不同地質(zhì)條件下振動信號特征識別研究

黃安貽，唐異平

(武漢理工大學(xué) 機電工程學(xué)院，湖北 武漢 430070)

地下油氣輸送管道、通信電纜等設(shè)備不易監(jiān)管，偷盜損害現(xiàn)象時有發(fā)生?，F(xiàn)有的報警方法多采用紅外、圖像、激光和光纖等傳感器[1-5]，這些方案具有鋪設(shè)成本高，覆蓋范圍小等缺點。因此，地下空間的防盜報警多采用振動信號識別的方法。韓衛(wèi)潔[6]從時域、頻域和時頻域方面對振動源目標(biāo)的振動信號進(jìn)行分析，實現(xiàn)了振動信號的識別。陳亞亞[7]對小波包去噪后的信號進(jìn)行過零分析并提取去噪后信號的各項時域和頻域參數(shù)指標(biāo);同時提取各IMF(intrinsic mode functions)分量的能量指標(biāo),將這些特征參數(shù)進(jìn)行組合構(gòu)造特征向量,利用支持向量機實現(xiàn)了對振動信號的準(zhǔn)確識別。常用的識別振動信號的方法還有如傅里葉變換、短時傅里葉變換、HHT(Hilbert-Huang Transform)等[8-9]。但在實際應(yīng)用過程中，管線跨越地理范圍廣，經(jīng)常需要穿越不同種類的地質(zhì)，而現(xiàn)有研究多針對單一地質(zhì)，并沒有考慮到多種地質(zhì)的情況。針對這種情況，筆者展開了關(guān)于不同地質(zhì)環(huán)境下的振動信號特征識別方法的研究，如泥地、沙地、公路等。對不同地質(zhì)不同行為的振動信號采集分析，通過小波閾值去噪后使用EMD(empirical mode decomposition)并利用相關(guān)性分析得到特征波形。再利用能量過零算法計算特征波形的能量及過零率，使用Hilbert變換建立波形邊際能量譜，通過多次實驗統(tǒng)計并最終建立專家數(shù)據(jù)庫,并提出一種二次判斷方法去維護(hù)和建立統(tǒng)一的專家數(shù)據(jù)庫，實現(xiàn)自適應(yīng)功能，實現(xiàn)振動信號的有效識別。

1 振動信號識別系統(tǒng)

地面目標(biāo)運動時會產(chǎn)生相應(yīng)的地面振動信號，振動信號特性主要取決于地面地質(zhì)條件、目標(biāo)的運動行為和目標(biāo)的距離，頻率一般較低[10]。地表目標(biāo)活動敲擊地面形成振源，其產(chǎn)生的振動波以壓縮波、剪切波、瑞雷波、樂夫波的形式在地球介質(zhì)中傳播。按照介質(zhì)運動的特點及振動波的傳播規(guī)律劃分，可將振動波分為體波與面波，其中體波又包含縱波(P波)和橫波(S波)。面波是體波在一定的條件下形成相長干涉并疊加產(chǎn)生出的頻率較低、能量較強的次生波，主要沿著介質(zhì)的分界面?zhèn)鞑?，面波又包含瑞雷波和樂夫波。上述各類波在地球介質(zhì)中的傳播形式如圖1所示[11]。

圖1 彈性波傳播示意圖

瑞雷波在振動信號中能量約占振動總能量的70%且傳播速度最低，能量的衰減也比體波弱，因而容易檢波且具有較高的分辨率[12]。故檢測地面運動目標(biāo)時，瑞雷波是振動傳感器檢測的主要波形。由振動波波譜知[12]，面波一般在低頻處有極大值，主要頻率在10～30 Hz之間；工業(yè)交流電干擾頻率十分集中，主頻是50 Hz；反射波主頻在30～60 Hz內(nèi)；風(fēng)吹草動造成的微振頻譜很寬，在60 Hz以上；聲波頻譜范圍一般在100 Hz以上；車輛、走路等人為活動造成的振動信號頻率主要集中在200 Hz以下，并且信號的主要能量集中在25～150 Hz的低頻段，特征峰值頻率較低。

根據(jù)檢測波形的特點，使用的測量系統(tǒng)如圖2所示。由安裝針(硬質(zhì)地面不選用)，加速度傳感器ADXL103/203，差分轉(zhuǎn)換芯片AD8138，SDY2400數(shù)據(jù)采集儀及筆記本電腦構(gòu)成。最后利用SDY2400數(shù)據(jù)采集儀采集被測信號,該采集儀接口為USB接口，A/D分辨率為12/16位，轉(zhuǎn)換頻率為100/200/300 kHz，采集通道數(shù)為16通道。數(shù)據(jù)采集儀配套軟件為Vib’SYS，集成了振動信號采集、處理和分析程序。

