共查询到16条相似文献,搜索用时 234 毫秒
1.
平均粒径是气固流化床反应器运行时需要监控的重要参数之一,利用声波信号检测床内颗粒平均粒度的方法能克服传统方法不能实时在线测量的缺陷,安全环保不侵入流场.先用Db5小波包将声发射信号3尺度分解,求出各细节信号小波系数的绝对值加和,构成声信号的能量模式,标准化之后经主成分分析得出主成分,再用模糊均值聚类方法分类.由于不同粒度的声波信号经小波包分解后,其小波系数绝对值加和具有特定的模式,因而,这种方法分类准确性达98%以上. 相似文献
2.
针对化工生产中气固流化床风帽故障影响流化质量问题,提出一种能够快速准确地检测出风帽故障位置和故障类型的方法;应用声发射技术进行定位测量,通过均匀安装在流化床分布板下方的声发射传感器采集气固流化床内固体颗粒撞击分布板产生的声信号,再对该信号进行多尺度小波包分解,找出特征频段能量值和能量分布差异;对比各检测点声发射信号总能量的强弱可以直观的反应风帽故障位置,观察各尺度能量分率的变化能够有效判断风帽故障类型,从而实现实时在线监测流化床风帽故障情况,并及时进行故障处理,提高流化床流化质量. 相似文献
3.
4.
5.
在简要介绍小波包分析的分解和重构算法基础上,通过木材声发射实验采集声发射信号;利用小波包分析技术对三种不同缺陷类型的木材试件的原始数据进行消噪预处理,然后对信号进行分解,并对分解的信号进行小波包重构;运用“小波包-能量”法提取木材声发射信号特征值,实现了木材缺陷状态和声发射信号特征向量之间的映射关系。结果表明:用小波包分析确定木材缺陷程度是一种有效的方法。 相似文献
6.
高压活塞隔膜泵是管道输送的最重要动力源,为了解决其内部单向阀故障的在线监测问题,提出一种基于声发射信号的小波包时频及核主元分析(KPCA)的检测方法。首先采用小波包对声发射数据进行处理,求出信号各频率段的能量值;然后采用KPCA方法对能量值在高维空间进行分解建立特征模型,利用特征模型中的SPE和T2统计量对故障信号进行检测;最后对GEHO型隔膜泵单向阀的声发射数据进行实验验证。通过与主元分析方法的比对,表明所提方法能够快速、准确地对单向阀故障进行在线检测,在高压活塞隔膜泵无损故障检测领域具有良好的应用前景。 相似文献
7.
8.
声发射作为一种无损检测结束被广泛应用于多个领域,针对声发射信号难以从背景噪声种分离的问题,提出了一种基于互补集合经验模分解(CEEMD)与改进小波阈值相结合的降噪方法。首先对声发射信号进行CEEMD分解,通过峰宽占比确定信噪分量分界点,对噪声分量进行改进的小波阈值降噪,将降噪后的分量与其余分量进行信号重构得到最终降噪结果。通过仿真信号和机械密封声发射实验信号论证了本文方法相较于传统小波降噪和CEEMD强制降噪更有效。 相似文献
9.
10.
11.
12.
在高压输电塔的锚杆顶端施加一瞬态激振力,由布设在锚杆顶端的声发射传感器接收反射的信号.对接收的声发射信号进行了时频分析和小波分析.通过对比可以看出,声发射信号的特征频率、能量与腐蚀的状况有很好的相关性.因此,声发射技术是一种可靠有效的检测高压输电塔锚杆腐蚀的方法. 相似文献
13.
In manufacturing systems such as flexible manufacturing systems (FMS), one of the most important issues is accurate detection of the tool conditions under given cutting conditions. An investigation is presented of a tool condition monitoring system (TCMS), which consists of a wavelet transform preprocessor for generating features from acoustic emission (AE) signals, followed by a high speed neural network with fuzzy inference for associating the preprocessor outputs with the appropriate decisions. A wavelet transform can decompose AE signals into different frequency bands in the time domain. The root mean square (RMS) values extracted from the decomposed signal for each frequency band were used as the monitoring feature. A fuzzy neural network (FNN) is proposed to describe the relationship between the tool conditions and the monitoring features; this requires less computation than a back propagation neural network (BPNN). The experimental results indicate the monitoring features have a low sensitivity to changes of the cutting conditions and FNN has a high monitoring success rate in a wide range of cutting conditions; TCMS with a wavelet fuzzy neural network is feasible. 相似文献
14.
为了自主开发基于声发射检测原理的管道气体泄漏位置定位系统,研制了基于四通道声发射检测系统的管道气体泄漏模拟实验装置。在测定声波沿管壁传播速度基础上开展了管道气体泄漏检测实验,通过改变声发射传感器与泄漏孔的在管道壁面的相对位置来模拟泄漏孔位置的变化。采用小波去噪和滑动平均滤波方法对所采集的泄漏信号进行了处理,利用互相关算法求取了各传感器之间的延迟时间,进而基于时间差提出了泄漏孔的定位算法。实验结果表明模拟管道上泄漏孔的定位结果相对误差低于4.0%,该系统对泄漏位置的定位精度满足行业标准和国家标准的要求。通过优化设计声发射信号的采样频率、管道材质、管道壁厚和传感器端面面积等能够进一步提高定位的准确度。 相似文献
15.
煤与瓦斯突出会产生声发射信号(acoustic emission,AE),针对提取较纯净有效的AE信号问题,提出一种邻域动态调整(D)果蝇算法(fruit fly algorithm,FOA)智能优化粒子滤波(particle filter,PF)的去噪方法。利用果蝇个体表征PF中的每个信号点粒子,优化粒子滤波的重采样过程,并通过动态调整邻域粒子数量来改善果蝇算法的寻优能力和收敛速度。以均方根误差和信噪比为评价指标,对信号采集系统获取的煤与瓦斯突出AE信号分别用标准粒子滤波、果蝇优化粒子滤波、改进粒子滤波去噪,结果表明,改进粒子滤波法的信噪比提升了15.3 dB左右,且均方根误差最低。和其他两方法相比,改进粒子滤波去噪效果最优。 相似文献
16.
Passive acoustic monitoring of head disc interface interactions 总被引:1,自引:1,他引:0
A hard disc drive (HDD) recording head thermal protrusion is monitored by the passive acoustic characterization technique where adaptive discrete wavelet (ADW) filtering has been introduced to declare the contact. A phenomenological model is built to demonstrate detectability of the passive acoustic monitoring. The model is based on the mechanical impedance approach where impedances of head disc interface (HDI) and acoustic emission (AE) sensor are compared for matching over air bearing/head gimble assembly frequency bandwidth. A synthesized HDI response signal derived from the HDI mechanical impedance function is compared to the real AE signal obtained during the thermal protrusion based contact detection. A methodology of HDD level AE signal characterization presented in this work consists of the ADW filtering technique where the fifth order DB7 wavelet base function is used in AE signal decomposition. The signal decomposition order is selected by the AE signal entropy minimization. 相似文献