[发明专利]基于变分模态分解的超声兰姆波缺陷信号识别方法

权利要求书

1.一种基于变分模态分解的超声兰姆波缺陷信号识别方法，其特征在于，包括以下过程：

步骤1，利用电磁超声换能器产生激发信号探测铝板，在铝板另一侧接收换能器接收超声兰姆波的原始信号；

步骤2，根据获得的超声兰姆波的原始信号，确定变分模态分解的输入参数，所述输入参数有包括分解层数、二次惩罚因子和终止条件；

步骤3，根据确定变分模态分解的输入参数，进行变分模态分解；

步骤4，利用固有模态函数计算K_临界-1个IMF分量与原始信号之间的互信息值I(X,Y)，并将该互信息值与互信息值阈值进行比较，将互信息值小于阈值β的IMF分量作为虚假分量，剔除虚假分量，确定最终的K值，进而确定最终分解层数为K_最终-1，其中，K_最终表示VMD分解的最终K值；同时，确定最终分解层数后，得到分离后处在中心频率的子信号；

步骤5，采用粒子群算法对变分模态分解输入参数-惩罚因子进行选取和优化，包括步骤501至步骤503：

步骤501，根据适应度值或适应度函数，将群中有限个随机粒子进行初始化，记录每个粒子的速度特性极值和位置特性极值；在每次迭代中，粒子会通过以下公式来更新的速度特性和位置特性：

v_i＝v_i+c₁×rand()×(pbest_i-x_i)+c₂×rand()×(gbest_i-x_i)   (10)

x_i＝x_i+v_i   (11)

其中，i＝1,2,3,.....,N，N表示此群中粒子的总数；v_i表示粒子目前的速度特性；rand()表示介于(0,1)之间的随机数；x_i表示粒子当前的位置特性；c₁和c₂分别表示学习因子，通常情况下c₁＝c₂＝2；v_i的最大值记为V_max，如果v_i大于V_max，则将v_i＝V_max；

步骤502，找到速度特性极值和位置特性极值，引入动态惯性因子ω，达到最大迭代次数结束优化；引入惯性因子w后粒子的速度特性和位置特性公式变为：

v_i＝w×v_i+c₁×rand()×(pbest_i-x_i)+c₂×rand()×(gbest_i-x_i)   (12)

其中，w表示惯性因子，w≥0；

步骤503，根据步骤501、步骤502对变分模态分解方法中惩罚因子进行优化时，选取信噪比、平滑度、均方根误差三个评价指标为粒子群算法的适应度函数；通过对信号中这三个评价指标的计算，选取最适合变分模态分解方法的输入参数；

信噪比计算公式：

SNR＝20×log(norm(x)/norm(f-x))   (14)

平滑度计算公式：

均方根误差计算公式：

其中，f为原始信号，x为经处理后信号，N为信号样本长度；

步骤6，利用最终分解层数及优化后的惩罚因子进行变分模态，保证完整提取缺陷信号，并通过得到中心频率的缺陷信号进行缺陷识别。

2.根据权利要求1所述的基于变分模态分解的超声兰姆波缺陷信号识别方法，其特征在于，步骤2，包括步骤201-203：

步骤201，根据获得的超声兰姆波的原始信号，获得固有模态函数的瞬时频率；

步骤202，计算不同K值各瞬时频率均值的曲率，将曲率首次出现局部极大值处的K作为分解临界值，其中，K表示变分模态分解中的模态数；

步骤203，根据预设分解层数，确定变分模态分解的输入参数。