maisМоделирование и анализ информационных системModeling and Analysis of Information Systems1818-10152313-5417Yaroslavl State University10.18255/1818-1015-2024-2-164-181mais-1852Research ArticleComputing Methodologies and ApplicationsПодавление аддитивных периодических низкочастотных помех на вихретоковых дефектограммахSuppression of additive periodic low-frequency interference on eddy current defectogramshttps://orcid.org/0000-0002-0610-5466БыстровЛеонид ЮрьевичBystrovLeonid Y.bystrovl0306@mail.ruhttps://orcid.org/0009-0007-0211-5660ГладковАртемий НиколаевичGladkovArtemy N.gladkov.art76@gmail.comhttps://orcid.org/0000-0003-0500-306XКузьминЕгор ВладимировичKuzminEgor V.kuzmin@uniyar.ac.ruЯрославский государственный университет им. П.Г. ДемидоваРоссияP.G. Demidov Yaroslavl State UniversityRussian Federation202413062024312164181Copyright © Быстров Л.Ю., Гладков А.Н., Кузьмин Е.В., 20242024Быстров Л.Ю., Гладков А.Н., Кузьмин Е.В.Bystrov L.Y., Gladkov A.N., Kuzmin E.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.mais-journal.ru/jour/article/view/1852

Безопасность движения на железнодорожном транспорте требует регулярной проверки состояния рельсов для отслеживания и своевременного устранения возникающих на них дефектов. Вихретоковая дефектоскопия — один из популярных методов проведения неразрушающего контроля рельсов. Данные (дефектограммы), поступающие от вихретоковых дефектоскопов при тестировании рельсов, характеризуются большим объёмом и нуждаются в эффективном автоматическом анализе. Под анализом понимается процесс определения по дефектограммам наличия дефектных участков наряду с выявлением конструктивных элементов рельсового пути с учётом шума и возможных помех разной природы. Для выделения полезных сигналов (от дефектов и конструктивных элементов) находится пороговый уровень шума, значение которого может быть искажено накладывающимися на сигналы электромагнитными помехами, обладающими выраженной низкочастотностью и периодичностью. Указанные помехи завышают пороговый уровень шума, осложняя выявление полезных сигналов. В связи с этим возникает необходимость в подавлении помех описанного типа. В данной работе в качестве метода устранения помех на вихретоковых дефектограммах используется спектральное вычитание. Функция помех определяется как сумма низкочастотных гармоник дискретного преобразования Фурье исходных сигналов. Очищенные от помех сигналы получаются вычитанием гармоник низкочастотного диапазона. Правая граница этого диапазона названа частотой пороговой гармоники. Она находится с помощью минимизации расстояния между автокорреляционной функцией сигналов и ожидаемой автокорреляцией. Предложены два вида ожидаемой автокорреляции: автокорреляция гауссовского шума и эталонная автокорреляция. Оба подхода позволяют определить частоту пороговой гармоники, при которой периодические помехи будут подавляться наилучшим образом. Метод, основанный на автокорреляции гауссовского шума, является в некотором роде универсальным для вихретоковых дефектограмм. Эталонная автокорреляция привязана к конкретным данным и пишущему оборудованию. Для рассматриваемых данных вихретоковых дефектограмм найдена наиболее подходящая частота пороговой гармоники. Описанные подходы к подавлению периодических низкочастотных помех помимо вихретоковой дефектоскопии могут успешно применяться и в других областях.

Traffic safety in railway transport requires regular inspection of the rail condition to identify and timely eliminate defects. Eddy current flaw detection is one of the popular methods of non-destructive rail testing. The data (defectograms) obtained from eddy current flaw detectors during rail testing are produced in large volume and therefore need in efficient automatic analysis. The analysis means the process of detecting on defectograms the presence of defective areas and identification of structural elements of the rail track, taking into account noise and possible interferences of various natures. The threshold noise level is found to isolate signals from defects and structural elements. Its value can be distorted by electromagnetic influences superimposed on the signals, which have pronounced low frequency and periodicity. This interferences raises the threshold noise level, complicating to detect useful signals. In this regard, there is a need to suppress the effects of the described type. Therefore, there is a need for described interferences reduction. In this paper spectral subtraction was used as a method for interference reduction on eddy current defectograms. The interference function was defined as the sum of the low-frequency harmonics of the Discrete Fourier Transform of the original signal. Then the interference-free signal can be found by subtracting of low-frequency range harmonics. The right boundary of this range was called the threshold harmonic frequency. It was found minimizing the distance of the signal's autocorrelation function and expected autocorrelation. For it two kinds were proposed: the noise autocorrelation and the reference autocorrelation. Both approaches allow to determine the threshold harmonic frequency so that periodic interferences will be best reduced. The based on the Gaussian noise autocorrelation method is somewhat universal for eddy current defectograms. Whereas the based on reference autocorrelation method depends on specific data and recording equipment. For the eddy current defectogram data under consideration, the most suitable threshold harmonic frequency was found. The described approaches to periodic low-frequency interference reduction, in addition to eddy current testing, can be successfully used for other areas.

