共查询到10条相似文献,搜索用时 187 毫秒
1.
采用声发射技术进行罐底腐蚀与泄漏检测过程中,需要对多个传感器的检测到的声发射信号进行融合处理,将属于同一声发射源的声发射信号判定为一个声发射事件。但是在现场检测过程中,由于噪声的存在,使得在声发射信号融合处理时容易对声发射源产生误判。针对该问题,提出了一种基于聚类分析的罐底声发射信号融合方法,其基本原理是先根据事件定义时间进行初始声发射事件判定,然后采用聚类分析方法对初始声发射事件中的信号进行分类,将每一类信号分别判定为一个声发射源。现场实验表明采用该方法抗噪声干扰能力强、误判概率低,能准确反应罐底腐蚀的实际情况。 相似文献
2.
基于平均频谱的储油罐罐底腐蚀声发射特征分析 总被引:4,自引:0,他引:4
针对声发射(AE)罐底检测过程中传统分析方法无法准确判断储油罐罐底腐蚀区域腐蚀程度的问题,提出了基于平均频谱的储油罐罐底腐蚀声发射特征分析方法,用于判断储油罐罐底板腐蚀类型.该方法利用平均值原理,分别求出罐底板不同腐蚀区域的平均频谱,再通过傅里叶逆变换得到该区域的平均波形,以此来表征腐蚀区域占主导地位的声发射信号特征.为了验证分析方法的有效性,进行了现场储油罐检测实验,实验过程中应用护卫传感器屏蔽罐内噪声干扰.实验结果表明,护卫传感器可以有效屏蔽大量罐内噪声信号,使定位结果更加准确.应用护卫传感器所得到的定位结果与开罐检测结果基本一致.在获得准确的声发射定位结果的前提下,应用基于平均频谱的分析方法,可以有效识别不同腐蚀类型,进而准确判断出罐底腐蚀程度. 相似文献
3.
4.
基于小波聚类的罐底声发射源聚集区域自动识别 总被引:1,自引:0,他引:1
利用声发射(AE)技术进行储罐罐底腐蚀检测过程中,不仅要获得声发射信号,还要根据声发射源分布的疏密了解罐底各处的腐蚀情况.传统方法一般采用人工方式进行腐蚀区域划分和识别,效率和准确率都低.为解决该问题,提出了一种基于小波聚类的罐底声发射源聚集区域自动识别方法.算法过程主要包括:划分网格、二维离散小波变换、区域查找和标记、确定声发射源所属区域等步骤.现场实验数据表明,该方法能够对任意分布形状的声发射源聚集区域进行自动识别,特别是能够将因加热盘管腐蚀产生的声发射源划分到同一区域,有效提高了对罐底腐蚀评估的效率和准确性.此外,以声发射源分布信息熵作为区域识别有效性的评价指标,选择信息熵最大的识别结果作为最终声发射源聚集区域识别结果最为有效. 相似文献
5.
针对管道泄漏声发射检测信号的非平稳特征,提出了基于经验模态分解(EMD)的信号分析方法。该信号分析方法将管道泄漏产生的声发射信号通过EMD分解为多个平稳的固有模态函数(IMF)之和,选择包含声发射特征的若干IMF分量进行重构,可以提取到管道泄漏声发射信号的本质特征,消除噪声信号的干扰。通过对重构后的信号进行互相关分析计算,使基于声发射方法的管道泄漏检测的定位精度得到较大提高,验证了Hilbert-Huang变换是表征声发射信号的非平稳特征及信号参数提取的有效工具。 相似文献
6.
7.
8.
9.
声发射信号到达时间的信息,对于声发射事件的定位、识别以及声发射源机理分析都是非常重要的。实际应用中,常用人工读取或通过设定幅值阈值来获取信号的到达时间。针对以上常用方法的缺点,本文结合噪声信号的AR模型和声发射信号的AR模型,应用Akaike信息准则,实现了对声发射信号到达时间的自动识别。对实验数据的识别结果显示,该方法对信号的幅频特性变化比较敏感。在相同信噪比的情况下,该方法识别的偏差要小于阈值法。当信噪比较低时,阈值法可能会给出错误的结果,而该方法仍然能够给出较准确的结果。 相似文献