基于双树复小波包变换的钢丝...丝损伤信号特征信息提取研究_朱良.pdf

2023 年第 5 期仪 表 技 术 与 传 感 器InstrumentTechniqueandSensor2023No 5基金项目:山东省自然科学基金(Z2020QE158)收稿日期:20220831基于双树复小波包变换的钢丝绳断丝损伤信号特征信息提取研究朱良1，孙艺哲1，谢波1，刘艳蕊1，井陆阳2(1 火箭军士官学校，山东潍坊262500;2 青岛理工大学机械与汽车工程学院，山东青岛266520)摘要:针对钢丝绳断丝损伤信号特征信息难以有效提取的问题，提出一种基于双树复小波包变换与奇异值分解相结合的时频域特征信息提取方法。首先将钢丝绳断丝损伤信号采用双树复小波包变换为等长的频带子信号，构造时频域空间状态矩阵，然后采用奇异值方法提取各频带子信号的奇异值，组成表征各类损伤状态的特征向量，得到钢丝绳断丝损伤信号的特征信息矩阵。采用距离可分离性判据与传统时域特征信息提取方法相比较，结果表明双数复小波包变换与奇异值分解相结合的特征信息提取方法具有更强的分类能力。关键词:钢丝绳;特征信息;双树复小波包变换;奇异值分解;距离可分离性判据;分类能力中图分类号:TH865文献标识码:A文章编号:10021841(2023)05009007esearch on Feature Information Extraction of Broken Wire Damage Signalof Steel Wire opes Based on Dual Tree Complex Wavelet Packet TransformZHU Liang1，SUN Yi-zhe1，XIE Bo1，LIU Yan-rui1，JING Lu-yang2(1 PLA ocket Force NCO College，Weifang 262500 China;2 School of Mechanical Automotive Engineering，Qingdao University of Technology，Qingdao 266520 China)Abstract:Aiming at the problem that it is difficult to extract the characteristic information of the broken wire damage signalof steel wire ropes effectively，a time-frequency domain characteristic information extraction method based on the combination ofdual tree complex wavelet packet transform and singular value decomposition was proposed Firstly，the broken wire damage signalof steel wire ropes was transformed into equal length frequency band sub signals by dual tree complex wavelet packet，and thetime-frequency domain spatial state matrix was constructed Then the singular value method was used to extract the singular valueof each frequency band signal，formed the characteristic vector representing various damage states，and obtained the characteristicinformation matrix of wire break damage signal of steel wire ropes The distance separability criterion was used to compare thespatial separation effect of this method and the traditional time-domain feature information extraction method The results showthat the feature information extraction method of wire rope broken wire damage signal based on the combination of double complexwavelet packet transform and singular value has stronger classification abilityKeywords:steel wire ropes;characteristic information;dual tree complex wavelet packet transform;singular value decomposition;distance separability criterion;classification ability0引言钢丝绳是一种常见的机械构件，广泛应用于矿井提升、工程机械、旅游索道、交通运输等领域，在使用过程中，钢丝绳易发生各类机械损伤，如断丝、磨损、锈蚀、跳丝等，其中断丝作为钢丝绳典型的损伤形式，是评估钢丝绳是否安全的重要指标，一定长度内的断丝数量也通常作为检验钢丝绳是否安全的重要指标1，因此研究钢丝绳断丝损伤检测技术对钢丝绳的安全使用具有重要的意义。目前钢丝绳断丝损伤检测方法主要分为 3 种:人工目视法、门限值法和基于机器学习的智能识别法。