气体阀门内漏声发射评价参量研究及其应用

阀门是工业生产中必不可少的流体控制设备,阀门内漏往往不易发现和判定。近年来,声发射技术凭借其较高的灵敏度在阀门内漏检测中得到广泛应用。针对传统声发射参量——声发射均方根电压,在阀门内漏评价中表现出的抗干扰能力弱的特点,提出一个用于阀门内漏评价的新声发射参量——平均声发射能量。通过开展气体阀门内漏声发射检测实验,对新构建参量和传统评价参量评价效果进行对比,结果表明新参量评价精确度更高,阀门内漏率的估算误差低于10%,可满足工程应用的要求。     

基于HHT的管道阀门内漏声发射检测研究

针对管道阀门内漏声发射信号的非平稳特征,提出将总体平均经验模式分解(EEMD)和希尔伯特变换相结合的希尔伯特黄变换(HHT)方法应用于管道阀门内漏声发射检测中。利用EEMD方法将阀门内漏声发射信号自适应分解为一簇本征模态函数(IMF),并对分解后的信号进行Hilbert谱和HHT边际谱分析,可以提取到阀门内漏声发射信号的本质特征,突破常规时频分析的非线性信号局限性以及经验模式分解(EMD)造成的模态混叠现象;相比于STFT频谱,Hilbert谱具有较高的时频分辨率,最后对信号的Hilbert边际谱分析确定了内漏信号的主要作用频率。该方法可以有效的应用于阀门内漏声发射检测中。     

钢桶泄漏流激振动结构响应分析与实验研究

目的为了探究钢桶泄漏产生声发射检测技术的基本原理和实验方法,建立钢桶泄漏仿真模型和实验模型。方法首先介绍钢桶气体泄漏产生声发射信号的机理和流固耦合的基本原理;其次建立钢桶泄漏模型,通过Workbench流固耦合方法模拟流激振动下结构响应特征;然后根据声发射检测原理搭建钢桶泄漏声发射检测实验平台,采集实验数据并分析处理,探讨漏孔直径、内压与钢桶泄漏各特征参数的关联,结合频域分析,得到能够表征钢桶泄漏的特征参数与特征激振频率;最后将得到的泄漏声发射信号特征与仿真结果进行比较。结果钢桶气体泄漏流激振动的激振频段为22～40 kHz,峰值频率约为25 kHz。结论钢桶泄漏的仿真模拟结果与实验检测得到的结构响应基本一致,钢桶泄漏的仿真与实验研究方法为钢桶气体泄漏在线检测技术的研究提供了依据。     

基于Adaboost算法的阀门内漏速率反演方法分析

本文分析了油气输送管道阀门中内漏形成的主要原因及声发射技术检测原理,以球阀阀芯划痕损伤为例,采集不同压力情况下阀门的声发射数据与阀门内漏数据。通过BP神经网络和Adaboost算法对采集的数据分别进行回归分析,通过对比两种算法在测试集数据上的均方根误差,验证了Adaboost算法在阀门内漏速率反演中的可行性。     

利用声发射信号的特征分析对冲压模具的状态判别

根据冲压模具失效产生声发射信号的特点,确定失效信号的特征参数;以小波包分析技术提取模具信号的能量特征向量,把各频带内的能量与总能量之比为特征参数;再对各频带的特征参数进行遗传算法生成新的优化特征参数,以概率一致性原理为基础,通过模糊数学可能性理论得到特征参数的隶属度函数,进而对冲压模具的工作状态进行判定,实验证明,该方法能可靠地对模具进行状态的判别,具有很强的实用性。     

基于小波变换与统计分析的转子碰摩声发射特性研究

为解决转子碰摩损伤声发射信号分类及解释难题,应用PCI-2声发射系统和WS-ZHT1型多功能转子实验台组成转子碰摩声发射检测系统,采集转子局部碰摩声发射信号,通过理论分析声发射信号特征和小波基函数性质,dB8小波适合提取声发射信号特征;碰摩产生大量声发射信号,大量声发射信号的统计特性蕴涵较多碰摩信息。对不同转速条件下不同检测位置碰摩声发射信号的统计分析表明,声发射信号的功率谱密度集中在100～400 kHz。声发射信号平均幅值、平均能量可作为区分转子碰摩程度特征参数;功率谱主频可作为区分声发射相对位置特征参数,结论与碰摩类型无关。     