圖2 振動信號測量系統(tǒng)

2 振動信號特征識別方法

2.1 小波閾值去噪

根據(jù)地面振動所造成的瑞雷波的特點，通過硬件濾波的方式去除大部分噪聲。但仍有部分低頻噪聲存在，這些噪音很難通過傳統(tǒng)濾波器去除?？紤]到所采集信號為非線性非平穩(wěn)振動信號，因此采用小波閾值去噪技術(shù)能更好地提高信號的信噪比和處理速率。

原始一維信號模型A(i)為：

A(i)=f(i)+σ·e(i),i=0,1,…,n-1

(1)

式中：f(i)為真實信號；e(i)為噪聲信號；σ為噪聲標(biāo)準(zhǔn)差；A(i)為原始信號。

一般來說小波閾值去噪包括小波分解、去噪閾值量化和信號重構(gòu)三個部分。

定義在Hilbert空間中，將小波函數(shù)族ψa,b作為積分核與有限能量函數(shù)f(t)做內(nèi)積的變換稱為小波變換，如式(2)所示。

(2)

(3)

(4)

(5)

通過多次實驗嘗試選擇SYM4小波基，小波分解后使用軟閾值方法及stein無偏似然估計閾值(rigrsure)算法進(jìn)行軟閾值量化。使用軟閾值的原因是防止硬閾值造成斷點在信號還原時造成激蕩從而影響信號的還原。使用軟閾值函數(shù)將小于閾值的小波系數(shù)設(shè)定為0，如式(6)所示

(6)

之后再將小波分量進(jìn)行還原，得到濾波后的信號。

2.2 能量-過零及HHT特征提取

得到還原信號后便可以將還原信號進(jìn)行HHT處理，獲得信號的瞬時頻率。HHT處理方法總共分為兩個階段，首先通過經(jīng)驗?zāi)Ｊ椒纸?EMD)，將原始信號分解為若干模態(tài)函數(shù)(IMF)分量。經(jīng)過分解后得到若干個IMF和一個殘余趨勢量,如式(7)所示。

(7)

IMF分量反映了原始振動信號在不同頻段內(nèi)組成成分，式中c1(t)、c2(t)、…、cn(t)的頻率分布是由大到小排列的，rn(t)是殘余的趨勢項，EMD十分適合非平穩(wěn)信號分析。

完成EMD后，將分解后的振動信號所得到的IMF分量分別計算與分解前信號的相關(guān)系數(shù)R，取相關(guān)系數(shù)前4高的IMF分量進(jìn)行信號重構(gòu)，得到特征信號。對特征信號C(t)采用Hilbert變換，進(jìn)而得到特征信號的瞬時頻率，將瞬時頻譜整合即可得到Hilbert譜。

(8)

解析信號Z(t)=C(t)+iH[C(t)]=A(t)·eiφ(t)

式中：A(t)和φ(t)分別代表特征信號的瞬時振幅和瞬時相位。

(9)

(10)

由式(10)求導(dǎo)可獲得特征信號的瞬時頻率ω(t)如式(11)所示。

(11)

通過式(11)則有：

(12)

得到Hilbert譜如式(12)，通過對Hilbert譜在時域內(nèi)進(jìn)行積分處理后即可得到Hilbert邊際譜，如式(13)所示。

(13)

將得到的Hilbert邊際譜進(jìn)行隨頻率的平方和積分計算，得到Hilbert邊際能量譜，定義能量隨頻率的分布狀況如式(14)所示。

(14)

通過能量過零算法計算特征信號的能量M及過零率ZCR，如式(15)～式(16)所示。

(15)

(16)

將Hilbert邊際能量譜、能量M及過零率ZCR統(tǒng)一記錄下來作為特征波形的特征數(shù)據(jù)。

3 基于能量過零聯(lián)合HHT的特征數(shù)據(jù)庫建立與自適應(yīng)更新

通過對大量無影響標(biāo)準(zhǔn)信號的特征分析，分別計算出不同地質(zhì)、不同行為的特征波形的能量M、過零率ZCR及Hilbert邊際能量譜，利用這些特征建立兩步辨識方法。

首先對能量及過零率進(jìn)行統(tǒng)計分析，排除3σ原則之外的粗大誤差。之后將同地質(zhì)、同行為的特征信號的能量及過零率顯示在二維空間上，計算其覆蓋范圍，作為初步識別的依據(jù)。接著將這些數(shù)據(jù)對應(yīng)的Hilbert邊際能量譜求解平均值，及與平均值差值數(shù)據(jù)的最大方差，作為第二步辨識依據(jù)。對所有地質(zhì)及行為均按上述方法建立兩部識別依據(jù)，建立統(tǒng)一專家數(shù)據(jù)庫。單個類型數(shù)據(jù)庫建立流程如圖3所示。

