自適應算法在漆包線漆膜連續性檢測中的應用

陳東澤，李尤鵬，賀慧勇

（長沙理工大學物理與電子科學學院，長沙410114）

0 引言

隨著現代檢測技術的飛速發展和處理器速度不斷的提高，LMS 自適應時延估計算法成為了信號分析與處理領域一個重大研究課題，它被廣泛應用于流速測量、管道泄漏檢測、目標跟蹤定位等領域中。不過大部分研究者多側重LMS 自適應時延算法理論的改進以及優化，目前還沒有研究者將算法應用于漆包線漆膜連續性檢測當中。

漆包線漆膜檢測傳統方法包括日本鹽水法、低壓水銀法、激光法測直徑、壓輪式直流高壓漆膜連續性檢測法等。日本水銀法需要人工觀察記錄，檢測能力有限。低壓水銀法一般只適用于Φ0.5mm 以下的漆包線，并且水銀的滲透性會影響漆包線漆膜缺陷檢測的嚴格性和準確性，并且水銀是有毒物質。激光法測直徑對關鍵件的要求很高，關鍵件誤差較大會影響其檢測精度。壓輪式直流高壓漆膜連續性檢測法對技術要求過高。但是利用LMS 自適應時延算法可以通過利用缺陷信號在時延上存在相關性而噪聲信號不存在相關性的特點來有效的提取出缺陷信號，能夠有效解決傳統方法一路檢測漏檢誤檢等問題，自適應濾波器是一種能夠自動調節本身的濾波器參數已達到某種最佳的統計準則要求的濾波器，它的突出特點是并不需要預先預知輸入信號和噪聲特性。自適應算法常用的準則有LMS（最小均方誤差）準則。LMS 自適應時延算法原理是自適應算法的應用，其原理是采用參數模型法設計濾波器的沖擊響應函數，通過LMS 自適應來迭代調整沖擊響應函數對稱軸的位置來擬合兩路信號時延的大小。這種方法實質將自適應算法轉換成一個濾波器的設計和實現問題，通過不斷的迭代和求逆實現濾波器的設計，當濾波器的權參數趨于穩定后，此時均方誤差剛好趨于一個最小值，那么權參數最大值處對應的延時點即是我們所要求的延時點。但通過大量的現場漆包線數據分析之后，發現漆包線信號數據量非常的龐大，并且大部分并不是我們需要關心的缺陷信號，如果直接全部做自適應時延運算會影響處理的速度，故驗證LMS 自適應時延算法在漆包線漆膜檢測的可行性以及算法的優化是本文的核心。

1 漆包線自適應時延算法檢測的原理

具體漆包線信號采集過程是通過兩路紅外對管（紅外對管包括紅外發射管和紅外接收管）采集漆包線的反射光強度并通過后級的調理電路將光信號轉換成電信號放大至0-5V 的電壓來提取出漆包線信號。具體實驗中紅外對管中紅外發射管和紅外接收管的間距為3mm，紅外對管1 和紅外對管2 是同型號的產品，兩個紅外對管之間的距離為5cm，整個系統圖如圖1。為了保證數據傳輸的準確性，我們還采用虛擬示波器和處理器同時采集數據以確保數據的準確性。

圖1 漆包線自適應時延檢測算法原理

后級的信號處理采用的是自適應時延算法處理，因為在漆包線運動過程中，通過漆包線連續性檢測平臺采集的數據中缺陷信號淹沒在強大的噪聲信號中，所以通過缺陷信號在通過兩路對管的時候具有延時性而噪聲信號不具備這特性來提取缺陷信號，但在處理的過程中發現由于采集的數據量過大，而且大部分數據不是所需要的缺陷信號。所以在進行自適應時延估計算法處理前需要前級簡化篩選算法處理，先設定兩路漆包線信號的數據的閾值，然后通過閾值先初步篩選掉大量的無用漆包線信號。

在兩路紅外對管之間的距離和漆包線測量平臺運動線速度已知的情況下，理論的延時值就可以通過計算得到。與此同時，自適應計算延時的結果主要受采樣頻率以及計算窗口的大小有關。根據采樣定理決定了采樣頻率應該足夠高，計算窗口代表的時間必須大于兩路信號的渡越時間。在滿足這些條件下，假設經過前級預處理的兩路紅外對管信號為X1（n）和X2（n），設定W（n）為自適應濾波器的加權系數，分別取X1（n）和X2（n）的n 個點的數據并將這兩路信號送入自適應濾波器，進行如下的運算：

