基于提升小波的管道安全系统信号特征提取方法

研究了一种基于提升小波并用于管道泄漏检测和预警系统的信号特征快速提取方法.该预警系统基于Mach-Zehnder光纤干涉仪原理,沿管道同沟敷设一条光缆,实时监测管道沿途发生的泄漏及其他异常事件.通过基于提升小波的信号特征提取方法对管道沿线异常事件引起的振动信号进行特征提取和辨别.利用现场实验得到的信号对该方法进行验证,结果表明:该方法不仅可有效提取检测信号特征,还相对于基于传统小波的类似方法节省了计算时间.     

基于STFT图像特征的天然气管道预警技术研究

基于相位敏感光时域反射计(Φ-OTDR)的分布式光纤微振动传感系统,使用STFT算法对中石油西南某地20km天然气管道周围发生六类事件(噪声、机械破环、人工挖掘、榔头敲击、人跳跃以及人踏步通行)的振动数据进行时频域图像化,然后通过BP、SVM、GoogLeNet等算法进行六类事件的分类预测。该方法首先利用Φ-OTDR系统采集管道同沟敷设光缆一芯中瑞利后向散射光信号,从中提取出振动事件的振动信号,然后通过STFT对时间-空间图像的采集,最后对图像数据利用算法进行振动事件的识别。现场实时监测获取的数据表明：利用BP神经网络算法对振动事件识别,相较于传统的随机森林、K近邻、SVM算法以及深度学习GoogLeNet算法,机械破坏事件的误报率低至0%,人工挖掘事件的误报率低至0%,适合应用于实际的天然气管道监测。     

基于LSTM神经网络的管道缺陷模式识别方法研究

针对复杂环境下,管道振动信号特征微弱难以提取的问题,提出一种基于长短时记忆网络(LSTM)深度学习神经网络的管道缺陷模式识别方法;首先利用改进型自适应噪声的完全集合经验模态分解(ICEEMDAN)对采集的原始信号进行分解得到若干个固有模态函数(IMF)分量,随后根据信息熵理论计算IMF分量的近似熵作为管道典型状态的特征值构造特征向量集合,然后构造LSTM深度学习神经网络训练模型并调节深度神经网络在训练过程中的相关参数进行网络的结构优化,最后将特征向量输入到LSTM神经网络模型进行训练和识别;结果表明:针对管道振动信号特征微弱难以提取的问题,该方法对管道缺陷模式识别的准确率达到了95％,在消除管道振动信号的背景噪声、挖掘特征信息和保证识别准确性方面优势明显.     

基于分布式光纤传感器的输气管道泄漏检测方法

针对传统方法难以精确诊断输气管道泄漏的难题,提出采用准分布式光纤B ragg光栅(FBG)传感技术实现天然气管道泄漏的在线监测技术。利用一条FBG光缆作为传感器,并行铺设在天然气管道附近,拾取管道由于泄漏、附近机械施工和人为破坏等事件产生的压力和振动信号,通过匹配光栅法和自动识别技术检测管道泄漏并进行定位。实验结果表明:该方法可以实现对天然气管道泄漏进行诊断并定位。     

研祥产品COM-1812LDNA在石油管道安全预警系统中的应用

<正>石油管道安全预警系统是利用与管道同沟敷设的通信光缆作为分布式土壤振动检测传感器,长距离连续实时监测油气管道沿线的土壤振动情况,在管道沿线5m范围内形成保护带,采用系统独有的管道破坏事件专家数据库和神经网络分析技术,对可能危害管道安全的动土事件(如机械施工和打孔盗油等破坏     

公路运输过程中航天器的振动测控研究

针对航天器公路运输过程中内部结构容易因振动造成损坏的问题,基于小波变换和径向基函数(RBF)神经网络提出了一种航天器振动测控方法.采用小波变换对航天器原始振动信号的各频段信息进行分离,创新性地采用各信号分量的能量作为信号整体的振动特征.利用RBF神经网络对提取到的能量特征和车速之间的函数关系进行逼近,并根据航天器允许的振动能量阈值调整车速.该方法解决了目前对航天器公路运输过程中的振动情况缺乏有效监测手段的难题,实现了该过程中航天器的振动测控,确保了航天器内部结构的安全稳定.实验结果表明,该方法快速有效,既能满足测控的误差要求,又能满足其实时性要求.     

2种止回阀对长输管道振动特性影响研究

为了研究不同止回阀的执行效果,分别在装有弹簧被动式止回阀和液压主动式止回阀的试验系统进行振动试验,研究管道时域信号及频域信号的规律,比较2种止回阀在管道中作用时对管道振动强度的影响。试验结果表明,液压主动式止回阀能够更明显地降低管道振动强度,该结论为确定合理的管道输送参数提供了依据。     

基于多通道卷积的电梯异常振动故障诊断

电梯是人们生产生活的必要工具,其振动与电梯安全运行密切相关。目前电梯的故障诊断方法缺乏对于电梯运行数据的充分利用,难以准确地找到导致电梯异常振动的原因。针对这一问题,提出了一种多通道一维卷积神经网络的电梯异常振动故障诊断方法,该方法充分利用了电梯的振动数据信息。首先,通过经验模态分解将振动信号分解为多个固有模态函数信号,从而获得多重互补的故障特征作为多通道输入;然后,构建多通道一维卷积神经网络,进行多通道信号特征融合提取,实现对多种电梯异常振动的准确分类。使用电梯动力学模型得到多种电梯导轨异常的仿真数据,用所提方法针对实验仿真数据进行训练和验证,结果表明所提方法模型具有良好的收敛能力与鲁棒性能,并且具有较好的分类精度。     

不同岩石对埋地输气管道撞击的数值计算

为解决山体上部的危岩体易对下部埋地高压输气管道造成威胁的问题,在ANSYSWorkbench中建立不同体积岩石撞击埋地管道的有限元模型,利用ANSYS/LS-DYNA计算得出岩石侵入土体的位移及对埋地管道受到撞击后的应力,获得埋地管道在不同岩石坠落撞击事故下的破坏情况.计算结果能为高压输气管道建设及安全运行提供参考.     

强震动冲击环境下的网络异常信号检测仿真

强震动冲击环境下的网络异常信号检测,可保证网络安全稳定的运行.在强震动冲击环境下,网络异常信号检测过程中存在较强的振荡波动和随机噪声,使得真实的异常信号特征与振动信号的频率及其相似.传统的基于核数据的网络异常信号检测方法,针对强震动冲击环境下的干扰,无法提取稳定的异常网络信号特征,不能够准确完成网络信号特征的分类,使得获取的网络异常信号检测结果存在较大的偏差.提出了一种采用敏感性分析的网络异常信号检测方法,在强震动冲击环境下的影响,网络异常信号与振动信号相比,存在一定的异常敏感性,先采用频率敏感性的检测方法初步检测网络异常信号,塑造网络结构有限元模型和敏感性矩阵,最后通过粒子群算法的模糊神经网络,选择模糊优选模型函数作为激励函数,能够根据强震动冲击的强度来确定各个影响因子的隶属度,确定了异常信号发生和损伤的精确位置,实现了网络异常信号的精确检测.实验结果表明,改进方法比传统方法更具有优越性,在强震动冲击环境下具有较高的网络异常信号检测效率和精度.