一种X射线测厚仪数据优化校正方法

技术领域

本发明涉及厚度测量技术领域，具体涉及一种X射线测厚仪数据优化校正方法。

背景技术

随着科学技术的快速发展，高尖端技术和高科技产品的需求也在不断提高。在冶金测厚领域中，X射线测厚仪已经得到了较为广泛的应用，满足了汽车、电子仪器、航天设备等高端领域对金属板材厚度的要求，提高了金属板材厚度测量的效率和精度。X射线测厚仪相较于红外线测厚仪、超声波测厚仪具有稳定性较高和抗干扰能力较强的优点，X射线测厚仪在冶金测厚领域发挥着极为重要的作用。

虽然X射线测厚仪具有较多优点，但是在应对复杂场景使用过程中也存在测量精度较低的问题。现如今对X射线测厚仪测量精度的改进多为设备本身的参数补偿，通过降低设备本身的干扰因素的影响提高测量精度。但在X射线测厚的使用过程中是通过将X射线能量的衰减信号转化为电流信号进行测量，而转化的电流信号一般较弱，容易受到测量环境中噪声信号的干扰，导致电流信号中存在噪声干扰，传统的数据处理算法未考虑实际应用场景中的信号特征，导致对检测信号的降噪处理的精度较低，影响X射线测厚仪的测量准确性。

发明内容

本发明提供一种X射线测厚仪数据优化校正方法，以解决受到环境噪声的干扰导致X射线测厚仪对待测金属板厚度的测量误差较大的问题，所采用的技术方案具体如下：

本发明一个实施例一种X射线测厚仪数据优化校正方法，该方法包括以下步骤：

获取所有监测数据的监测数据时间序列，所述监测数据包括X射线强度转换的电流值和环境噪声声波转换的电压值；

利用经验模态分解算法获取每个环境噪声声波转换的电压值序列对应的模态分量分解结果；根据所述分解结果中不同模态分量对应频谱图之间的幅值差异获取每个模态分量的测量干扰第一特征系数；

根据每个环境噪声声波转换的电压值序列对应的每个模态分量的测量干扰第一特征系数获取测量干扰置信度系数；

根据测量干扰置信度系数获取小波分解层数；利用小波去噪算法基于小波分解层数得到干净电流信号；根据干净电流信号得到测厚仪数据的校正结果。

优选的，所述利用经验模态分解算法获取每个环境噪声声波转换的电压值序列对应的模态分量分解结果的方法为：

将每个环境噪声声波转换的电压值序列作为经验模态分解算法的输入，利用经验模态分解算法获取所述电压值序列对应的预设数量个模态分量。

优选的，所述根据所述分解结果中不同模态分量对应频谱图之间的幅值差异获取每个模态分量的测量干扰第一特征系数的方法为：

根据每个环境噪声声波转换的电压值序列对应的模态分量分解结果中每个模态分量的频谱图获取所述每个模态分量的测量干扰系数、测量干扰差异系数；

将每个模态分量与其余任意一个模态分量之间测量干扰系数的差值作为第一差值；将每个模态分量与其余任意一个模态分量之间测量干扰差异系数之间的差值作为第二差值；将第一差值与第二差值的乘积在其余所有一个模态分量上的累加作为每个模态分量的测量干扰第一特征系数。

