管道阀门泄漏信号仿真分析

研究管道阀门泄漏检测的技术,针对复杂背景噪声影响,管道泄漏信号不能准确识别及时频特性精确提取.提出了一种基于小波包和时频能量分布的管道阀门声发射泄漏检测的方法,利用小波包重构还原管道阀门泄漏声发射信号,通过计算Choi-Williams时频分布,提取时频特征,实现了泄漏信号识别和时频特性分析.采用PVC管道搭建了管道阀门泄漏声发射检测的实验模型,泄漏状态通过阀门开启度调节.在严重的背景噪声环境下,实时采集泄漏信号,并进行仿真.结果表明,采用小波包和时频能量分布的分析方法可以准确识别严重背景噪声下的泄漏信号,证明了该方法的可行性.     

基于小波奇异性理论的输油管道泄漏检测与定位方法

将小波分析在模极大值处理中的优势应用到管道泄漏检测与定位信号分析中,根据信号小波变换模极大值和信号奇异性之间的关系,由小波变换模极大值沿尺度变化趋势分析出压力信号的突变点,计算出管道泄漏诱发的负压波传播到上下游监测点的时间差,利用负压波定位泄漏的常规公式确定出泄漏点的位置。实验证明,该方法能快速准确地捕捉压力信号突变点,并定位管道泄漏位置。     

基于GPS时间标签的管道泄漏定位方法

快速、精确地定位管道泄漏是检测泄漏的一项重要内容,采用GPS同步时间脉冲信号强化各传感器数据采集的信号同步,通过采样频率与时间标签的换算可以分别确定管道泄漏点上游和下游的泄漏负压波的速度,然后利用泄漏点上下游检测到的泄漏特征信号的时间标签差就可以确定管道泄漏的位置。信号采样频率越高定位精度越高。但采样频率过高会增加处理的数据量,从而降低泄漏检测的速度。     

基于小波旁瓣相消器的轴承故障特征提取

为解决强背景噪声下声信号提取的轴承故障特征不显著问题,提出一种基于小波旁瓣相消器的故障特征提取方法。该方法利用小波滤波器组将含噪故障轴承声信号变换到小波域,进行小波域阵列广义旁瓣相消自适应波束形成,再通过小波滤波器组重构增强后的故障轴承信号,最后对重构增强后的信号进行包络解调并提取故障特征频率进行故障诊断。实验结果表明,该方法能够在强背景噪声下有效提取滚动轴承故障特征,并且相较于传统的延时求和波束形成器具有更好的降噪和故障特征增强效果。     

Bootstrap与模糊聚类在管道泄漏检测的研究

管道泄漏信息缺失对可靠提取小泄漏与工况变化所产生的负压波模式的特征一直是一瓶颈，也是降低系统误报警率的关键因素之一。本文利用小样本统计的Bootstrap方法，对观测样本进行模拟采样并进行统计分析，在此基础上，对管道不同工况提取特征．并用模糊聚类分析的方法分类管道小泄漏与工况变化的运行模式。仿真实验表明该方法应用在管道泄漏诊断中是简单实用和可行的。     

基于广义相关分析的泄漏定位

为提高基于相关分析方法的管道泄漏监测系统的性能,通过引入信号传播通道的模型,将影响定位精度的因素分解为两个方面,即：泄漏点处负压波源信号的自相关函数和负压波信号传播过程的衰减;在此基础上,采用广义相关分析方法进行泄漏定位．该方法通过前置滤波,降低了负压波信号衰减和噪声对定位结果的影响,提高了泄漏点的定位精度．     

自适应经验小波塔式分解的齿轮微弱故障诊断方法

针对强背景噪声下齿轮微弱故障特征难以有效提取的问题,本文提出了一种基于自适应经验小波塔式分解的齿轮故障诊断方法 .首先,在齿轮故障信号傅立叶变换基础上,通过设定分解层数对信号频谱进行有效划分,进行经验小波变换;然后进一步提出时-频峭度指标,绘制信号在不同分解层数下各分量信号的时-频峭度图,确定所感兴趣的最优共振频段范围;最终得到最优单分量信号,利用包络解调分析提取齿轮微弱故障特征.采用所提方法对齿轮故障信号进行分析,结果表明该方法可以有效提取齿轮微弱故障特征,而传统经验小波方法因为受强背景噪声影响较大,无法准确提取齿轮微弱故障特征信息.     

小波分析在输油管道泄漏检测与定位中的应用

针对输油管道泄漏检测系统中泄漏判断和定位的准确性受采集信号质量和算法的影响,依据负压波理论,利用小波阈值法对压力和流量信号进行降噪处理,并根据小波变换的模极大值与信号泄漏奇异性的关系确定泄漏位置.利用该算法对多组实验数据进行了分析处理,能够实现对泄漏信息的准确检测与精确定位,并及时报警.     

基于深度学习的计算机显示器电磁信息泄漏识别

本文以计算机显示设备泄漏电磁信号为研究对象,对于人工提取特征识别电磁泄漏信号存在的主观性强、特征冗余的问题,区别于传统基于经验的人工特征提取模式,利用人工智能深度学习方法,使用处理图像的深度学习技术应用于电磁信息泄漏特征识别,提出了一种基于卷积神经网络的识别方法.该方法首先提取电磁泄漏信号的时频谱信息作为卷积神经网络模型的输入,然后利用模型的自学习能力提取深层特征,实现对不同分辨率来源电磁泄漏信号的识别,识别准确率达到98％,单信号检测时间仅需40 ms,验证了卷积神经网络应用于电磁泄漏信号识别的有效性,为电磁泄漏预警与防护提供了重要依据,为电磁泄漏视频信号还原复现提供有力支撑.     

基于小波包改进算法的管道泄漏特征信号提取

在管道泄漏检测时,标志泄漏发生的特征信号相对较弱,这为泄漏特征信号的提取带来了极大困难。首先基于有限元仿真软件ANSYS研究声发射波在管道上的传播特性,分析泄露特征信号提取算法研究的必要性;然后提出一种泄露特征信号提取的改进小波包分解与重构算法;最后基于改进后的算法对实验室里采集到的泄漏声发射信号进行泄露特征信号提取实验。实验结果表明,改进算法可以准确提取出泄漏特征信号。它克服传统小波包算法分解和重构中的上采样与下采样带来的混频,为后续的定位分析创造了良好的条件。