進而得到均方誤差：

具體計算過程如圖2 所示。

圖2 漆包線漆膜連續性檢測自適應延時算法的流程圖

根據漆包線檢測平臺的紅外對管之間的距離，漆包線運動的線速度以及漆包線數據的采樣率來確定合適迭代步長因子u 滿足收斂條件以及M 的值，經過權參數的多次迭代，當權參數趨于穩定后，即上述均方誤差趨于最小值時，此時自適應濾波器必將收斂于維納濾波器。此時權矢量峰值對應的時間點即是該段時間對應的兩路信號的時間延時，將此時間延時值記錄下來與理論的時間延時值進行對比，如果相差太大，就可以證明該段信號不是缺陷信號，如果兩個值相差不大，則可判定可能是缺陷信號。進行完上述的計算后，將數據自動推后z 個點（z＜n）,同樣進行上述的漆包線自適應算法的處理，如果連續幾個自適應窗口時延值都與實際值相差不大則判定該處必定有缺陷信號。

2 漆包線采集數據對算法的驗證

在滿足這些條件下，對得到的漆包線數據進行處理，樣本數據一現場的漆包線直徑為Φ1.0，漆包線長度為1077m,數據采樣率為32kHz，靜止狀態下漆包線紅外對管之間的距離為5cm，漆包線線速度為235m/min，樣本數據二現場的漆包線直徑為Φ1.0，漆包線長度為1070m,數據采樣率為16kHz，靜止狀態下漆包線紅外對管之間的距離為5cm，漆包線線速度為235m/min。

在上述篩選算法處理的基礎上，對篩選后的漆包線數據進行自適應時延算法處理，由上面數據可以可知樣本數據一的采樣率為32k，線速度為235m/min，紅外對管間距為5cm,理論延時值為12.77ms（對應32k 采樣率對應的點數為408）。對現場的漆包線觀察時可以發現該組漆包線在963m 處左右有缺陷，于是對該處數據進行處理時，先取1024 個點窗口數據自適應步長U=0.04,M=500（M＞408），對其進行處理，可以發現窗口內除了408 處有峰值外還有幾個偽峰值，甚至比所求的峰值的幅度還高如圖3 所示，由于漆包線前級電路已經對漆包線數據進行了前級濾波，故該噪聲很有可能后級處理AD 采樣時產生的，故我們在對數據處理前在對數據進行再濾波，于是在加了濾波器后，所需要的峰值就明顯可見了。如圖4，所以前級的再濾波可以凸顯時延峰值。

圖3 沒加濾波器數據一的時延圖

圖4 加了濾波器數據一的時延圖

對樣本數據一漆包線數據進行自適應時延處理，可以通過上述的計算得到自適應理論延時點數為408，轉化成時間為12.77ms，其中設定自適應步長u=0.04,M分別是250,500,1000，計算自適應時延值。當M=250時，延時點數無法計算；當M=500 時，延時點數為405，轉化成時間為12.65ms；當M=1000 時，延時點數為405，轉換時間為12.65ms；

對樣本數據三漆包線數據進行自適應時延處理，采樣率為16k，故計算得到的理論延時點數為204，轉化成時間為12.65ms,其中設定自適應步長仍為u=0.04，M=300，在266m 缺陷處可以得到實際處理得到的時延值為201，轉化成時間為12.56ms。時延圖如圖5。

圖5 16kHz自適應時延圖

從上述數據以及時延圖可以看出在漆包線采集過程中存在相關噪聲，在進行自適應時延處理前需進行前級再濾波處理；自適應濾波器長度M 的值太小的話無法估測出時延值，但是M 的值選的過大的話可由自適應時延算法原理知會導致自適應算法的收斂速度變慢[8]；通過對比樣本數據一三可以看出兩組數據在只有采樣率不同的情況下，采樣率小的話，相對應的自適應時延濾波器階數M 可以相對取小些，這樣可以收斂速度變快些。

3 結語

本文從漆包線漆膜連續性缺陷出發，介紹了紅外接收管采集漆包線漆膜連續性信號的實驗裝置和自適應時延檢測漆包線缺陷的原理，在對漆包線數據進行了前級簡化和濾波處理后，驗證了漆包線自適應時延檢測的可行性。對比了同一采樣率和線速度下自適應濾波器階數M 值對計算結果的影響。同時對比了不同的采樣率對M 值選取的影響。由微弱信號處理中自適應算法原理可以知道選取過大的自適應濾波器階數M，會使得迭代次數變長，收斂速度變慢[8]，故選取過大M 會使時延計算速度變慢，選取過小的自適應濾波器階數M，則無法計算出時延值。并且采樣率越小，可以發現M 值可以相對選取小些。因此需要根據采樣率和實際需求來確定自適應濾波器的階數M。