基于深度卷积神经网络的未知复合故障诊断

针对振动信号的非平稳性、非线性以及未知复合故障难以诊断的问题,提出了一种基于深度卷积网络的未知复合故障诊断模型。首先将采集到的时域振动信号通过小波变换生成频谱图像;然后将频谱图输入卷积神经网络(convolutional neural network,CNH),利用卷积网络自适应的特征提取能力对复合故障进行特征学习;最后将深度卷积网络输出的特征通过分类器对故障进行诊断分类。在实验室模拟采集的不同数据集上进行实验,结果表明:基于深度卷积网络的未知复合故障诊断模型与基于改进CDCGAN的复合故障诊断方法相比,对未知复合故障的诊断率提高了44%,达到85.77%;使用不同类型的单一未知复合故障和多种未知复合故障进行实验,验证了所提模型的泛化能力和鲁棒性。     

水下高分辨率声图中小目标的深度网络分类方法

针对声成像数据缺少条件下的水下沉底小目标分类问题,提出一种深度网络分类算法。首先,采用高斯混合模型对声影区统计特性进行建模并提取声图阴影,在此基础上构建仿真数据集和真实数据集。将仿真数据集输入卷积神经网络进行训练,保留其特征提取部分,用于对真实数据集进行特征提取.重建网络分类部分并采用真实数据集的特征向量进行训练。结果表明,所提出的方法分类正确率可达88.24%,与6种对照方法相比平均分类正确率分别提升8.67%,20.47%,19.78%,11.59%,9.01%,11.58%。验证了所提出方法在小样本条件下具有较好对水下沉底小目标的分类能力。其学习曲线收敛到96.25%,仅比验证曲线高5.14%,说明在一定程度上缓解了过拟合问题。将改进的卷积神经网络应用于融合分类器,通过与逻辑回归分类器、支持向量机对目标进行分类并融合决策,正确率为93.33%,可进一步提高算法的正确率和稳定性.     

宽吻海豚Click信号的时频滤波检测方法

针对宽吻海豚Click信号检测提出了一种在信号时频图中基于Gabor滤波器的检测方法。该方法首先对声信号进行分段处理,计算每一段信号的时频图;然后设计Gabor滤波器,提取时频图中垂直方向的线条;对Gabor滤波处理后的时频图进行自适应阈值处理,提取时频图中能量较强的区域;最后通过连通域分析确定Click信号的位置.仿真合成不同信噪比的测试信号,本文算法在Click信号和背景噪声平均功率比为15 dB的情况下,Click信号的找全率达到了99%,错误率为0%;对实际采集的声信号进行Click信号检测,找全率为100%。本文方法预期为海豚观测和海豚生物学行为的研究提供一定的技术支持。     

应用独立分量分析管道两点泄漏定位

针对管道多点泄漏定位干扰因素多的问题,提出一种基于独立分量分析技术,融合小波消噪与时频分析的有用源信号提取方法。在管道检测粗定位混合信号进行小波消噪处理的基础上,利用Fast ICA算法最大化投影矩阵的非高斯性最大化组件的统计独立性,分析小波变换极大值与信号奇异点的关系,对观测信号进行白化处理与时域分析,同时通过小波时频分析确定泄漏源的主要导波模态形式,进而计算得出泄漏源的位置。通过实验证明,该方法能够有效对管道两点小泄漏进行定位,并获得了较高的定位精度。     

基于声发射和人工神经网络的混凝土损伤程度识别

采用人工神经网络技术对混凝土损伤过程中所伴生的声发射信号进行识别,可实现对混凝土损伤程度的识别.首先建立人工神经网络模型,并在标准工况下采集混凝土损伤声发射信号;然后根据加载曲线将采集到的声发射信号分为3类（分别对应混凝土的3个损伤阶段：轻度损伤阶段、中度损伤阶段和严重损伤阶段）,并将这3类信号作为标准工况数据输入到神经网络学习模块中进行训练,得到混凝土损伤程度识别系统;最后将相同工况下所采集的混凝土声发射信号输入到系统中,即可识别混凝土的损伤程度.实测结果表明,识别准确率可达90%以上.     

