[论文解读] A Novel Method of Bolt Detection Based on Variational Modal Decomposition

Juncai Xu, Qingwen Ren|arXiv (Cornell University)|Nov 13, 2017

Machine Fault Diagnosis Techniques参考文献 8被引用 3

一句话总结

本文提出了一种新颖的螺栓检测方法，结合变分模态分解（VMD）与形态学滤波（MF-VMD），以增强超声无损检测中的信号分离与噪声抑制效果。该方法能有效从噪声信号中分离出本征模态函数（IMFs），即使在强干扰条件下也能提高螺栓底面反射信号的检测精度，优于传统VMD方法。

ABSTRACT

The pull test is a destructive detection method, and it can t measure the actual length of the bolt. As such, ultrasonic echo is one of the most important non-destructive testing methods for bolt quality detection. In this paper, the variance modal decomposition method is introduced into the bolt detection signal analysis. Based on the morphological filtering and the VMD method, the VMD combined morphological filtering principle is established into the bolt detection signal analysis method. MF-VMD was used in order to analyze the simulation vibration signal and the actual bolt detection signal. The results showed that the MF-VMD is able to effectively separate the intrinsic mode function, even when under the background of strong interference. Compared with the conventional VMD method, the proposed method is able to remove the noise interference. The intrinsic mode function of the field detection signal can be effectively identified by the reflection of the signal at the bottom of the bolt.

研究动机与目标

• 为解决如拉拔试验等破坏性检测方法无法测量实际螺栓长度的局限性。
• 通过超声回波信号提升无损螺栓质量检测的准确性与可靠性。
• 开发一种能够有效从噪声超声信号中分离本征模态函数（IMFs）的信号处理方法。
• 降低螺栓检测信号中的噪声干扰，尤其在强背景噪声条件下。
• 利用先进信号分解技术实现对螺栓底面反射信号的有效识别。

提出的方法

• 所提出的方法将形态学滤波（MF）与变分模态分解（VMD）相结合，形成一种混合信号处理框架，称为MF-VMD。
• 首先应用形态学滤波对超声信号进行预处理，以减少脉冲噪声并提高信噪比。
• 随后利用VMD将滤波后的信号分解为一组本征模态函数（IMFs），每个IMF代表一种不同的振荡模式。
• VMD的分解过程通过一种迭代算法进行优化，以最小化每个IMF的带宽，从而确保信号分量的精确分离。
• 该方法利用螺栓底面的反射信号作为关键指标，从分解后的IMFs中提取并分析该信号。
• MF-VMD方法在模拟信号与真实世界超声检测信号上均进行了验证，以评估其在不同噪声条件下的性能。

实验结果

研究问题

• RQ1 MF-VMD能否有效分离受强噪声污染的超声信号中的本征模态函数？
• RQ2 在真实螺栓检测信号中，MF-VMD与传统VMD相比，在噪声抑制与信号特征保持方面表现如何？
• RQ3 形态学滤波与VMD的结合在多大程度上提升了螺栓底面反射信号的识别能力？
• RQ4 MF-VMD在高干扰条件下是否能保持信号完整性并提升检测精度？
• RQ5 MF-VMD能否可靠地从实际现场检测数据中提取有意义的信号分量？

主要发现

• MF-VMD方法即使在强干扰条件下，也能成功从超声信号中分离出本征模态函数（IMFs），表现出在噪声环境中的鲁棒性。
• 与传统VMD相比，MF-VMD方法实现了更优的噪声抑制效果，使信号分量更加清晰。
• 螺栓底面的反射信号在分解后的IMFs中被有效识别与分离，证实了该方法在精确估算螺栓长度方面的有效性。
• 该方法在模拟信号与实际检测信号中均保持了高保真度，证明其在真实无损检测应用中的实用性。
• 形态学滤波与VMD的结合显著提升了信号清晰度，并提高了螺栓质量评估的可靠性。