管道电磁超声传感器阵列检测技术研究

采用电磁超声传感器阵列对管道进行缺陷检测,不仅能够提高电磁超声检测信号的信噪比、灵敏度与分辨能力,同时也能增强电磁超声检测的直观性与灵活性。本文详细阐述了基于洛伦兹力的周期永磁铁阵列式电磁超声传感器(PPM-EMAT)激励超声导波的工作原理,及利用全聚焦算法结合极性一致性算法对缺陷进行定位与成像的工作机理。建立了有限元仿真模型,验证了准T(0,1)模态导波在管道结构中的传播过程。利用研制的多通道电磁超声检测系统,对含缺陷的不锈钢管道进行了检测实验,实验结果表明,研制的系统能够检测出管道试样中的多个通孔缺陷,纵向定位误差可控制在1.5%以下,实现了基于阵列电磁超声传感器的管道缺陷成像与定位。     

油气管道缺陷漏磁检测数据压缩算法研究

油气管道缺陷漏磁检测所获取的原始数据量很大,而检测器的数据存储容量和处理速度均有限,因此有必要研究快速、高效的缺陷漏磁检测数据压缩算法。文中分析了油气管道缺陷漏磁检测对数据压缩的特殊要求,针对所获得检测数据的特征,提出了一种分段自适应压缩算法。该算法对油气管道缺陷漏磁检测数据进行分段划分并加以识别,针对不同类别的数据段采用不同的压缩方法,且通过改变数据分段的长度和压缩阈值,可调整检测数据的压缩比和压缩失真度。对试验用管道上人工缺陷的漏磁检测数据进行了压缩,结果显示,该算法可在保持较低数据失真度的同时,获得足够高的数据压缩比;压缩效率、压缩质量和复杂度等,均可满足油气管道缺陷漏磁检测对大量数据进行快速、高效压缩的需求。     

基于虚拟时间反转的空气耦合超声板材腐蚀缺陷概率损伤成像

为达到导波非接触式自动化检测,基于空气耦合超声检测技术,利用A0模态lamb波对铝板中预置的0.5mm和1mm深度的凹槽模拟的腐蚀缺陷进行正交扫查以获取缺陷的位置信息,分别以lamb波波包的能量和lamb波虚拟时间反转重构信号与原始信号的相关系数为损伤指数来表征缺陷大小,最后基于概率损伤成像方法,使用全乘法对缺陷损伤指数进行融合成像。成像结果显示使用虚拟时间反转算法成像结果要比常规的能量算法成像效果好,结果显示缺陷的位置和形状与实际情况较吻合,对缺陷的深度有较好的区分能力。     

管道缺陷检测全聚焦数据处理及成像方法研究

管道缺陷检测是保证管道系统安全运行的必要手段,本文采用全聚焦成像的方法对管道缺陷进行成像与识别。利用有限元软件ABAQUS对基于L(0,1)模态导波的管道缺陷检测方法进行数值模拟研究,利用中值滤波、希尔伯特变换及信号包络锐化方法对信号进行预处理,然后用处理后的信号构建全矩阵数据,最后利用全聚焦算法实现缺陷成像,最终显示成像结果。实验结果表明,将信号进行预处理后再成像,可有效提高分辨率,实现缺陷的高精度可视化。     

基于物理信息嵌入式神经网络的管壁导波成像

为了实现管壁腐蚀缺陷的定量化成像,提出了一种基于物理信息嵌入式卷积神经网络的成像算法,从超声导波信号重 建管壁厚度。 首先推导了超声导波在管壁上传播的二维声波模型,通过矩阵 LU 分解求解频域波动方程,可实现从管壁导波速 度图到声场信号的正演;其次搭建了物理信息嵌入式卷积神经网络,包含 3 个迭代层,每个迭代层由正演模型和残差反演子网 络组成;生成包含随机腐蚀缺陷的管道仿真数据集,搭建网络进行训练和反演,训练集、验证集和测试集的成像结果的平均 Pearson 相关系数分别为 94. 91%、86. 47%和 87. 37%,缺陷图像一致度高;搭建了实验系统,在加工有不规则阶梯缺陷的管道上 采集导波信号进行反演,成像结果良好,厚度图的均方误差为 0. 005 7。 算法将物理模型与神经网络结合在一起,实现了从导波 信号到管道厚度图的高精度成像。     

