[发明专利]一种基于EEMD算法的超声波横波起跳点识别方法及系统

权利要求书

1.一种基于EEMD算法的超声波横波起跳点识别方法，其特征在于：本方法包括以下步骤：

S1、提取原始的超声波横波信号，去除直流分量；

S2、提取超声波测试系统的噪声特征；该噪声特征从横波起跳前的信号中提取；

S3、采用EEMD算法对去除直流分量的超声波横波信号进行分解，获取频率成分由高到低的模态分量；EEMD算法为集成经验模态分解算法；

S4、提取S3得到的各模态分量的频率特征，并计算各模态分量的能量；

S5、根据各模态分量的能量，排除噪声特征后，重构超声波横波信号，识别横波起跳点；

所述的S3具体为：

3.1、在去除直流分量的超声波横波信号Y(t)中加入一组平均值为0、方差相等、随机的白噪声序列；

Y_i(t)＝Y(t)+W_i(t)(i＝1,2,3…n)

式中：Y_i(t)为加入白噪声之后的超声波横波信号，W_i(t)为白噪声序列；

3.2、将Y_i(t)进行EMD分解，得到n组频率成分由高到低的模态分量和n组残余分量：

式中：IMF_ij(t)为第i组第j个内禀模态函数，R_i(t)为第i组残余分量；

3.3、按以下公式分别求出n组模态分量和n组残余分量R_i(t)的平均值：

式中，IMF_j(t)为n组第j个模态分量的平均值，R(t)为n组残余分量的平均值；

3.4、按以下公式求出原始的超声波横波信号Y(t)：

所述的S4具体为：

对各模态分量进行FFT变换，进行频域下的声学特征分析；按照以下公式计算各模态分量的能量：

式中：E_i(t)为第j个模态分量的能量；

所述的S5具体为：

比较各模态分量能量占比，根据S2的噪声特征排除各模态分量中的噪声分量；

在剩下的模态分量中选取能量优势信号为参与重构的有效信号，得到重构后的超声波横波时域波形图，识别横波起跳点；

所述的能量优势信号通过与预设的能量阈值比较得到。

2.根据权利要求1所述的超声波横波起跳点识别方法，其特征在于：所述的S2通过提取原始的超声波横波信号中前面幅值较低明显为噪声段的部分信号，进行FFT变换并进行频域下的声学特征分析，得到超声波测试系统的噪声特征。

3.根据权利要求2所述的超声波横波起跳点识别方法，其特征在于：所述的噪声特征包括噪声的频率特征和能量特征。

4.一种用于完成权利要求1至3中任意一项所述基于EEMD算法的超声波横波起跳点识别方法的系统，其特征在于：本系统包括：

直流分量去除模块，用于提取原始的超声波横波信号，去除直流分量；

噪声特征提取模块，用于提取超声波测试系统的噪声特征；该噪声特征从横波起跳前的信号中提取；

信号分解模块，用于采用EEMD算法对去除直流分量的超声波横波信号进行分解，获取频率成分由高到低的模态分量；EEMD算法为集成经验模态分解算法；

模态分量特征提取模块，用于提取得到的各模态分量的频率特征，并计算各模态分量的能量；

信号重构模块，用于根据各模态分量的能量，排除噪声特征后，重构超声波横波信号，识别横波起跳点。

5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3中任意一项所述的方法的步骤。

6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3中任一项所述的方法的步骤。