вихретоковая дефектоскопияповерхностные дефекты рельсовпериодические помехиспектральное вычитаниеавтокорреляционная функцияeddy current testingrail surface defectsperiodic interferencespectral subtractionauthocorrelation functionЯрГУ (проект VIP-016).Yaroslavl State University (project VIP-016).ReferencesK. V. Vlasov and A. L. Bobrov, “Influence of Object Physical Properties Instability on Edge Current Method Sensitivity,” Vestnik IzhGTU imeni M. T. Kalashnikova, vol. 27, no. 1, pp. 55–62, 2024, doi: 10.22213/2413-1172-2024-1-55-62.K. V. Vlasov and A. L. Bobrov, “Influence of Object Physical Properties Instability on Edge Current Method Sensitivity,” Vestnik IzhGTU imeni M. T. Kalashnikova, vol. 27, no. 1, pp. 55–62, 2024, doi: 10.22213/2413-1172-2024-1-55-62.A. A. Markov and E. A. Kuznecova, Defektoskopiya rel'sov. Formirovanie i analiz signalov. Kniga 2. Rasshifrovka defektogramm. Ul'tra Print, 2014.A. A. Markov and E. A. Kuznecova, Defektoskopiya rel'sov. Formirovanie i analiz signalov. Kniga 2. Rasshifrovka defektogramm. Ul'tra Print, 2014.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, and V. A. Tyukin, “On Finding a Threshold of Useful Signals in the Analysis of Magnetic and Eddy Current Defectograms,” Modeling and Analysis of Information Systems, vol. 24, no. 6, pp. 760–771, 2017, doi: 10.18255/1818-1015-2017-6-760-771.E. V. Kuzmin, O. E. Gorbunov, P. O. Plotnikov, and V. A. Tyukin, “On Finding a Threshold of Useful Signals in the Analysis of Magnetic and Eddy Current Defectograms,” Modeling and Analysis of Information Systems, vol. 24, no. 6, pp. 760–771, 2017, doi: 10.18255/1818-1015-2017-6-760-771.Y. Xu, Y. Jing, Y. Wand, R. He, J. Wang, and Y. Geng, “Novel denoizing method for partial discharge signals using singular value decomposition and spectral subtraction,” IET Science, Measurement and Technology, vol. 17, no. 3, pp. 105–114, 2022, doi: 10.1049/smt2.12134.Y. Xu, Y. Jing, Y. Wand, R. He, J. Wang, and Y. Geng, “Novel denoizing method for partial discharge signals using singular value decomposition and spectral subtraction,” IET Science, Measurement and Technology, vol. 17, no. 3, pp. 105–114, 2022, doi: 10.1049/smt2.12134.Q. Liu, Y. Yu, B. S. Han, and W. Zhou, “An Improved Spectral Subtraction Method for Eliminating Additive Noise in Condition Monitoring System Using Fiber Bragg Grating Sensors,” Sensors, vol. 24, no. 2, p. 443, 2024, doi: 10.3390/s24020443.Q. Liu, Y. Yu, B. S. Han, and W. Zhou, “An Improved Spectral Subtraction Method for Eliminating Additive Noise in Condition Monitoring System Using Fiber Bragg Grating Sensors,” Sensors, vol. 24, no. 2, p. 443, 2024, doi: 10.3390/s24020443.D. Shah and B. Shah, “Comparison of spectral subtraction noise reduction algorithms,” Journal of Emerging Investigators, vol. 6, pp. 22–262, 2023, doi: 10.59720/22-262.D. Shah and B. Shah, “Comparison of spectral subtraction noise reduction algorithms,” Journal of Emerging Investigators, vol. 6, pp. 22–262, 2023, doi: 10.59720/22-262.N. Ahmed and K. R. Rao, Ortogonal'nye preobrazovaniya pri obrabotke cifrovyh signalov. Svyaz', 1980.N. Ahmed and K. R. Rao, Ortogonal'nye preobrazovaniya pri obrabotke cifrovyh signalov. Svyaz', 1980.G. M. Jenkins, Spectral Analysis and Its Applications. Holden-Day, 1968.G. M. Jenkins, Spectral Analysis and Its Applications. Holden-Day, 1968.S. F. Boll, “Suppression of Acoustic Noise in Speech Using Spectral Subtraction,” IEEE Transactions on Acoustics, Speech, and Signal Processing, vol. 27, no. 2, pp. 113–120, 1979, doi: 10.1109/TASSP.1979.1163209.S. F. Boll, “Suppression of Acoustic Noise in Speech Using Spectral Subtraction,” IEEE Transactions on Acoustics, Speech, and Signal Processing, vol. 27, no. 2, pp. 113–120, 1979, doi: 10.1109/TASSP.1979.1163209.O. D. Anderson, “Moments of the sampled autocovariances and autocorrelations for a Gaussian white noise process,” The Canadian Journal of Statistics, vol. 18, no. 3, pp. 271–284, 1990, doi: 10.2307/3315458.O. D. Anderson, “Moments of the sampled autocovariances and autocorrelations for a Gaussian white noise process,” The Canadian Journal of Statistics, vol. 18, no. 3, pp. 271–284, 1990, doi: 10.2307/3315458.

The authors declare that there are no conflicts of interest present.