人工目视法由检测人员通过手工挂纱等方式沿钢丝绳逐一排查，效率低且易漏检;门限值法依据损伤信号的电压幅值大小判断损伤程度，而钢丝绳在检测过程中难以保持稳定的提离距离，使得检测信号易发生漂移，因此仅依据门限值难以准确判断钢丝绳的损伤程度;基于机器学习的智能识别法是目前钢丝绳断丝第 5 期朱良等:基于双树复小波包变换的钢丝绳断丝损伤信号特征信息提取研究91损伤定量检测的主流方法，其通过提取损伤信号的特征信息，并将损伤信息输入到学习模型中进行训练，最后通过已训练好的模型判断钢丝绳的损伤状态。随着现代数字信号处理方法和机器学习算法的不断发展，科研人员已研究出多种基于机器学习的钢丝绳断丝损伤定量检测模型，其中检测器设计、检测模型设计是目前的研究热点，而信号特征信息提取方面研究较少，多数研究文献中仍以提取时域特征信息为主。文献 2 对钢丝绳损伤信号小波去噪，提取了信号的时域特征参数峰值、波宽、波形下面积和时频域特征参数小波能量，但并未说明小波能量作为特征参数的可靠性，也未说明其相比于传统时域特征参数的优劣性;文献 3 研究了钢丝绳损伤信号的处理方法，其研究重点是采用多级降噪方法对钢丝绳损伤信号降噪，在特征提取方面仍以时域的峰值、谷值、峰峰值、波宽、波形下面积和波形能量作为特征参数，忽视了多级降噪带来的特征信息丢失问题，也未考虑 6 个时域特征参数间的冗余性;文献 4对钢丝绳损伤信号进行降噪处理后，仅把门限值作为特征信息参数，不能实现准确的检测;文献 5基于小波进行信号去噪处理，提取了信号的时域特征峰值、波宽、波形下面积和时频域特征小波能量，在去噪和特征提取时两次用到小波变换，未考虑多次小波变换带来的信号失真问题，也未说明小波能量作为特征参数的可靠性。文献 6 采用小波进行降噪处理，提取损伤信号的时域特征参数峰值、波宽、波形下面积以及短时能量作为损伤信号的特征信息，并未对损伤信号处理方法提出创新研究;文献 7首先采用低通滤波对损伤进行滤波处理，然后提取损伤信号的峰峰值、差分超限数、波宽、峰峰波宽比时域特征参数，也未提出损伤信号的创新研究，未说明 4 个时域特征参数间的冗余性。由研究文献可知，在钢丝绳损伤信号处理方面上存在 3 个特点:(1)在信号数字降噪上几乎都采用了小波变换的方法，说明小波变换对损伤信号信噪分离的可靠性;(2)在信号特征提取上仍以传统的时域特征参数为主，少有频域或时频域特征参数，未考虑多个时域特征间的冗余性;(3)部分文献未考虑降噪对特征信息的影响，有的文献在降噪时联合采用多种数字信号降噪方法，有的文献在基于小波降噪后又再次基于小波提取特征信息，未考虑两次小波变换产生的信号失真问题。钢丝绳结构复杂，不同断丝数量之间的损伤信号差异细微，且钢丝绳在检测过程中易发生晃动和外界电磁干扰，使得检测信号产生漂移或跳动，导致时域信息的不准确，因此有时时域方面的特征信息难以具有良好的区分效果。本文根据钢丝绳损伤信号的特点和相关研究文献的不足，提出一种无需去噪就可提取信号时频域特征信息的方法。在研究文献中，小波变换对钢丝绳损伤信号的敏感性得到了广泛验证，双数复小波包变换(double tree complex wavelet packet，DTCWPT)是在经典小波变换的基础上不断发展得到的，其除了具有经典小波变换的优点，还具有更好的方向选择性、平移不变形、信号重构性8。本文联合DTCWPT 和奇异值分解(singular value decomposition，SVD)研究了一种钢丝绳损伤信号时频域特征信息提取新方法，并与传统的时域特征信息提取方法比较。1基于漏磁特性的钢丝绳断丝损伤检测原理基于漏磁特性的钢丝绳断丝损伤检测原理如图 1所示，采用电磁铁或永磁体将钢丝绳沿轴向磁化至饱和，若钢丝绳上存在损伤，钢丝绳表面将会产生向外扩散的漏磁场，用磁敏元件检测此漏磁场，并对检测信号进行合适的处理便可得到断丝的程度9。图 1基于漏磁特性的钢丝绳断丝损伤检测原理钢丝绳局部缺陷的常见形式为断丝，所以对钢丝绳缺陷的检测主要是对断丝程度的检测10，基于机器学习的钢丝绳断丝损伤定量检测系统主要由检测器、信号处理模块、机器学习模型组成，检测器主要完成磁电信号的转换，信号处理模块主要完成信号的预处理、A/D 转换、数字信号降噪、数字信号特征提取等，机器学习模型主要完成损伤程度的预测。2基于 DTCWPT 与 SVD 的断丝损伤信号特征提取2 1DTCWPT 理论离散小波变换(discrete wavelet transform，DWT)对信号时频分解时，先将信号分解为高频分量和低频分量，然后经二抽取得到小波分解系数，但由于二抽取的过程会导致原始信号的部分采样点产生丢失，因此在利用 DWT 提取信号特征时，可能会造成关键信息丢失，甚至导致错误结果。为了克服 DWT 的不足，文献 11提出了双树复小波变换(dual tree complexwavelet transform，DTCWT)的信号时频分解方法，其通92Instrument Technique and SensorMay 2023过引入 Hilbert 变换完善了分解重构理论，使得实树和虚树的信息互补，从而使双树复小波变换成为信号处理与分析的可靠方法。为进一步提高信号高频部分的分辨率，文献 12 结合小波包变换和双树复小波变换提出了双树复小波包变换方法(dual tree complexwavelet package transform，DTCWPT)。设 a(t)与 a(t)分别是实树 a 的小波函数与尺度函数，b(t)与 b(t)是虚树 b 的小波函数与尺度函数。以树 a 分解为例，原始信号 x(t)进行 j 层分解后得到低频系数 caj(k)与高频系数 daj(k)。caj(k)=2j/2+x(t)a(2jt k)dt(1)daj(k)=2j/2+x(t)a(2jt k)dt(2)树 b 的低频分解系数 cbj(k)和高频分解系数dbj(k)与树 a 形式相似，只需将 b(t)、b(t)分别代替式(1