改进LMD及高阶模糊度函数的管道泄漏定位

针对天然气管道泄漏定位的问题,提出一种基于改进局域均值分解(LMD)及高阶模糊度函数的时延估计方法。该方法首先采用改进的LMD对声发射信号进行分解,获得多个PF分量,进而提出根据K-L散度的PF分量自动选择算法,获取含有主要泄漏信息的PF分量,在此基础上,研究了基于高阶模糊度函数计算声发射信号的时频参数,并通过时频分析获取特征频率的到达时间差,最后结合泄漏产生的广义声发射信号的传播速度完成对天然气管道泄漏的定位。实验结果表明,提出的方法能够进行定位且精度较直接相关法明显提高。     

基于USB总线图像采集系统的设计与实现

主要介绍了一种基于USB总线的图像数据采集系统。由于系统设计要求实时采集、向上位机传输速度要快，设备体积较小，成本低，所以设计中采用了目前正在推广的USB技术。在以单片机、USB芯片等为主的系统硬件基础上，重点介绍了软件部分的设计。本系统充分体现了USB便捷、易扩展、低成本、低干扰的特点，对于小型大容量实时数据采集系统是一种值得推广的方法。     

基于虚拟仪器的多参数网络化测量系统设计与实现

利用虚拟仪器编程软件的网络功能实现远距离多参数测量的方法。论述了网络测量系统的硬件结构、软件平台及应用软件的工作模式。     

压缩感知域智能天然气管道泄漏孔径识别

天然气管道泄漏监测正在进入大数据时代,针对传统方法存在的采集数据冗余、特征提取及识别受主观因素影响较大等问题,结合压缩感知与深度学习理论,提出一种在变换域进行泄漏信号的压缩采集、在压缩感知域进行自适应特征提取及识别的智能天然气管道泄漏孔径识别方法。通过随机高斯矩阵获取压缩采集数据,并通过深度学习挖掘测量信号中隐藏的泄漏孔径信息,经稀疏滤波实现特征的自动筛选,最后研究了softmax回归实现孔径的高精度分类识别。实验结果表明,该方法实现了监测数据的压缩,对压缩感知域采集信号的识别性能明显优于传统方法。     

基于D-S证据理论的管道安全监测数据融合技术的研究

管道安全监测技术能够对管道安全构成威胁的行为进行早期监测、定位和预警,对管道周围目标进行正确的分类识别是其中的关键.采用多个地震信号传感器对管道周围的人、车辆等目标发出的震动信号进行采集,为了解决目标识别问题并提高目标的识别率,针对多个传感器采集的数据,本文中提出了采用D-S证据理论方法对数据进行融合处理,实验结果证明基于融合后的识别结果较单个传感器的识别结果有了较好的改善.     

基于多地震波传感器数据融合的管道安全监测预警系统

采用数据融合方法研究了基于多地震波传感器的管道安全监测预警系统中目标特征提取及识别问题。用多个传感器及处理模块采集管道周围目标产生的震动信号,采用经验模态分解方法对地面震动信号进行处理,提取分解结果的归一化峭度,将其作为特征向量;利用主要频率区间的特征向量进行单一传感器的目标识别。由于监测系统由多个单独传感器采集模块组成,为了提高目标的识别率,采用D-S证据理论对识别结果进行了数据融合,得到最终识别结果。利用该方法对实验采集数据进行处理,验证了文中提出的方法。     

基于地震动信号的管道安全监测系统的研究

针对目前广泛存在的油气管道周边安全问题，提出基于地震波信号检测和处理的管道安全监测方法．地震检波器组及处理单元组成的检测系统采集管道周围地面入侵目标在活动时产生的地震动信号；由于不同目标产生地震波信号的频率、能量等特征不同，通过小波变换的时频分析方法处理这些信号，可以获得不同传感器测量信号中入侵目标特征频率出现的时间差异；根据时间差和传感器阵列与入侵目标的相对位置，实现对入侵目标的空间定位．通过对实验外场实测数据的分析验证了本文提出的方法．     

基于稳健滤波技术的测量异常值处理的研究

本文基于稳键滤波的 M估计技术 ,提出了一种全新的、对大型旋转机械的表面参数测量中出现的异常值的处理方法 ,并给出了数学模型和实验结果。经过此方法处理后的测量数据 ,可以保证在时间顺序上不会发生断裂 ,而且消除了异常值的影响 ,取得了令人满意的结果并为数据的进一步处理、存储和显示做好准备工作。     

深度卷积长短期记忆网络的轴承故障诊断

针对传统数据驱动故障诊断方法难以从轴承信号中自适应提取有效特征、没有充分利用故障数据的时序特点以及缺乏自适应处理动态信息能力的问题,提出了一种深度卷积神经网络与长短期记忆网络相结合的智能故障诊断方法.本文方法构建的深度模型能够从轴承原始信号中自适应地提取鲁棒性特征,然后利用长短期记忆网络学习特征中的时间依赖关系实现了高准确度的轴承故障诊断.该方法克服了传统特征提取方法依赖专家经验和信息利用不完全等问题,实现了故障的智能、准确诊断.实验结果表明,该方法可以提取更准确的特征而且由于利用了故障演变过程中的时序信息,使得故障诊断更加智能、可靠.     

基于小波变换的轧辊表面缺陷在线识别

轧辊表面缺陷检测是轧辊辊型在线检测系统中的一个重要问题,它直接影响着带材产品的质量,传统的检测方法和数据分析方法已经很难适应现代的轧制生产.本文提出了一种对轧辊表面缺陷进行在线识别的方法,针对传感器在轧辊表面缺陷处输出信号的不同类型,着重论述了一种基于小波变换的缺陷识别方法,通过对实测信号的处理及分析,证明这该种方法是可行而有效的.