基于超声导波的盆式绝缘子缺陷检测及定位

盆式绝缘子作为气体绝缘封闭组合开关设备(GIS)的重要部件,其结构健康对电网的建设有着重要影响。为降低GIS故障率,首先分析了盆式绝缘子的损伤原因,对比了针对其缺陷常用的检测方法,提出了利用超声导波技术对盆式绝缘子的内部气泡、外部附着物及裂纹等缺陷进行检测及定位的方法。并进一步分析了兰姆(Lamb)波在盆式绝缘子中的传播特性,绘制出频散曲线,确定了激励信号的频率,同时通过有限元仿真和检测试验对盆式绝缘子缺陷的检测和定位进行了研究。研究结果表明,采用谐振频率为100 k Hz的压电传感器在盆式绝缘子中激发出Lamb波,并通过压电传感器阵列进行接收。通过比较不同传感器接收信号幅值的衰减率,可以对盆式绝缘子的缺陷进行检测和定位。     

导波技术在输电线路无损监测中的应用

输电线路损伤的定位及类型识别对于保障电力系统安全运行有着重要的意义.提出了基于超声导波的输电线路无损监测方法并进行了实验验证.实验采用磁致伸缩换能器产生和接收超声导波,对钢绞线地线的断股损伤进行了检测研究,通过得到的实验信号可以确定损伤位置,并对损伤信号进行时频分析,研究损伤信号与损伤程度的关系.实验验证了该方法的可行...     

旋转机械振动信号分形编码及重构算法

提出了用于对振动信号进行编码及重构的分段自仿射模型。该算法利用分段仿射变换参数来表征振动信号,并通过迭代函数系统重构信号。用仿射变换参数表征信号时的数据量远远小于振动时域信号的数据量。基于大量地减少了数据传输量这一优点,该算法有助于解决旋转机械状态检测与故障诊断系统中数据信号远程传输问题。仿真及实测信号的应用表明该算法具有较高的数据压缩比和很好的信号重构精度。计算过程中还针对分段自仿射模型的参数取值进行了分析。     

基于卷积神经网络的风机叶片损伤检测

作为捕获风能的关键部件，风机叶片受制造及运行载荷影响，可能存在不同程度的损伤，这会直接影响风机运行可靠性。为防止风机叶片持续损伤发生质量安全事故，需要开发1种快速简便且非植入安装式的检测方法来识别风机叶片的损伤情况。根据叶片损伤和叶片运行噪声间存在的物理相关性，提出了一种基于声学信号和卷积神经网络（convolutional neural network,CNN）的风机叶片损伤检测方法，将时序声学信号转换成二维频谱图片，结合健康频谱图生成残差频谱图，并通过训练卷积神经网络来识别风机叶片是否存在损伤。分析结果表明：该算法消除了叶轮旋转产生的固有叶片扫风声音对损伤识别的影响，提高了识别精度；以某地风机的实测数据为例进行算法分析，结果表明该算法的分类精度达到了96.9%，验证了基于卷积神经网络的检测方法的有效性和精确性。     

基于环形存储结构的非分段式FFT算法

常用的分段式FFT算法响应时间长,硬件资源要求高,而且在模式识别系统设计中分段式FFT算法容易丢失特征值,影响识别精度。针对连续语音识别（鼾声识别）系统设计中特征值的提取提出了一种基于环形存储结构的非分段式流水FFT算法,并在理论上证明了该算法的正确性,通过对实际语音识别系统的测试表明非分段式流水FFT算法不仅耗费的硬件资源比分段式FFT算法低,识别精度高,并且能够连续实时地工作,保证整个系统的实时性!     

基于模式相似度和LZW压缩编码的电能质量数据压缩方法

针对电能质量数据多数情况下具有周期性、对称性、奇偶性等特点,提出了一种基于模式相似度和LZW压缩编码的电能质量数据压缩处理方法.在该压缩算法中,利用模式相似度归一化距离测度良好的畸变识别能力,对畸变和非畸变数据分别进行无损和有损压缩;合理引入LZW编码压缩,进一步提高算法的压缩比.依据IEEE电能质量标准,在MATLA...     