圖3 單個類型數(shù)據(jù)庫建立流程

獲得一段待識別信號后先進(jìn)行小波閾值去噪，然后進(jìn)行HHT變換得到Hilbert邊際能量譜，再將得到的特征信號計算能量及過零率。這樣就得到了這段信號的特征參數(shù)。首先將計算能量及過零率是否唯一匹配，如果唯一匹配則直接識別成功，如果不是唯一匹配，則求解Hilbert邊際能量譜與已匹配種類的Hilbert邊際能量譜差值的方差，方差最小且小于數(shù)據(jù)庫內(nèi)的最大方差則為匹配成功，否則為匹配失敗。如果能量過零完全不匹配但Hilbert邊際能量譜匹配成功，則可能由于各地地質(zhì)狀況安裝方式又有細(xì)微不同，可能有雖為同類地質(zhì)但振動特性仍有略微不同，因此進(jìn)行數(shù)據(jù)庫自適應(yīng)性擴展，如果能量過零與識別區(qū)域的最近距離對應(yīng)的能量與過零率在閾值內(nèi)，則將該點加入專家數(shù)據(jù)庫中，如果Hilbert邊際能量譜匹配失敗，則識別失敗。信號識別和數(shù)據(jù)庫更新流程如圖4所示。這樣便實現(xiàn)了特征數(shù)據(jù)庫的建立和自適應(yīng)更新。

圖4 信號識別和數(shù)據(jù)庫自適應(yīng)流程

4 振動信號識別實驗驗證

將實驗裝置安置在草皮泥地地面、沙地地面、砂土地面、磚地地面和柏油公路地面地質(zhì)條件下，分別進(jìn)行40次人員行走、敲擊和挖掘動作(部分硬質(zhì)地面無法挖掘)，并記錄信號，同時再記錄不同地質(zhì)下人員行走、挖掘、敲擊等信號共240組用以驗證。實驗過程中走路信號為55 kg成年男子在檢測范圍內(nèi)正常走路產(chǎn)生的信號，敲擊信號為5 kg橡膠錘在檢測范圍內(nèi)無加力情況下敲擊地面產(chǎn)生的信號，挖掘信號為使用鐵鍬非固定姿勢挖掘地面產(chǎn)生的信號，所有信號并沒有固定信號產(chǎn)生的具體位置。將信號經(jīng)過處理建立統(tǒng)一數(shù)據(jù)庫，得到能量過零率分布圖如圖5所示，Hilbert邊際能量譜如圖6所示?？梢钥吹酵ㄟ^能量過零區(qū)域判斷及邊際能量譜判斷能夠有效地區(qū)別不同地質(zhì)不同行為所產(chǎn)生的振動信號。

圖5 能量過零分布圖

圖6 邊際能量譜圖

使用不同地質(zhì)條件的振動信號進(jìn)行測試，每個類型20組實驗信號，驗證識別方法的有效性，識別率計算公式如式(17)所示。

(17)

式中:Q為識別成功率；P為每組識別成功的信號組數(shù)。

驗證信號識別率如表1所示。結(jié)果顯示本方法有較好的識別精度。之后又重新測量了15次另一位置公路地面的敲擊信號，能量閾值設(shè)定為1.5，過零閾值設(shè)定為0.01。驗證數(shù)據(jù)庫的自適應(yīng)能力，得到能量過零區(qū)域分布圖變化如圖7所示。圓點為新測量的敲擊信號，虛線為自適應(yīng)之前的判斷范圍，實線為自適應(yīng)之后的判斷范圍。從實驗結(jié)果可以看到邊際能量譜作為振動信號的識別特征更精確和穩(wěn)定，但數(shù)據(jù)量大，計算較為麻煩，使用能量過零算法雖然在判斷區(qū)域上有一定重疊但作為初步判據(jù)是快速有效的。

圖7 公路敲擊數(shù)據(jù)庫自適應(yīng)過程

5 結(jié)論

實驗表明了不同地質(zhì)條件下振動波形的特征有所不同，一種地質(zhì)的特征不能與其他地質(zhì)的特征相匹配。針對該問題筆者利用能量過零聯(lián)合HHT算法有效地識別了不同地質(zhì)不同動作的特征，并通過建立統(tǒng)一專家數(shù)據(jù)庫成功識別了不同地質(zhì)不同動作所產(chǎn)生的振動信號。使用閾值判斷及邊際能量譜匹配實現(xiàn)了數(shù)據(jù)庫的自適應(yīng)性拓展，并通過實驗驗證了該方法的有效性。但對于未記錄在庫的地質(zhì)及動作無法進(jìn)行識別，后續(xù)會利用機器學(xué)習(xí)等大數(shù)據(jù)分析方法更精確地獲得特征來實現(xiàn)數(shù)據(jù)庫更強的適應(yīng)性。