采用超声方法检测接收波纹管模型的回波信号，利用总体平均经验模态分解（EEMD）方法将信号分解成多个频带的本征模态分量（IMF）； 当波纹管内部出现脱浆缺陷时，回波信号在不同IMF内的能量分布会发生变化，将主要IMF分量的能量熵特征作为支持向量机（SVM）的输入向量，建立分类机制来区分波纹管结构。试验结果表明，文中提出的方法能有效地判断波纹管是否出现严重脱浆。

所属栏目

试验研究国家自然科学基金（11574072）；江苏省重点研发计划（BE2016056）

收稿日期

2017/12/1

作者单位

郑豪:河海大学 物联网学院, 常州 213022
韩庆邦:河海大学 物联网学院, 常州 213022
王鹏:河海大学 物联网学院, 常州 213022

联系人作者

韩庆邦(hqb0092@163.com)

备注

郑豪(1994-),男,硕士研究生,研究方向为声通信与信号处理

引用该论文:

ZHENG Hao,HAN Qingbang,WANG Peng.Ultrasonic Testing of Corrugated Pipe Based on the Ensemble Empirical Mode Decomposition and Support Vector Machine[J].Nondestructive Testing,2018,40(6):38～42
郑豪,韩庆邦,王鹏.基于EEMD_SVM的波纹管压浆超声检测[J].无损检测,2018,40(6):38～42

参考文献

【1】

成锦, 韩庆邦, 范洪辉,等. 基于小波熵技术的波纹管压浆质量无损检测[J]. 压电与声光, 2014, 36(6):1025-1029.

【2】

高小妮, 谢峻, 安宁,等.基于不同雷达天线的桥梁深层钢筋识别精度试验[J]. 无损检测, 2017, 39(11):44-47.

【3】

JONG-HYO A, DAE-HO K, BONG-HWAN K. Fault detection of a roller-bearing system through the EMD of a wavelet denoised signal[J]. Sensors, 2014, 14(8):15022-15038.

【4】

WANG T, ZHANG M, YU Q, et al. Comparing the application of EMD and EEMD on time-frequency analysis of seimic signal[J]. Journal of Applied Geophysics, 2012, 83(6):29-34.

【5】

LIU Z, CUI Y, LI W. A classification method for complex power quality disturbances using EEMD and rank wavelet SVM[J]. IEEE Transactions on Smart Grid, 2015, 6(4):1678-1685.

【6】

吴庆伟, 王金龙, 张平. 基于FOA-SVM模型的输油管道内腐蚀速率预测[J]. 腐蚀与防护, 2017, 38(9):732-736.

【7】

LIAN Y, LI Y W, QUAN Z, et al. SVM strategies for common-mode current reduction in transformerless current-source drives at low modulation index[J]. IEEE Transactions on Power Electronics,2016,32(2):1312-1323.