基于小波包变换和矢量量化的电力系统故障数据压缩

在实际的故障分析中通常不是利用故障暂态信号的全部频带信息，而是利用其部分频带信息来解决问题，因此提出了针对电力系统故障信号压缩的特殊要求，即对于所要解决问题有重要价值的频带信息无损压缩，对不重要的频带信息可以失真压缩，即保频带压缩，在此基础上提出了基于小波包变换、Huffman编码方法和矢量量化相结合的故障数据压缩算法，首先利用小波包变换将故障信号分解成各个频带的信息，选择有重要信息的频带采用自适应Huffman无损压缩算法，而对于其他频带数据信息，采用矢量量化压缩算法，通过仿真测试，该算法较好地满足了故障暂态信号的压缩要求，具有较大的应用潜力。     

基于提升小波和混合熵编码的数据压缩方法

大型发电机组远程状态监测系统中实时数据的存储与网络传输对数据压缩和重构技术提出了较高的要求.文中给出一种提升小波变换与混合熵编码技术相结合的数据压缩方法.首先利用基于提升格式的双正交滤波器组对实时数据进行小波分解,然后对小波系数进行阈值量化,最后通过混合熵编码技术对保留的系数进行编码,以进一步提高压缩效率.对实际发电机组实时数据进行了压缩试验,结果表明,有损压缩技术和无损压缩技术的结合可以获得较高的压缩比,能够较好地满足大型发电机组实时数据的存储和传输需求,是一种有效和实用的实时数据压缩方法.     

结合二代小波与快速傅里叶变换的L电能质量数据压缩算法

针对大量电能质量数据的传输和储存问题,提出一种结合快速傅里叶变换(FFT)和二代小波(SGWT)的电能质量数据压缩算法,包括FFT、SGWT有损压缩和LZW(字符串表编码)无损压缩的流程图。分别对暂态和稳态扰动信号进行仿真比较,结果表明所提出的算法与FFT以及SGWT相比,可有效降低存储空间,可得到更高的压缩率且在压缩比、均方误差与运行时间等性能指标上取得较好平衡。     

基于R-R相关预测的心电图压缩算法

本文提出了一种利用相邻QRS波的相关性进行最小均方差预测的心电图压缩算法.压缩算法由QRS波识别、R-R相关预测、整数小波变换、标量量化、游长编码、算术编码等六部分组成.用MIT-BIH心率数据库的样本数据对提出的算法进行测试,结果表明提出的算法是有效的,在得到高压缩比的同时仍能保持低的信息失真度.     

基于EMS时间序列数据的实时全息无损压缩方法的研究与应用

针对时间序列数据库存在压缩实时性差、损失数据精度、压缩比低等缺陷,提出了时间序列数据实时全息无损压缩方法。介绍实时全息无损压缩方法利用差值、异或运算等方式实现时间序列数据的快速、无损的高效压缩过程,并在实验室测试中通过实时全息无损压缩方法和Zip、Lzo压缩算法对120MB的相同时间序列数据文件分别进行正弦数据、递增数据、功率扰动数据和开关量数据压缩测试。测试结果表明,实时全息无损压缩方法的压缩比最高可达到100：1,可实现时间序列数据的无损、高效、快速压缩,具有强大的容错能力。     

基于EMS时间序列数据的实时全息无损压缩方法的研究与应用

针对时间序列数据库存在压缩实时性差、损失数据精度、压缩比低等缺陷,提出了时间序列数据实时全息无损压缩方法。介绍实时全息无损压缩方法利用差值、异或运算等方式实现时间序列数据的快速、无损的高效压缩过程,并在实验室测试中通过实时全息无损压缩方法和Zip、Lzo压缩算法对120 MB的相同时间序列数据文件分别进行正弦数据、递增数据、功率扰动数据和开关量数据压缩测试。测试结果表明,实时全息无损压缩方法的压缩比最高可达到100∶1;可实现时间序列数据的无损、高效、快速压缩,具有强大的容错能力。