岩石破坏声发射时频分析算法与瞬时频率前兆研究

 为得到以时间、频率、幅度和动态过程为特征量的多维度瞬时频率前兆信息,为岩爆等地质灾害的预测提供原理上的支持,开展岩石破坏声发射波形分析的研究。以花岗岩单轴压缩为实例,对声发射大数据的分割、时频分析理论与算法,以及时频分析窗函数的滤波性能的优化进行了理论分析与计算机实验。建立分割短数据的时间/频率分辨率的计算公式与大数据优化分割的基本原则;阐明时频分析窗宽度与频率域指标的优选方法;提出时频分析的综合优化算法,即：先用对声发射大数据进行最优分割、再根据短数据的特点对分析窗进行优选、用优化的短时傅里叶变换进行主频带定位、再用维格纳变换进行主频带中心频率的识别、最后对变换后的时频图进行精细化处理,以充分展现其中蕴含的动态信息。时频分析综合优化算法的应用表明：分割的短数据较好地反映了在不同应力水平下裂纹扩展的动态过程;分析窗的优化提高了时频变换的频率局部化性能并减少了频谱泄漏效应;解决了短时傅里叶变换不能精确描述主频分布的问题,避免了维格纳变换中“交叉项”的识别问题。应用多维度瞬时频率前兆可以更好地描述岩石破坏非线性过程的前兆信息,为岩石破坏的预测与机制认识提供新的、有力的手段。     

燃气管道声发射泄漏检测技术再研究

研究结合模拟试验,对燃气管道泄漏声发射信号在噪声干扰、跨管件能力、泄漏定位等方面进行再研究。通过试验平台实现镀锌钢管噪声干扰、多管件环境下的泄漏检测及直管段定位。为燃气管道安全运行提供有效保障。     

卷积神经网络在结构损伤诊断中的应用

对卷积神经网络(CNN)在工程结构损伤诊断中的应用进行了深入探讨; 以多层框架结构节点损伤位置的识别问题为研究对象,构建了可以直接从结构动力反应信号中进行学习并完成分类诊断的基于原始信号和傅里叶频域信息的一维卷积神经网络模型和基于小波变换数据的二维卷积神经网络模型; 从输入数据样本类别、训练时间、预测准确率、浅层与深层卷积神经网络以及不同损伤程度的影响等多方面进行了研究。结果表明:卷积神经网络能从结构动力反应信息中有效提取结构的损伤特征,且具有很高的识别精度; 相比直接用加速度反应样本,使用傅里叶变换后的频域数据作为训练样本能使CNN的收敛速度更快、更稳定,并且深层CNN的性能要好于浅层CNN; 将卷积神经网络用于工程结构损伤诊断具有可行性,特别是在大数据处理和解决复杂问题能力方面与其他传统诊断方法相比有很大优势,应用前景广阔。     

广义S变换在绝缘子泄漏电流去噪中的应用研究

绝缘子泄漏电流对绝缘子运行状态在线监测具有重要的意义,但泄漏电流信号易受到各种噪声的干扰,针对泄漏电流信号信噪比低及传统去噪方法去噪效果不佳的现状,利用广义S变换在非平稳信号处理方面的独特优势,将广义S变换应用到绝缘子的泄漏电流去噪中,在广义S变换高质量的时频分布平面中设计了一种阈值去噪和时频谱分布滤波相结合的新型时频滤波器,通过绝缘子泄漏电流高压试验和现场实测信号的去噪结果分析,验证了本文方法在绝缘子泄漏电流信号去噪中的有效性和稳定性。     

基于混合fuzzy ARTMAP的智能诊断方法在油缸泄漏诊断中的应用

提出了1种混合的fuzzy ARTMAP(FAM)智能诊断方法,对泵车主油缸早期泄漏及异常泄漏进行了诊断分析。由于FAM性能受训练样本输入顺序及油缸泄漏故障样本少的影响,运用信号处理方法和改进的距离区分技术抽取了反映油缸泄漏状态的敏感特征参数,然后将不同排序的学习样本分别输入到多个FAM神经网络进行诊断分析,并结合贝叶斯置信法,获取最终的诊断结果。试验结果表明,该方法不仅能对油缸早期泄漏和异常泄漏故障进行有效诊断,诊断精度分别高于单个FAM及混合BP和RBF网络6%、38%和42%,而且具有较好的鲁棒性。     