声发射技术在阀门泄漏检测中的应用

阀门的应用十分普遍,而阀门一旦出现泄漏,往往会造成重大经济损失,甚至安全事故。因此,及时准确发现阀门的泄漏具有重要意义。本文主要介绍了声发射技术在阀门泄漏检测中的应用,并对其参数、波形进行了分析,阐述了阀门泄漏时的声发射信号特征,进一步证实了声发射技术在阀门泄漏检测中的可行性。     

被动声学液体管道微泄漏内检测方法研究

针对液体管道微泄漏（小于1 L/min）难以检测和识别的问题,建立基于被动声学的液体管道微泄漏内检测方法,研究管道微泄漏的声学机理,并搭建实验平台。采用管道内置高灵敏度声学传感器的方式,进行不同泄漏孔径和和泄漏内压下微泄漏声学实验,微泄漏声信号幅值随泄漏孔径和泄漏内压呈正相关变化。利用改进EMD(IEMD)-小波阈值降噪算法对微泄漏声信号进行降噪处理,以减少噪声对真实泄漏信号的影响。提取并定义不同信号处理领域（时域、频域）的特征参数,如均值、标准差、均方根、峰峰值等,以表示微泄漏的复杂性。将特征参数作为下一步管道泄漏识别的数据库,并将数据分为实验组和验证组。采用网格参数寻优支持向量机（SVM）构建自动分类模型对管道微泄漏进行识别,降低人工误判概率。研究结果表明：管道微泄漏识别准确率达到97.87%,可以实现对管道微泄漏的准确识别。研究结果可为声学内检测器的研发提供理论基础。     

基于时序分析的拉深件成型裂纹的特征参数提取

研究金属拉深制件声发射信号特征参数的提取对判断成型制件的质量尤为重要。研究采用时序分析和MATLAB对经过小波包分解的声发射信号进行特征参数的提取。在此过程中利用时间序列的自相关系数和偏相关系数的拖尾性及截尾性来判断模型的类型;采用FPE (final prediction error,最终预测误差0029准则对模型进行定阶;以最小二乘估计法对模型的参数进行估计。最后,根据所建立的自回归谱模型提取声发射信号的特征参数。研究结果是通过此方法成功提取到了金属拉深制件声发射信号的特征参数及其分布图,为成型制件质量的判断提供了有利的依据。     

面向阀门内漏声发射检测的支持向量机分类建模

针对阀门泄漏声发射检测的研究中存在回归建模不准确的问题,综合考虑实际应用需要,开展了阀门液体泄漏的分类建模研究。分析了阀门泄漏声发射的机理和基本特征,建立了阀门泄漏声发射信号特征量与泄漏等级的支持向量机分类模型。在工业生产现场进行阀门泄漏声发射信号采集实验,对采集到的信号进行预处理和特征提取。采用网格搜索法寻找最优训练参数,建立最优的支持向量机分类模型,模型预测结果表明:阀门泄漏预测模型识别准确率在93%以上。     

阀门内漏识别及内漏速率量化技术研究

阀门作为天然气管线的关键部件,若发生内漏会带来经济损失及生产安全隐患。因此,阀门内漏的有效诊断及内漏速率的准确量化具有重大意义。针对复杂背景噪声下内漏诊断效率不高的问题,以内漏信号和非泄漏噪声信号的功率谱密度图作为输入,构建了阀门内漏卷积神经网络(convolutional neural network, CNN)识别模型;针对物理理论及浅层网络模型在多工况阀门内漏数据上存在量化误差大的问题,构建了阀门内漏速率深度信念网络(deep belief network, DBN)量化回归模型,并与支持向量回归机、BP神经网络等模型进行了对比研究。研究结果表明:所构建模型的内漏识别准确率及内漏速率量化平均绝对百分比误差分别为99%和9.101 2,证实了所构建模型的高效性,为阀门内漏诊断与评价开拓了新的研究方向。     

阀门内漏识别及内漏速率量化技术研究

阀门作为天然气管线的关键部件,若发生内漏会带来经济损失及生产安全隐患。因此,阀门内漏的有效诊断及内漏速率的准确量化具有重大意义。针对复杂背景噪声下内漏诊断效率不高的问题,以内漏信号和非泄漏噪声信号的功率谱密度图作为输入,构建了阀门内漏卷积神经网络(convolutional neural network, CNN)识别模型;针对物理理论及浅层网络模型在多工况阀门内漏数据上存在量化误差大的问题,构建了阀门内漏速率深度信念网络(deep belief network, DBN)量化回归模型,并与支持向量回归机、BP神经网络等模型进行了对比研究。研究结果表明:所构建模型的内漏识别准确率及内漏速率量化平均绝对百分比误差分别为99%和9.101 2,证实了所构建模型的高效性,为阀门内漏诊断与评价开拓了新的研究方向。     

