ(t)為狄拉克函數。

2 鋼絲繩損傷信號降噪方法

移位平均法基本原理：將連續采樣的信號序列中的一段看作為一個長度為L(即窗寬)的序列，將每次測量到的長度為L的序列中的首個數據去掉，其余L-1個數據依次向前移，從序列的最后一位開始插入新的采樣數據。將L個數據相加并取算術平均值，以消除不規律波動等噪聲的影響。移位平均法計算公式為

一是迅速摸清災區水利設施受損情況。工作組到達地震災區后要立即會同當地水利部門了解水利工程受損情況及可能出現的險情，落實排險避險措施，防止次生災害造成重大損失。要組織有關專家分析地震前后衛星遙感圖像和資料，研判是否存在堰塞湖險情；加強水文監測，分析水情變化和可能存在的風險。

(2)

式中：y(i)為處理后信號第i個點的幅值；x(i)為處理前信號第i個點的幅值。

窗寬的選擇會直接影響移位平均法的處理結果，窗寬過大會導致截止頻率過低，細節部分被忽略；窗寬過小會導致截止頻率過高，降噪效果差。因此，本文提出自適應移位平均法，引入QPSO算法對移位的窗寬進行優化。將損傷信號的信噪比(Signal-to-Noise Ratio，SNR)作為適應度函數，通過QPSO算法使得SNR最大化，從而實現最優信號降噪效果。損傷信號SNR計算公式為

(3)

式中：i1為損傷信號起始點；i2為損傷信號終止點；M為損傷信號兩側的點數。

利用QPSO算法實現自適應移位平均法的流程如下：

(1) 初始化粒子種群，設置迭代次數為50，種群規模為50，初始化需要優化的參數L，同時設置窗寬的搜索范圍為[5，500]。

(2) 通過式(3)計算各粒子的適應度值，作為初代粒子的最優位置適應度值Pb(i)，并將其中的最大值作為初代全局最優位置適應度值Pg。

(3) 更新粒子位置，計算每個粒子當前位置的適應度值，迭代更新個體最優位置適應度值Pb(i)和群體全局最優位置適應度值Pg。如果當前位置適應度值大于最優適應度值，則將當前位置適應度值作為最優適應度值，否則不改變最優適應度值。

(4) 若達到最大迭代次數50，則輸出最優值；若不滿足條件則返回步驟(3)重新計算。

3 實驗及實測結果分析

3.1 實驗準備

鋼絲繩損傷檢測實驗臺主要由Y66霍爾型便攜式探傷儀、鋼絲繩樣繩(6×37S-FC，即鋼絲繩有6股，每股有37根鋼絲繩，繩芯為麻芯，直徑為39 mm)、張緊裝置、支撐裝置等組成，如圖1所示。

圖1 鋼絲繩損傷檢測實驗臺Fig.1 Wire rope damage detection test bench

制作了4處不同程度的斷絲損傷，其中2處相距0.24 m，另外2處相距0.15 m。推動便攜式探傷儀在鋼絲繩樣繩上爬行，采集鋼絲繩損傷信號。在實測信號中加入噪聲強度D=3的高斯白噪聲來模擬外界噪聲干擾。

3.2 強噪聲背景下平穩信號降噪實驗結果

2處斷絲損傷的檢測信號如圖2所示。該信號較平穩，但被噪聲信號干擾嚴重，鋼絲繩損傷判斷受到很大限制。

圖2 被強噪聲淹沒的平穩信號Fig.2 Stationary signal submerged by strong noise

采用自適應移位平均法處理鋼絲繩損傷信號，QPSO算法迭代曲線如圖3所示。可以發現，迭代到第2次時SNR達到最大值-0.885 431 10 dB，此時尋優參數L=300.302 9。

圖3 處理平穩信號的QPSO算法迭代曲線Fig.3 Iterative curve of QPSO Algorithm for stationary signal processing