基于小波变换时频能量分析技术的岩石声发射信号时延估计

声发射源定位技术是根据各传感器接收声发射信号的时差来实现损伤定位的,时延估计精确程度直接影响声发射源定位的精度。首先,在对不同损伤的声发射波形模式和频率识别的基础上,利用小波变换提取相应的单一频率或某一很窄频率段内的波形,并据此实现不同传感器在该频段的时延估计,为声发射源定位提供一个更为科学的方法;然后,使用Hyperion超声波系统,对单轴加载条件下岩石破裂过程中的声发射信号进行监测,并使用仪器自带的定位算法实现声发射源定位;最后,基于小波变换的方法对岩石试样声发射信号的时频能量分布特征进行分析,实现声发射源定位,并将定位结果与试样的真实破裂模式进行比较。试验结果表明,基于小波变换时频能量分析技术有利于减小声发射源定位的误差,从而提高材料损伤定位的精度。     

常规三轴压缩下花岗岩声发射特征及其主破裂前兆信息研究

 通过岩石力学室内加载试验,对花岗岩在不同围压下的破坏全过程进行声发射试验,得到了岩石破裂全过程中的力学参数和声发射低频、高频信号特征,研究了低频、高频声发射信号的振铃计数、能量累计数与岩石应力、时间之间的关系,探求了声发射信号峰值频率在岩石主破裂前期的分布情况。研究表明：低频与高频通道接收的声发射信号基本特征--振铃计数、能量累计数在岩石破裂过程中的整体变化趋势基本相同,与岩石力学过程形成良好的对应;两通道的信号基本特征主要区别在于数值大小。在声发射频谱特征方面,岩石破裂的前兆信息在声发射信号峰值频率分布中呈现为峰频主频段增多的特征,表现为信号峰频分布由岩石加载初期的1～2个主频段(40～50 kHz和150～170 kHz频段)在岩石临界主破裂时增多到最多5个主频段(25～30 kHz、40～50 kHz、60～70 kHz、90～100 kHz及150～160 kHz频段)。     

不同岩石声发射时频特性实验研究

通过对变粒岩、花岗岩、石灰岩、粉砂岩等四种岩石进行室内单轴加载声发射试验,获取岩石破裂全过程的应力-应变曲线、声发射参数及声发射信号。根据岩石破裂过程,从时、频域对声发射信号进行分析,着重对比了不同岩石的力学性质、声发射信号频域特征。研究结果表明:采用声发射率、能率可以很好地描述岩石破裂损伤的整个阶段;随着加载的进行,根据岩体变形及破裂程度的不同,不同岩石破裂阶段的声发射信号的频带范围也在不断发生变化。结合声发射时间序列参数特征和频谱特性,可得出岩石破裂时的损伤特性,为现场岩体的稳定性监测提供技术支持。     

基于ICEEMD样本熵分析的管道多点泄漏定位

摘 要：为解决城市管道多点泄漏定位误差较大的问题,提出一种基于改进的互补集合经验模态分解（ICEEMD）样本熵分析的管道多点泄漏定位方法。首先提出改进的CEEMD算法,利用CEEMD算法对多点泄漏声信号去噪、分解为真实泄漏信号分量和冗余分量,并通过样本熵分析去除冗余分量,获得多点泄漏声信号的有效信号;再利用盲源分离与极大似然估计算法分离观测信号,得到有效泄漏信号;然后利用互相关时延法计算两路信号到达上下游传感器的时差;最后计算得到单个泄漏点的精确定位。结果表明,该方法具有较好的信号分解效果,能提高管道多点泄漏定位的精度。     

