基于小波和经验模态分解的气体泄漏声音端点检测算法

针对石油化工等复杂高危场所,危化品泄漏产生的非平稳泄漏声音信号,难以正确判断声音端点的问题,基于小波和经验模态分解（EMD,Empirical Mode Decomposition）,提出一种改进的能零比气体泄漏声音端点检测算法。首先,通过麦克风阵列采集气体泄漏信号,将预处理后的泄漏信号通过小波阈值去噪,以提高检测信号的信噪比;其次,利用EMD算法对降噪的信号进行分解,从分解得到的本征模态分量（IMF,Intrinsic Mode Function）中选择IMF,构造新的信号;然后,通过分帧和加窗的方法对重构信号进行再处理,计算出各帧信号的能零比值,采用提出的自适应门限计算方法对信号进行端点检测;最后,搭建简易的气体泄漏模拟实验平台,对改进的气体泄漏声音端点检测算法,进行了实验测试。实验结果表明：改进的能零比气体泄漏声音端点检测算法,在低信噪比的条件下,仍然具有良好的检测精度和检测效率;与传统方法和基于EMD的能零比算法相比更接近实验采集声音信号真正的声音端点。     

基于神经网络的气体管道泄漏检测与定位

针对建立气体管道准确机理模型比较困难的问题,提出基于压力时间序列的神经网络来进行气体管道泄漏检测与定位的方法。针对管道的流量测量的精度较低且安装流量计会破坏管道原流场的问题,提出采用主动施扰法检测气体管道不同位置的压力信号,利用压力时间序列神经网络获取泄漏点的位置信息和泄漏量信息,并通过实验分析泄漏位置不同和泄漏量大小对检测精度的影响。实验结果表明,该方法能实现气体管道泄漏检测与定位,并且精度较高。     

基于遗传算法优化的神经网络在长输管道泄漏检测系统中的应用

针对由于输油管道泄漏在生产生活中造成的诸多损失与危害,以吉林油田的一段长输管道为研究对象,利用小波包变换提取管道泄漏压力信号的特征向量,将得到的特征向量作为神经网络的输入,根据输出对管道的运行状态进行识别,再应用负压波定位法对泄露点进行定位。在此基础上,提出了一种基于遗传算法优化的RBF神经网络输油管道检测的方法。该方法把遗传算法应用于神经网络的参数确定中。实验结果表明,优化的RBF神经网络模型的误差为1%左右,提高了泄漏检测的精度与效率。     

神经网络和证据理论融合的管道泄漏诊断方法

针对传统管道泄漏诊断方法存在的准确率不高的问题,结合无线传感器网络与信息融合技术,提出一种神经网络和证据理论有机结合的管道泄漏诊断方法. 在普通节点处建立两个子神经网络模型来简化网络结构,分别以负压波和声发射信号中的泄漏特征参数作为输入向量进行初始泄漏诊断;然后将神经网络的识别结果作为证据的基本概率分配,从而实现了赋值的客观化;采用改进的证据组合规则,在普通节点和汇聚节点处进行两级证据合成,充分利用了网络中各种冗余和互补的泄漏信息. 实验结果表明,该方法显著提高了管道泄漏诊断的准确率,降低了识别的不确定性.     

供水管道泄漏声信号特性

为了对供水管道泄漏声波信号进行检测,分析了管道泄漏声波的产生机理、检测原理和管道泄漏声波信号的频率特性及衰减特性.采用CS3型水听器在模拟供水管道的环境中进行管道泄漏实验,采用MATLAB软件对实验采集到的泄漏声波信号进行分析.结果表明,管道泄漏的声波是60~70Hz的低频信号,其中稳定泄漏和末端泄漏的衰减特性不同,实验结果证明了管内听音技术用于检测供水管道泄漏信号的准确性和该检测技术的可行性.     