优选的，所述根据每个环境噪声声波转换的电压值序列对应的模态分量分解结果中每个模态分量的频谱图获取所述每个模态分量的测量干扰系数、测量干扰差异系数的方法为：

对每个模态分量进行傅里叶变换得到每个模态分量的频谱图，将每个模态分量的频谱图中频率最小值对应的幅值作为每个模态分量的测量干扰系数；

将每个模态分量的频谱图中幅值最大值与幅值最小值之间的差值作为每个模态分量的测量干扰差异系数。

优选的，所述根据每个环境噪声声波转换的电压值序列对应的每个模态分量的测量干扰第一特征系数获取测量干扰置信度系数的方法为：

根据每个环境噪声声波转换的电压值序列对应的每个模态分量的测量干扰第一特征系数获取每个环境噪声声波转换的电压值序列的第一特征差异序列；

根据两个环境噪声声波转换的电压值序列的第一特征差异序列获取两个环境噪声声波之间的干扰复杂度；

将所有环境噪声声波之间的干扰复杂度的均值作为测量干扰置信度系数。

优选的，所述根据每个环境噪声声波转换的电压值序列对应的每个模态分量的测量干扰第一特征系数获取每个环境噪声声波转换的电压值序列的第一特征差异序列的方法为：

将每个环境噪声声波转换的电压值序列的每个模态分量的测量干扰第一特征差异系数按照由小到大排序组成的序列作为环境噪声声波转换的电压值序列的第一特征差异序列。

优选的，所述根据两个环境噪声声波转换的电压值序列的第一特征差异序列获取两个环境噪声声波之间的干扰复杂度的方法为：

将两个环境噪声声波转换的电压值序列的第一特征差异序列之间的度量距离作为第一干扰差异值；

将两个环境噪声声波转换的电压值序列的第一特征差异序列中元素的均值之间的差值作为第二干扰差异值；

两个环境噪声声波之间的干扰复杂度由第一干扰差异值、第二干扰差异值两部分组成，其中，所述干扰复杂度与第一干扰差异值、第二干扰差异值成正比关系。

优选的，所述根据测量干扰置信度系数获取小波分解层数的方法为：

将测量干扰置信度系数与预设参数的乘积作为取整函数的输入，将取整函数的输出作为小波分解的层数。

优选的，所述利用小波去噪算法基于小波分解层数得到干净电流信号的方法为：

将在测厚仪的接收器中采集到的电流信号作为小波去噪算法的输入，利用小波去噪算法基于所得小波分解的层数得到干净电流信号。

优选的，所述根据干净电流信号得到测厚仪数据的校正结果的方法为：

将干净电流信号经过X射线测厚仪中信号转换单元和计算机处理得到待测金属板的测量结果作为测厚仪数据的校正结果。

本发明的有益效果是：本发明通过分析X射线测厚仪测量过程中不同方向上环境噪声的复杂程度，综合每个方向上的噪声复杂程度分析结果计算测量干扰置信度系数，基于测量干扰置信度系数得到小波去噪算法中的分解层数，其有益效果在于考虑环境噪声复杂程度对电流信号影响，获取合适的小波分量分解层数，利用小波去噪算法对X射线测厚仪内转换得到的电流信号进行去噪处理，避免环境噪声的干扰使电流信号数据出现偏差，使得经过放大器处理后电流信号的出现较大偏差的问题，提高对X射线测厚仪的测量准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例所提供的一种X射线测厚仪数据优化校正方法的流程示意图；

图2为本发明一个实施例所提供的声音传感器和接收器的相对位置示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明一个实施例提供的一种X射线测厚仪数据优化校正方法流程图，该方法包括以下步骤：

步骤S001，获取所有监测数据的监测数据时间序列。

X射线测厚仪主要由发送器、接收器、信号转换单元、计算机处理单元等组成，其中接收器主要是将X射线强度经过电离室探测器转化为电流信号，在这个过程中转化的电流信号强度较弱，容易受到外界环境噪声的干扰，因此在接收器的四个方向上设置声音传感器采集环境噪声监测数据，声音传感器接收到的是噪声源产生的声波，输出的一般是声波波形图或者传感器内部元件振动产生的电压值，本发明中通过声音传感器采集的是环节噪声声波转换的电压值数据，即通过声音传感器采集环境噪声转换的电压值数据，声音传感器和接收器的相对位置如图2所示；同时通过电流传感器采集X射线强度转换的电流值监测数据，每种监测数据采集的时间间隔为t，每种监测数据采集n次，声音传感器和电流传感器的型号可根据实际情况进行选择，本发明中t的大小取经验值1s，n的大小取经验值600，将每种监测数据按照时间升序的顺序组成的序列作为每种监测数据对应的时间序列，分别将四个声音传感器的时间序列记为第一监测数据时间序列

至此，得到测厚仪工作过程中每种监测数据的时间序列。

步骤S002，获取监测数据时间序列对应的模态分量分解结果，基于不同模态分量对应频谱图上幅值的差异获取测量干扰第一特征系数。

X射线测厚仪的测量原理是通过发射X射线经过待测金属板的能量的衰减特性测定待测金属板的厚度，在X射线经过金属板后到达接收器，经过转换处理可以将X射线的能量转换为电流信号，而转换的电流信号较弱，容易受到环境噪声的干扰，使电流信号数据出现偏差，经过放大器处理后电流信号的干扰影响也会放大，导致X射线测厚仪对待测金属板厚度的测量结果产生较大误差，因此，本发明考虑对X射线测厚仪使用过程中接收器受到的环境干扰因素进行分析，通过分析结果对测厚仪数据进行校正，消除环境噪声的干扰。