將自適應移位平均法與基于sym4的小波變換、基于db2的小波變換、基于db5的小波變換方法進行對比，結果如圖4所示。其中2處損傷特征用虛線圓框標出，檢測結果中2處損傷的距離約為0.24 m，與實驗設置相符。從圖4可知，采用自適應移位平均法處理后的鋼絲繩損傷信號噪聲干擾更小，信號更平滑，而采用3類小波基變換處理后的信號有一定的噪聲干擾，在圖4(b)中約1.0 m處甚至出現了強干擾。

圖4 平穩信號處理結果Fig.4 Stationary signal processing results

3.3 強噪聲背景下波動信號降噪實驗結果

另外2處損傷的檢測信號如圖5所示。該信號存在一定波動，這在實際檢測中十分常見，可能是探傷儀速度波動、鋼絲繩微彎等造成。

圖5 被強噪聲淹沒的波動信號Fig.5 Fluctuating signal submerged by strong noise

采用自適應移位平均法處理損傷波動信號，QPSO算法迭代曲線如圖6所示。可以發現，迭代到第5次時SNR達到最大值0.017 066 7 dB，此時尋優參數L=301.559 1。

圖6 處理波動信號的QPSO算法迭代曲線Fig.6 Iterative curve of QPSO Algorithm for fluctuating signal processing

自適應移位平均法、基于sym4的小波變換、基于db2的小波變換、基于db5的小波變換對波動信號的處理結果如圖7所示。可見，檢測結果中2處損傷的距離約為0.15 m，與實驗設置相符。

圖7 波動信號處理結果Fig.7 Fluctuating signal processing results

3.4 實測鋼絲繩信號降噪結果

為了進一步說明所提方法的通用性，選取一段現場實測的提升機罐籠鋼絲繩損傷信號進行驗證。采樣點數為4 000，該信號未經過算法處理，信號中含有明顯的噪聲，但相對較弱，如圖8所示。

圖8 現場實測鋼絲繩損傷信號Fig.8 Measured wire rope damage signal on site

采用自適應移位平均法處理現場實測鋼絲繩損傷信號，QPSO算法迭代曲線如圖9所示。可以發現，迭代到第2次時SNR達到最大值3.633 137×10-7dB，此時尋優參數L=42.709 8。

圖9 處理實測信號的QPSO算法迭代曲線Fig.9 Iterative curve of QPSO Algorithm for measured signal processing

自適應移位平均法、基于sym4的小波變換、基于db2的小波變換、基于db5的小波變換對現場實測鋼絲繩損傷信號的處理結果如圖10所示。可看出本文方法處理后的信號更平滑，信號特征更突出。

圖10 實測鋼絲繩損傷信號處理結果Fig.10 Measured wire rope damage signal processing results

3.5 信號降噪結果對比分析

在平穩信號、波動信號、實測信號處理結果中，分別選取1處損傷特征的SNR進行對比，結果見表1。

表1 鋼絲繩損傷信號處理結果對比Table 1 Comparison of processing results for wire rope damage signal

由圖4、圖7和表1可知，對于強噪聲背景下的鋼絲繩損傷信號，相較于小波變換，自適應移位平均法的降噪效果更明顯，信噪比更高，信號更為平滑。同樣，由圖10可知，對于現場采集的噪聲相對弱一些的信號，自適應移位平均法的降噪效果也比小波變換好。實驗及實測結果表明，無論是在強噪聲還是弱噪聲背景下，自適應移位平均法均具有通用性，為進一步進行損傷信號識別與分類打下了基礎。

4 結論

(1) 向鋼絲繩損傷信號中加入強高斯白噪聲模擬信號，模擬強噪聲背景。采用自適應移位平均法實現強噪聲背景下鋼絲繩損傷信號降噪，通過QPSO算法選擇最優窗寬，克服了人為選擇窗寬造成的信號降噪效果差的缺點。

(2) 實驗結果表明，對于強噪聲背景下的平穩和波動信號，相較于小波變換，自適應移位平均法的降噪效果更明顯，信噪比更高，信號更為平滑。

(3) 實測結果表明，對于現場采集的噪聲相對弱一些的鋼絲繩損傷信號，自適應移位平均法的降噪效果也比小波變換好，驗證了自適應移位平均法具有較好的通用性。