劉相彪，李 勇，陳振茂，閆 貝，李一力

(西安交通大學 航天航空學院 機械結(jié)構(gòu)強度與振動國家重點實驗室核能結(jié)構(gòu)安全檢測與完整性評價研究中心，陜西 西安710049)

0 引 言

鐵磁性管道在石油開采領(lǐng)域應用廣泛，但由于其惡劣的服役環(huán)境，極容易產(chǎn)生腐蝕缺陷，如不定期進行無損檢測，將危及到油田正常生產(chǎn)［1，2］。脈沖遠場渦流(pulsed remote field eddy current，PRFEC)技術(shù)［1，3～6］作為一種新興的電磁無損檢測技術(shù)，國內(nèi)外研究發(fā)現(xiàn)其對鐵磁性管道檢測存在顯著的優(yōu)勢。然而在實際檢測中，由于管道自身機械加工條件不同和地殼應力等因素的影響，在管道不同位置處會存在磁導率不均等變化，而這一變化與缺陷對脈沖遠場渦流檢測信號的影響極其相似，使得檢測信號信噪比較低，容易造成缺陷的誤判和漏檢。

如何有效消除磁導率不均等管道自身材質(zhì)因素對鐵磁性材料電磁無損檢測結(jié)果的干擾，一直是人們關(guān)注的問題。Atherton DL 等人提出了通過局部磁飽和方法降低磁導率不均對檢測信號的影響［7］，但這種方法也增加了檢測探頭的復雜性，不易于實現(xiàn)。Mandayam S 等人提出利用小波變換構(gòu)造出一種只對缺陷引起變化敏感的特征量［8］，從而消除磁導率不均對檢測結(jié)果的影響，但是此種方法依懶于事先所構(gòu)造的模型與特征量，在實際檢測中效果不理想。羅飛路等人提出了基于獨立分量分析(independent component analysis，ICA)技術(shù)［9～11］消除磁導率不均的方法［12］。該方法要求觀測信號數(shù)目大于或等于源信號數(shù)目，在實際應中，受限于造價、應用條件等各種因素的制約，常存在單觀測通道的情況，該方法應用受到限制。

本文通過對主成分分析(principal component analysis，PCA)技術(shù)［13～15］與ICA 技術(shù)的進一步研究，結(jié)合PCA 與ICA 技術(shù)各自的優(yōu)勢，提出了基于PCA－ICA 聯(lián)合消噪技術(shù)。該技術(shù)利用PCA 將單通道信號加以變換，提取前二階主成分構(gòu)建虛擬雙通道信號作為ICA 輸入矩陣，采用擴展特征矩陣聯(lián)合近似對角化(flexible joint approximative diagonalization of eigenmatrix，F(xiàn)JADE)算法［16］實現(xiàn)了單通道信號欠定條件下缺陷信號與磁導率不均等噪聲信號的分離。

1 PCA-ICA 聯(lián)合消噪技術(shù)研究

1.1 PCA－ICA 方法提出

PCA 技術(shù)是一種建立在統(tǒng)計特征基礎上的正交線性變換，它把給定的一組相關(guān)變量通過線性變換轉(zhuǎn)成另一組互不相關(guān)的變量，這些新的變量按照方差依次遞減的順序排列，稱為主成分。每階主成分都是原始特征的線性組合，可以構(gòu)建多通道虛擬信號，用以彌補ICA 技術(shù)存在觀測信號數(shù)目必須大于或等于源信號數(shù)目的不足。此外，經(jīng)PCA 處理后的第一主成分最大限度上保留了原始特征信息，可以用來評定ICA 分離后的結(jié)果。

ICA 技術(shù)是信號處理領(lǐng)域在近年來發(fā)展起來的一項盲源信號處理方法，該方法可以有效地從觀測到的混合信號中分離出各個獨立分量。然而，ICA 技術(shù)存在觀測信號數(shù)目必須大于或等于源信號數(shù)目的局限性，無法對在實際應用中常常存在單通道信號欠定的情況進行盲源分離。

鑒于此，本文結(jié)合PCA 與ICA 技術(shù)各自的優(yōu)點，提出PCA－ICA 聯(lián)合消噪技術(shù)。該技術(shù)基于PCA 引入虛擬雙通道觀測信號，有效地解決了單通道信號無法進行ICA 分離的局限性。PCA－ICA 聯(lián)合消噪技術(shù)具體操作方法如下:

1)將單通道傳感器掃查所得信號二維矩陣M(列為單個掃查點傳感器信號)進行PCA 分析;

2)提取前兩階主成分P1與P2并進行歸一化處理(除以最大值)，構(gòu)建虛擬雙通道信號;