岩石声发射Kaiser点信号的小波分析及其应用初步研究

针对目前岩石声发射采用参数法确定Kaiser点所存在的问题,提出基于波形分析的确定Kaiser点的小波分析研究方法。利用RMT-150C岩石力学试验系统与WAE2002型全波形多通道声发射检测仪,进行单轴加载岩石破坏全过程声发射试验。首先,对砂岩声发射Kaiser点信号进行了频谱分析,确定了Kaiser点信号的频率范围,提出基于小波变换的Kaiser点信号的信噪分离方法;其次,进行现场套孔砂岩岩芯的单轴加载声发射试验,结合Kaiser效应原理和现场实测结果确定了Kaiser点,提取相应的波形信号,并进行小波降噪处理。研究结果表明,小波分析是处理岩石声发射Kaiser点信号的一种有效的方法,从而为通过波形分析方法确定岩石声发射Kaiser点及声发射机制研究奠定了一定的试验基础。     

基于轻量级CNN的电机轴承故障诊断研究

针对深度学习在嵌入式或移动端设备中用于故障诊断时,受限于有限的硬件资源而又需要有足够的效率和精度的应用需求,提出基于轻量级卷积神经网络的电机滚动轴承故障诊断方法。首先对滚动轴承的振动信号数据集进行连续小波变换生成固定尺寸的时频图,并以此方式生成数据集输入网络进行训练。使用测试集进行测试,结果表明,所生成的故障诊断预测网络模型具有较高的识别精度和识别速度,准确率达到99%。通过验证噪声对网络的影响,表明所使用的网络具有较好的鲁棒性和泛化能力。     

预应力混凝土T型梁破坏过程的声发射试验研究

利用声发射技术记录了预应力钢筋混凝土T型梁在四点弯曲荷载下整个破坏过程的声发射信号,通过对时域和频域内信号的振幅、频率特性和构件破坏过程的比较,初步得出预应力钢筋混凝土破坏过程的声发射信号参数特性,证实声发射信号能够实时反映预应力混凝土梁破坏过程中的特征信息,并利用互相关方法确定声发射源纵向位置。     

自适应神经网络滤波技术检测管道泄漏的应用

对基于Adaline神经网络的自适应滤波器进行了分析,并将其应用于延时估计检测技术,利用该神经网络滤波器消除管道泄漏检测信号中的干扰噪声,达到准确定位漏点的目的,采用MATLAB语言对该滤波系统进行了描述和仿真,仿真结果表明,该方案有效地消除检测信号中外界干扰噪声,为检漏系统检测出准确的泄漏点提供了有力的保证.     

储罐底板钢点蚀过程中声发射信号的聚类分析

联合采用声发射和电化学技术研究储罐底板钢试样在w(NaCl)=3.0%,pH=2.0的酸性溶液中的点蚀特征,基于K-均值聚类算法对点蚀声发射信号特征参数进行聚类分析,从而提取各类信号的自身特征。将分类后的信号作为样本训练BP人工神经网络,成功对平行试验采集的声发射信号进行识别。研究结果表明,底板钢在酸性条件下的点蚀过程主要产生氢气泡、膜破裂和蚀坑生长这3类典型的声发射信号,通过聚类方法可以区分这3类信号,并能用神经网络对声发射源进行有效识别。这对现场常压金属储罐底板腐蚀声发射检测结果的解释和评价具有指导意义,有助于提高检测结果可靠性,降低储罐运行风险,保证其运行安全。     

含泄漏供水管道瞬变流动特征及泄漏定位

针对长距离供水管道泄漏问题,采用CFD软件研究了供水管道内瞬变流动特性,分析了管道泄漏点位置的检测机制。基于流体的瞬变模型法及径向基函数(RBF)神经网络方法,开展了供水管道泄漏定位研究。利用Flowmaster仿真软件中的水力模型建立长度为1 000 m的一维管路系统,并针对此系统进行了不同泄漏位置下的数值仿真计算以产生训练样本,借助RBF神经网络开展了泄漏工况下的网络训练和预测。结果表明,瞬变流过程中泄漏孔的存在对直管道水锤波的传播周期影响较小;管道泄漏孔的存在引起压力波传播畸变,在周期首相的压力幅值变化更为明显;在出口位置设置激励和监测点的条件下,泄漏孔距离出口越近,检测点信号衰减越快;RBF神经网络具有较强的监测能力及抗噪性能。