首先根据不同位置的声音传感器采集的监测数据分析X射线测厚仪工作环境的复杂程度，若X射线测厚仪的工作环境中的存在噪声干扰较为复杂，则进行厚度测量时出现较大偏差的可能性越大。根据监测数据时间序列分析不同位置采集的环境噪声数据的特征，对于每一个监测数据时间序列，以第一监测数据时间序列为例，采用经验模态分解EMD算法对第一监测数据时间序列

对于第一监测数据时间序列分解结果中的每个模态分量，将每个模态分量的频谱图中基频分量，即频谱图中的最低频率的幅值作为每个模态分量的测量干扰系数

式中，

测厚仪的工作环境中的噪声敏感性较高，因此测厚仪的工作环境中的噪声较复杂时，在同一频率和时间尺度上的噪声信号的表现的特征越明显，则与其它频率和时间尺度的上的离散特征差异越大，第一差值

至此，得到每个监测数据时间序列分解结果中每个模态分量的测量干扰第一特征系数，用于后续测量干扰置信度系数的计算。

步骤S003，根据不同监测数据时间序列对应的每个模态分量的测量干扰第一特征系数获取测量干扰置信度系数。

根据上述步骤得到每个监测数据时间序列分解结果中每个模态分量的测量干扰第一特征系数，由于单一模态分量只能反映每个监测数据时间序列中部分频率下的信号信息，因此为了整体性的表征每个监测数据时间序列中所有频率下的信号信息，进一步的，利用不同模态分量的测量干扰第一特征系数构建每个监测数据时间序列的特征序列。

将第一监测数据时间序列的每个模态分量的测量干扰第一特征差异系数按照由小到大排序组成的序列作为第一监测数据时间序列的第一特征差异序列

第一特征差异序列能够反映X射线测厚仪所在工作环境的噪声含有噪声的复杂程度，因此可以通过不同位置声音传感器采集的噪声信号数据综合分析X射线测厚仪所在环境的干扰复杂度，如果不同位置的监测数据时间序列包含的干扰噪声的程度不同，则测厚仪测量过程中受到的干扰越不稳定，最终转换得到的电流信号准确率越低。

此处构建测量干扰置信度系数

式中，

X射线测厚仪所处环境内干扰噪声信号的复杂程度越高，从不同位置采集的环境噪声各不相同，不同位置声音传感器得到的监测数据时间序列内包含的噪声信号的频率越不相同，第一特征差异序列之间的差异性越大，第一干扰差异值

至此，得到测量干扰置信度系数，用于后续测厚仪测量结果的校正。

步骤S004，根据测量干扰置信度系数确定小波分解层数，利用小波去噪算法基于小波分解层数得到干净电流信号，根据干净电流信号得到测厚仪数据的校正结果。

根据上述步骤得到了测量干扰置信度系数，反映了X射线测厚仪受到其所处环境内干扰噪声的影响程度的大小。X射线测厚仪工作环境的环境噪声越复杂则噪声信号对测量过程中电流信号特征的影响越复杂，越应该对采集到的电流监测数据序列进行去噪处理，而在利用小波去噪算法对电流监测数据序列进行去噪处理时，本发明中根据数据受到噪声影响程度的大小，即测量干扰置信度系数的大小自适应获取X射线测厚仪测量过程中得到的电流监测数据序列应该被分解的层数，在防止电流监测数据序列过分解的同时，最大程度的消除噪声的影响，实现对测厚仪测量数据的校正。

根据测量干扰置信系数确定小波去噪算法中分解层数，具体计算公式如下：

式中，

在X射线测厚仪测量待测金属板时，X射线测厚仪射线装置发射的X射线由电离室内的探测器检测转化为电流信号，因此本发明中，将电离室内的电流信号作为小波去噪算法的输入，将小波去噪算法中的分解层数设置为M，利用小波去噪算法得到去噪后的干净电流信号，小波去噪算法为公知技术，具体过程不再赘述。将干净电流信号经过信号处理电路放大并转换为电压信号，将所述电压信号供给采样电路，利用采样电路输出的电压值得到待测金属板厚度的测量值H：

式中，

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。