基于Fluent薄带钢桶气体泄漏数值分析

目的探究钢桶气体泄漏的射流流场对桶身激励产生声发射信号的基本原理和特性。方法利用计算流体力学Fluent软件分析钢桶气体泄漏流场状态,介绍钢桶气体泄漏的射流模型及产生机理,利用计算流体力学有限元方法建立数学模型,建立钢桶泄漏的几何模型和边界条件,设置仿真分析的相关参数,得到不同内压、不同漏孔直径和多漏孔情况下的钢桶泄漏仿真结果,并讨论钢桶泄漏气流速度场、压力场等参数的分布情况。结果钢桶发生泄漏时的气流速度对声发射信号起主导作用,内压对气流速度影响较大,孔径和漏孔数量带来的影响较小。结论该分析为探讨钢桶的泄漏机理与声发射激励信号的检测提供了参考。     

基于声比拟的压力管路阀门内漏噪声数值预报研究

阀门内漏对压力管路系统安全运行具有很大危害。基于声比拟理论,使用Fluent软件分别进行稳态及非稳态计算,获得阀门内漏的流场和声场特性。研究了管内介质、工作压力、横向距离以及阀门泄漏度对阀门内漏噪声的影响。通过实验对数值模拟方法的正确性进行了验证。研究表明,阀门内漏流场旋涡与噪声直接相关。阀门内漏的声场信号为宽频随机信号,气阀内漏声场强度大于水阀,声压级随工作压力的增大而增大,并且随阀门泄漏度和阀后横向距离先增后减。研究结果可为阀门内漏的噪声预报以及阀门内漏检测提供借鉴。     

基于声发射信号的钢桶泄漏检测

目的研究基于声发射信号的钢桶泄漏检测方法。方法利用声发射传感器、前置放大器、采集卡和计算机搭建采集系统,分析漏孔直径为0.2 mm和无泄漏状况下泄漏频率特点。对采集的声发射信号采用小波包分解,提取了泄漏信号的3个特征频段(16~30 kHz,33~47 kHz,95~102 kHz)的能量特征,将其作为支持向量机的输入特征向量,对已经训练好的支持向量机进行测试,判断钢桶是否泄漏。结果经试验测试,判断准确率达100%。结论通过小波包能量与支持向量机相结合的方法,可以成功地对直径0.2mm及以上漏孔的钢桶泄漏进行检测。     

焊接过程声信号在线检测技术现状与展望

基于焊接过程声信号的声学检测技术是一种实时采集和检测缺陷的有效方法,对材料内部结构变化反映明显。概述了常规焊接缺陷无损检测方法的优缺点,对焊接过程声信号的分类和声信号采集系统进行了论述,分析总结了声发射信号和可听声信号的发声机理、检测原理和信号处理方法,并阐述其在焊接质量在线检测领域的研究现状及应用,特别是焊接缺陷、熔滴过渡形式和熔透状态的识别与预测。为了满足在线检测要求,包含声学检测在内的多传感信息融合焊接系统研究是关键,智能传感、信号处理、自动控制与人工智能技术的进一步研究能促进焊接产业的长足发展。     

Leakage Locating in Underground High Pressure Gas Pipe by Acoustic Emission Method

Detecting gas leakage accurately in urban high-pressure natural gas pipelines is a great problem all over the world. Gas leakage may lead to pollution and severe environmental damages; therefore, in order to minimize the leakage problem, it is necessary to maintain pipelines. Acoustic emission is a technique to detect leakage in urban pipelines. Leakage in high-pressure pipes radiates acoustic emission signals that are transferred through the pipe walls. This paper proposes a leakage detection algorithm combined with wavelet transform, filtering and cross-correlation techniques to locate leakage source in urban gas pipes. The major noise of acoustic emission signals is removed through the wavelet transform and filtering technique. After removing the noise, the time difference between the signals recorded at two sensors is precisely computed using cross-correlation function. Experiments are carried out with continuous leakage source and a linear array of two sensors positioned in two sides of the leakage source. To study the accuracy of the proposed algorithm, several tests were carried out changing the source-sensor distance, and a percentage error less than 5 % was found in the leakage detection.