详情

原文传递一种变压器高压套管引线超声检测的去噪方法

专利名称：	一种变压器高压套管引线超声检测的去噪方法
摘要：	本发明涉及一种变压器高压套管引线超声检测的去噪方法，包括：对变压器高压套管引线反射的超声回波信号进行小波分解，从细节分量与近似分量进行信号分析；引入基于SURE无偏估计的自适应阈值法，自适应小波阈值估计采用梯度下降法，将梯度函数Δλ作为目标函数，梯度函数Δλ最小值对应最优阈值，同时引进Sigmoid函数作为阈值函数，将上述变量结合得到新的梯度函数Δλ；将灰狼优化算法与自适应阈值法结合，利用灰狼算法对目标函数进行优化；对每层细节小波分量使用灰狼优化自适应最优阈值进行去噪处理，将去噪后的细节分量与近似分量进行小波逆变换信号重构，即可得到去噪后的超声回波信号。与现有技术相比，本发明具有提高了超声检测精度等优点。
专利类型：	发明专利
国家地区组织代码：	四川;51
申请人：	国网四川省电力公司广安供电公司
发明人：	陈果;邓权伦;涂斌;周劲;吴肖锋;李顺
专利状态：	有效
申请日期：	2019-01-04T00:00:00+0800
发布日期：	2019-05-10T00:00:00+0800
申请号：	CN201910008221.6
公开号：	CN109738519A
代理机构：	上海科盛知识产权代理有限公司
代理人：	应小波
分类号：	G01N29/04(2006.01);G;G01;G01N;G01N29
申请人地址：	638000 四川省广安市金安大道199号
主权项：	1.一种变压器高压套管引线超声检测的去噪方法，其特征在于，包括以下步骤： S100：对变压器高压套管引线反射的超声回波信号进行小波分解，从细节分量与近似分量进行信号分析； S200：引入基于SURE无偏估计的自适应阈值法，自适应小波阈值估计采用梯度下降法，将梯度函数Δλ作为目标函数，梯度函数Δλ最小值对应最优阈值，同时引进Sigmoid函数作为阈值函数，将上述变量结合得到新的梯度函数Δλ； S300：将灰狼优化算法与自适应阈值法结合，利用灰狼算法对目标函数进行优化，提高自适应阈值法的全局寻优能力与寻优速度； S400：对每层细节小波分量使用灰狼优化自适应最优阈值进行去噪处理，将去噪后的细节分量与近似分量进行小波逆变换信号重构，即可得到去噪后的超声回波信号。 2.根据权利要求1所述的一种变压器高压套管引线超声检测的去噪方法，其特征在于，所述的S100具体为：超声回波信号作为一种非平稳时变信号，由近似分量lca，j与细节分量lcd，j构成，不同分量的提取可通过离散小波变换，使用滤波器完成近似分量lca，j与细节分量lcd，j的分离，包括以下阶段： A1：一层小波分解：对长度为N的信号x[n]使用低通滤波器，将输入信号的高频部份滤掉而输出低频部份，得到近似分量；然后使用高通滤波器h[n]，与低通滤波器相反，滤掉低频输出高频，得到细节分量；最后两分量分别通过降采样滤波器↓Q，输出近似分量lca，1i与细节分量lcd，1i，完成一层小波分解； A2：二层小波分解：对经一层小波分解得到的近似分量lca，1i重复过程A1，得到二层小波分解的近似分量lca，2i与细节分量lcd，2i，一层细节分量lcd，1i保持不变，完成二层小波分解； A3：三层小波分解：对二层小波分解的近似分量lca，2i重复过程A1； …… An：n层小波分解：对n-1层小波分解的近似分量lca，(n-1)i重复过程A1，直至所有信号分析完毕；假若信号为细节分量与近似分量，保持此格式等待进入下一步骤；假若信号未经分解，需经过上述过程进行信号分解。 3.根据权利要求1所述的一种变压器高压套管引线超声检测的去噪方法，其特征在于，所述的S200具体为：对染噪超声回波信号分析发现，噪声主要是由超声波信号无关的白噪声构成，白噪声n入式(1)所示； n＝σv (1) 其中σ为噪声强度；v为随机变量服从标准正态分布，假若染噪超声回波信号的观测值Y＝[y0，y1，...，yi，...，yN-1]T，真实信号可表示为e＝[e1，e2，...，ei，...，eN-1]T，则实测超声回波信号如式(2)所示； yi＝ei+ni (2) 式中ni为独立分布的高斯白噪声，信号去噪的目的是获得含噪信号Y的估计信号并使得与真实信号e的均方值误差最小，如式(3)所示，此外还可通过小波变换加强去噪效果，如式(4)所示；式中dj，k为真实信号e在j尺度上第k个细节小波系数，为相应估计信号对应的细节小波系数，N为观测值的个数；在小波阈值法中常用到软阈值化函数以及硬阈值化函数，阈值大小可依据式(5)求出；式中，λj为j尺度上小波系数阈值，nj为j尺度上小波细节分量长度，δj＝MAD(\|dj，k\|，0≤k≤2j-1-1)/q，MAD(.)