碳化硅MOSFET电路模型及其应用

建立了新颖的碳化硅金属氧化物半导体场效应晶体管等效电路模型．在常规碳化硅金属氧化物半导体场效应晶体管等效电路模型的基础上,引入了栅极氧化层泄漏电流模型和PN结的泄漏电流模型,并用能够反映碳化硅／氧化层界面特性的迁移率模型替换常规碳化硅金属氧化物半导体场效应晶体管电路模型中的常数迁移率．有关文献的实验数据验证了所建立的碳化硅金属氧化物半导体场效应晶体管电路模型的准确性．与常规碳化硅金属氧化物半导体场效应晶体管电路模型相比,文中的电路模型能较为准确地模拟出碳化硅金属氧化物半导体场效应晶体管的氧化层泄漏电流和短路失效现象．另外,该模型还可以用于讨论碳化硅／氧化层界面陷阱对工作在短路状态下的碳化硅金属氧化物半导体场效应晶体管特性的影响．     

基于听觉显著图的长输管道漏失检测算法

为解决城市长输管道漏失监测难题,设计了基于听觉信号的管道漏失检测方法,利用瞬态振动信号会引起信号幅值和频率结构发生显著变化的特性,将听觉显著图引入管网漏失监测中,构建了一种基于听觉信号的管道漏失检测识别模型,提出了一种基于听觉显著图的管道漏失监测方法。该方法利用漏失声音引起的瞬态振动信号的幅值和频率结构发生显著变化的特征识别管网漏失状态,通过对信号的滤波、特征提取、听觉神经元的时域感受野特性分析处理后,进行跨尺度整合,得到频域和时域的信号凸显变化特征,识别管道漏失状态。结果表明:该方法能够检测到的管道泄漏最小流量小于等于0.3 L/min。     

压力管道泄漏的声发射检测实验研究

在实验室条件下,建立了压力管道泄漏的声发射检测模型。在不同实验条件下(如变化压力、泄漏孔径大小、传感器取向、距离等条件),进行了压力管道泄漏的声发射检测实验。通过对压力管道泄漏的声发射信号分析,能够定性地判断有无泄漏。同时,研究了压力管道泄漏的声发射信号与距离、泄漏孔径、传感器取向的关系,为压力管道泄漏的声发射定量检测奠定了基础。     

基于改进LMD及LSTSVM的管道泄漏检测与定位

在管道泄漏检测中,管道首末两端采集压力信号的噪声会影响泄漏检测的准确性和泄漏定位的误差。为了最大程度地降低噪声的干扰,提出改进局域均值分解(LMD)方法,该方法在外界噪声特征未知的情况下,有效提取与泄漏信号相关的乘积函数(PF)。根据测试信号的PF和参考信号相关分析的峰值,获取包含主要泄漏信息的PF分量并进行信号重构,重构信号再经过小波分析进一步消噪。在此基础上,按照时域特征和波形特征提取信号特征值输入最小二乘双支持向量机(LSTSVM)中,用以区分不同工况。根据经过小波消噪后的重构信号,采用广义相关分析法获取泄漏信号到达首末两端负压波信号的时延估计,并结合泄漏信号传播速度实现泄漏点定位。通过环道现场实验,对管道各种工况信号进行处理分析。结果表明,该方法能有效识别不同工况及泄漏定位。     

基于EMD和小波包降噪的压力管道微泄漏源定位研究

为实现对压力管道裂纹微泄漏源的声发射信号降噪处理与准确定位,采用经验模态分解(EMD)和小波包变换相结合的方法对微泄漏源声发射信号进行降噪处理。结果表明,该方法能够很好地解决连续型声发射信号降噪问题。该方法首先对泄漏源声发射信号进行EMD分解,细化泄漏源信号中掺杂的高频背景噪声,然后根据EMD分解产生的各个固有模态函数(IMF)与原信号相关程度确定主要包含泄漏源信号特征的各IMF分量进行EMD重构,并进行小波包降噪,以进一步削弱背景高频噪声的干扰,最后对降噪并重构后的信号进行互相关计算,实现对压力管道微泄漏源的精确定位。