3)將P1，P2作為ICA 輸入矩陣，采用FJADE 算法計算得出獨立分量IC1與IC2;

4)分別計算獨立分量IC1，IC2與主成分P1的相關(guān)系數(shù)，選取相關(guān)系數(shù)最大的獨立分量作為去噪后的目標信號。

1.2 仿真研究

為了探究PCA－ICA 聯(lián)合消噪技術(shù)在脈沖遠場渦流檢測中的應用，在仿真研究中引入磁導率不均作為噪聲源。

建立鐵磁性管道脈沖遠場渦流二維軸對稱有限元模型，模型參數(shù)表1 所示。激勵線圈匝數(shù)為1 000 匝，方波激勵電流信號最大幅值為1 A，占空比為20%，頻率為40 Hz。傳感器位于距激勵線圈上端2.5 倍管徑處。

表1 仿真模型參數(shù)Tab 1 Parameters of the simulation model

在管道外壁上依次設置:周向磁導率不均(長×深為8.0 mm×1.0 mm，電導率為3.5 MS/m，相對磁導率為100.0)，周向腐蝕缺陷(長×深為20.0 mm×1.0 mm，電導率為0 MS/m，相對磁導率為1.0)，周向磁導率不均(長×深為8.0 mm×1.0 mm，電導率為3.5 MS/m，相對磁導率為300.0)，周向腐蝕缺陷(長×深為20.0 mm×1.0 mm，電導率為0 MS/m，相對磁導率為1.0)。其位置如圖1 所示。

圖1 缺陷與磁導率不均位置Fig 1 Position of defects and non-uniform permeability

傳感器位于磁導率不均和缺陷時單個脈沖遠場渦流信號與信號峰值—探頭位置掃查曲線，如圖2、圖3 所示。從圖2可以看出:磁導率不均與缺陷均可造成檢測信號峰值、峰值時間等變化，二者在掃查曲線(圖3)上的表征十分相似，影響了缺陷檢出與定量分析。

圖2 脈沖遠場渦流信號Fig 2 Signals of PRFEC

將仿真所得掃查信號二維矩陣M 進行PCA－ICA 處理，結(jié)果如圖4 所示。

圖3 信號峰值—探頭位置掃查曲線Fig 3 Peak value vs probe position

圖4 (a)為經(jīng)PCA 處理后前兩階主成分，第一主成分(P1)與第二主成分(P2)均可描述出缺陷與磁導率不均的位置，但其相對幅值有所差異?？梢詫1與P2等效為缺陷信號與噪聲(磁導率不均)信號特征不同的線性組合。

圖4(b)為缺陷信號與噪聲(磁導率不均)信號的分離結(jié)果，其中缺陷信號與主成分P1的相關(guān)系數(shù)為0.968 4，噪聲(磁導率不均)信號與主成分P1的相關(guān)系數(shù)為0.249 6。可以看出:PCA－ICA 技術(shù)可以有效地實現(xiàn)缺陷信號與噪聲(磁導率不均)信號的分離，達到了去噪的目的，提升缺陷識別與定量評估精度。

圖4 PCA-ICA 分離結(jié)果(仿真)Fig 4 Results of PCA-ICA separation(simulations)

2 PCA-ICA 聯(lián)合消噪技術(shù)實驗驗證

實驗采用試件為鐵磁性雙層套管，探頭結(jié)構(gòu)如圖5 所示。雙激勵線圈用以增加檢測信號幅值，隧道磁電阻(TMR)傳感器位于雙激勵線圈中間拾取磁場信號。表2 為試件與檢測探頭參數(shù)。實驗時采用頻率為40 Hz，幅值為1.5 V，占空比為20%的方波信號作為激勵，經(jīng)過功率放大(10 倍)后施加于激勵線圈。TMR 傳感器所拾取到的磁場信號經(jīng)過差分放大(10 倍)與濾波(低通濾波15 kHz)后，由數(shù)據(jù)采集卡實時采集。

表2 實驗參數(shù)Tab 2 Parameters of experiment

在鐵磁性雙層套管外管外壁上依次加工:周向缺陷1(長×深為30 mm×0.5 mm);周向缺陷2(長×深為30 mm×1.0 mm);周向缺陷3(長 深為30 mm×1.5 mm)。將檢測探頭從管道一端進行掃查，提取各掃查點處檢測信號峰值作為特征量，擬合得出信號峰值—探頭位置掃查曲線，如圖6所示。從圖6 可以看出，信號峰值—探頭位置掃查曲線噪聲較大，在無缺陷處存在波動，容易造成缺陷誤判。