为中值函数，q可取0.6745；对式(2)所示函数估计问题，设观测值Y的函数g(Y)，如式(6)所示；在SURE条件下的均方值误差则如式(7)所示；式中E表示期望值；代表微分算子；自适应小波阈值估计则采用梯度下降法，下一刻阈值λ(m+1)等于此时阈值λ(m)加上负的均方误差函数的梯度值Δλ(m)，如式(8)所示； λ(m+1)＝λ(m)-μΔλ(m) (8) 式中μ为步长，Δλ(m)取值如式(9)所示；由式(6)可得 gk＝η(dj，k，λ)-dj，k (10) 式中η(dj，k，λ)为阈值函数；因此，式(9)可表示为其中k代表细节小波系数个数，gk代表观测函数对应的第k个值、λ代表阈值；由上式可知，假若使用硬阈值函数及软阈值函数作为阈值函数，由于高阶导数不连续，难以实现自适应迭代，只能估计阈值大小，无法确定最优阈值；因此，引进Sigmoid函数作为阈值函数，该函数在小波系数大于所取阈值时，阈值函数近似于标准软阈值函数，该阈值函数ηβ(y，λ)如式(12)所示；式中β为正整数常量，取值为2，y为细节小波分量对应的值；其一阶导数与二阶导数分别如式(13)、(14)所示；其中代表真实信号e在j尺度上第k个细节小波系数的2β次方值；最后，将式(13)、(14)代入式(8)、(9)中经小波自适应阈值计算可得最优小波阈值。 4.根据权利要求1所述的一种变压器高压套管引线超声检测的去噪方法，其特征在于，所述的S300的灰狼优化算法具体为：引入灰狼优化算法GWO，对目标函数在空间内进行全局寻优，在提高收敛速度的同时提升超声回波信号的去噪效果； GWO算法是一种受狼群捕食行为启发而提出的新型智能优化算法，其基本思想是狼群社会组织层级领导机制和群体捕食行为，灰狼等级按适应度分为首领狼α、副首领狼β、普通狼δ以及底层狼ω，其中α狼适应度最高，数量最少，负责指定狼群移动方向；β狼和δ狼适应度依次降低，负责辅佐α狼；ω狼适应度最低，数量最多，负责给α、β、δ狼提供信息；狼群在发动攻击之前，需要先根据式(15)(16)包围猎物： D＝\|C.Xp(t)-X(t)\| (15) X(t+1)＝Xp(t)-A.D (16) 式中，t表示当前迭代次数，Xp(t)为猎物的位置向量，X(t)为灰狼个体的位置向量；C＝2r1代表摆动因子；A＝2ar2-a代表收敛因子；r1、r2为取值为[0，1]的随机数；a的值呈线性变化，随迭代次数的增加从2衰减至0；狼群成功包围猎物之后，由于α、β、δ狼的适应度最高，最靠近猎物，将由其来判断猎物所在方位：狼群的位置最终由α、β、δ狼共同决定： 5.根据权利要求4所述的一种变压器高压套管引线超声检测的去噪方法，其特征在于，所述的S300具体步骤为： (1)设定GWO算法狼群数量、搜索空间维度、最大迭代次数，在满足约束控制条件下确定狼群初始地点向量，确定a、A、C，产生初始狼群，去除搜索空间以外位置； (2)根据式(11)确定狼群中个体的适应度并进行比较，判断Δλ(m)值是否达到最小，当Δλ(m)最小时为最优值，适应度函数作为判断个体相对优略程度的表示方式，以此为依据可实现狼群个体择优，将当前最好的三个个体位置作为初始狼群的α、β、δ狼位置； (3)依据α、β、δ狼的信息主导搜索方向，依据式(17)、(18)实现α、β、δ狼迭代的位置转换，最终依据式(19)更新狼群的最新位置； (4)将适应度最佳个体位置保存并不断进行迭代操作，实现狼群位置的不停更新； (5)判断GWO算法是否满足终止条件，即Δλ(m)取最小值，若满足则输出最优阈值λGWO，否则转入(2)，步循环计算；针对超声回波信号近似正弦分布的特性，本文使用sym6小波基进行6层小波分解，本文WFOTE算法的参数设定如下：狼群数量S＝100，最大迭代次数Tmax＝150，优化参数个数dim＝1，上届lb＝1，下届Ub＝0.1。 6.根据权利要求1所述的一种变压器高压套管引线超声检测的去噪方法，其特征在于，所述的S400具体步骤为：原始信号经小波分解得到近似分量与细节分量，由于细节分量中含有大量非相关高频信息，会严重影响信号的数据传输能力，传统阈值去噪方法在阈值获取方式及去噪函数的选择上存在缺陷，经灰狼优化自适应阈值法得到每层细节分量所对应的全局最优阈值λGWO，采用Sigmoid函数作为阈值函数，如式(12)所示，进行去噪处理；近似分量作为小波重构的重要组成部分，其可以通过下一层小波分解的细节分量与近似分量重构，也可以通过上一层近似小波分量分解得到，去噪的目的主要是对细节分量中的高频信息进行剔除，对于近似分量直接进行保留，经过小波逆变换将细节分量与近似分量重构，完成超声回波信号的去噪过程，去噪后超声回波信号的信噪比得到了明显提升，保证了信号的完整性，便于识别超声回波信号的起振位置，信号的均方根误差也得到了明显的提高。
所属类别：	发明专利