本文针对白车身小样本采样下的CMM(三座标)数据,提出新的突变点剔除办法-平均值法,利用数字信号处理中用到的建立在多项式拟合基础上的改造后的简单整系数滤波器将白车身的尺寸数据的趋势项与波动项的分离,以得到较为真实的6Sigma值,以正确评估白车身的尺寸质量.

介绍了管道漏磁检测的原理,给出了管道检测装置框图.在小波变换Mallet快速算法的基础上,结合缺陷信号的特点,对实验室模拟状况下的采集信号进行了分析和处理,有效消除了信号噪声,提取了缺陷信号的特征值.

利用噪声信号和测试信号对各个尺度上的波谱的不同表现,应用小波理论对漏磁法检测海底管道的腐蚀和缺损情况中的信号噪声进行消除,根据相应的实验得出了一些海底管道缺陷检测的具体特征.

设计了一种新颖的SH板波和Lamb波双模式电磁超声换能探头,可有效应用于工业板材或管材的自动化在线检测.同时简要分析了电磁超声在铁磁性材料中换能Lamb波和SH波的理论,介绍了系统的结构组成和软硬件设计方法,具有较强的指导意义和应用价值.

由于超声回波信号受到噪声干扰或者到达时间混叠，故超声无损检测信号很难鉴别缺陷的大小．文中提出一种新的超声回波信号到达时间的识别方法．该方法首先把原始采集的回波信号进行经验模态分解，得到若干个固有模态函数，通过确定能量临界值，选择几个固有模态函数重构信号，重构信号的峰值包络表明了各个回波信号的到迭时间．由衍射时差法（TOFD）实验信号验证了该方法的可行性及准确性．实验结果表明，可以识别的最小时间间隔为0．1μs，平均误差为80ns．

针对海底石油管道超声检测信号的噪声消除问题,本文研究了基于小波分析的噪声消除方法.文中首先介绍了基于小波分析的噪声消除方法的基本原理,然后运用小波方法对实测超声信号进行了具体的处理.在信号处理中考虑了小波基以及小波分解层数对噪声消除效果的影响.信号处理结果表明:合理选择小波基和小波分解的层数,能有效去除超声信号中的噪声.

漏磁(MFL)检测信号常被多种噪声源污染,极大地降低了漏磁信号中缺陷信号的可检测性.提出一种漏磁信号去噪新方法.该法首先利用自适应滤波方法去除漏磁信号中的无缝管道噪声(SPN),然后再利用小波系数去噪方法去除SPN自适应消除系统输出的漏磁信号中的噪声.实测的漏磁信号处理结果说明,该方法具有良好的去噪效果,可提高漏磁信号中缺陷信号的可检测性.

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷漏磁信号来识别缺陷的形态参数.根据漏磁检测原理设计了相关的漏磁检测电路,通过提取信号的主要特征量,利用Levenberg-Marquardt算法在对常用BP神经网络改进的基础上应用其来识别缺陷的尺寸参数,给出了BP神经网络各层数的确定及权值、学习率的调整方法和相应的漏磁信号数据处理过程.漏磁检测数据处理实验表明,该缺陷识别BP神经网络系统具有逼近精度高、收敛速度快等特点.

在对线聚焦超声传感器声场进行数值模拟和实际测试的基础上，设计了用于海底管道缺陷自动检测的线聚焦超声传感器阵列。用该阵列对样管中的缺陷进行了实际检测。测试结果表明，该阵列对管道中的轴向裂纹有很好的榆出率。通过对测试信号进行分析，发现信号经二级自适应滤波去噪后，可得到更好的检出效果。

海底管道缺陷的检测是由管道内智能猪完成的，智能猪上的超声探头阵列以恒定的速度一次性爬过管道，采集并记录缺陷数据供离线分析。所以探头的种类和性能直接影响对缺陷的检出率。论文针对智能猪用柱形曲面声透镜水浸式线聚焦探头，建立了其声场模型，并对其轴线声场和焦距进行了数值模拟。最后，实测了其轴线声场分布。