圖5 檢測探頭結(jié)構(gòu)Fig 5 Structure of detecting probe

圖6 信號峰值—探頭位置掃查曲線Fig 6 Peak value of signal vs probe position

將實驗中掃查所得各點的脈沖遠場渦流信號組成二維矩陣(每一列代表一個掃查點的信號)，采用PCA－ICA 進行處理，結(jié)果如圖7 所示。

圖7(a)為經(jīng)PCA 處理后前兩階主成分，P1與P2在不同程度上可以描述出缺陷位置的信息。圖7(b)為經(jīng)PCAICA 分離后的結(jié)果，其中缺陷信號與主成分P1相關(guān)系數(shù)為0.9062，噪聲信號與主成分P1相關(guān)系數(shù)為0.4228?？梢钥闯?缺陷信號與噪聲信號經(jīng)PCA－ICA 處理后可有效分離。

3 結(jié) 論

圖7 PCA-ICA 分離結(jié)果(實驗)Fig 7 Result of PCA-ICA separation(experiments)

本文針對脈沖遠場渦流檢測中磁導率不均等管道自身材質(zhì)因素對檢測信號的影響，提出了PCA－ICA 聯(lián)合去噪技術(shù)。通過仿真與實驗研究表明:該技術(shù)彌補了ICA 要求觀測信號數(shù)目必須大于或等于源信號數(shù)目的不足，實現(xiàn)了單通道信號欠定條件下的盲源分離;可以有效地實現(xiàn)缺陷信號與磁導率不均等噪聲信號的有效分離，提高了脈沖遠場渦流檢測缺陷識別與定量評估精度。

［1］ Yang Binfeng，Li Xuechao.Pulsed remote field technique used for nondestructive inspection of ferromagnetic tube［J］.NDT＆E International，2013，53:47－52.

［2］ 付躍文，康小偉，喻星星.帶包覆層鐵磁性金屬管道局部腐蝕的脈沖渦流檢測［J］.應用基礎與工程科學學報，2013(4):786－795.

［3］ Li Yong，Chen Zhenmao，Qi Yong.Generalized analytical expressions of liftoff intersection in PEC and a liftoff－intersection－based fast inverse model［J］.IEEE Transactions on Magnetics，2011，47(10):2931－2934.

［4］ Li Yong，Liu Xiangbiao，Qi Yong，et al.Efficient analytical modelling for pulsed remote field eddy current evaluation of stratified tubular structures［C］∥2013 Far East Forum on.Nondestructive Evaluation/Testing:New Technology＆Application(FENDT)，Jinan，China:IEEE，2013:18－22.

［5］ 劉相彪，李 勇，陳振茂，等.基于磁場測量的脈沖遠場渦流檢測雙層套管仿真［J］.無損檢測，2013(10):48－52.

［6］ 張 輝，楊賓峰，荊毅飛，等.基于連通磁路的脈沖遠場渦流傳感器設計及缺陷定量評估與分類識別［J］.傳感技術(shù)學報，2012(10):1370－1375.

［7］ Atherton D L，Czura W，Schmidt T R.Use of magnetically saturated regions in remote field eddy current tools［J］.Journal of Nondestructive Evaluation，1989，8(1):37－43.

［8］ Mandayam S，UPda L，UPda S S.Wavelet based permeability compensation technique for characterizing magnetic flux leakage images［J］.NDT＆E International，1997，30(5):297－303.

［9］ 馮憲高，萬江飛，郭曉疆，等.基于盲源分離的超聲信號去噪的仿真研究［J］.傳感器與微系統(tǒng)，2006，25(7):36－39.

［10］王文波，張曉東，汪祥莉.基于獨立成分分析和經(jīng)驗模態(tài)分解的混沌信號降噪［J］.物理學報，2013(5):27－34.

［11］楊 旭，張學淵，李寶清.基于核獨立成分分析的聲信號去噪方法［J］.傳感器與微系統(tǒng)，2011，30(11):43－45，48.

［12］徐小杰.鐵磁性管道中軸向裂紋的遠場渦流檢測技術(shù)研究［D］.長沙:國防科學技術(shù)大學，2007.

［13］楊賓峰，羅飛路.基于主成分分析的腐蝕缺陷邊緣識別研究［J］.計量技術(shù)，2007(10):23－28.

［14］王巍巍，張賽男.基于PCA 與BP 混合神經(jīng)網(wǎng)絡算法的電子鼻系統(tǒng)［J］.傳感器與微系統(tǒng)，2014，33(4):90－92.

［15］周德強，張斌強，田貴云，等.脈沖渦流檢測中裂紋的深度定量及分類識別［J］.儀器儀表學報，2009(6):1190－1194.

［16］Cichocki A，Amari S，Siwek K，et al.ICALAB Toolboxes［DB/OL］.［2007—03—28］.http:∥www.bsp.brain.riken.jp/ICALAB.