基于小波包分析的声发射源定位方法

利用小波包分析技术，先对信号进行分解，再对衰减的信号在不同频率段内进行有效的补偿，然后对分解的信号进行小波包重构，利用互相关技术计算出时差，进而进行声发射源定位。此定位方法能有效地减小声发射源定位的误差，提高定位精度。     

基于声发射的输油管线破坏点定位方法研究

针对国内油田石油输送管线上频繁的钻孔盗油,且常规互相关检测法定位误差较大的情况,基于声发射信号的传播和改进小波包分解算法,提出了一种钻孔破坏点精确定位方法.根据管道两端声发射(AE)传感器的采样数据,采用改进小波包算法将信号分解到不同的频段,并结合快速傅立叶分析对高、低频的不同情况分别进行处理,再提取能量较丰富的小波包作为特征包进行重构,对特征包的重构信号进行相关分析来确定破坏信号到达两端传感器的延时,进而确定破坏点的位置.实验研究表明该方法可消除小波滤波器组造成的频谱混叠现象,提高了互相关分析定位的准确性,有助于实时检测埋地管线上的钻孔破坏信号.     

小波变换在管道泄漏声发射检测中的应用

对管道泄漏声发射信号特点和常用小波基函数特点进行了分析,指出Daubechies小波和Symlet小波是较适于泄漏声发射信号处理的基函数.进行了碳钢管道水泄漏声发射检测实验,用db5和sym5两种小波基分别对泄漏信号进行小波变换,结果表明,a6级信号的能量占总能量的绝大部分,信号峰值频率集中在2.90～3.81 kHz,两种小波变换在能量分析中最大相对偏差为0.77%,在频率分析中最大相对偏差为5.17%.     

天然气管道阀门内漏声发射信号特征研究

通过理论分析的方法建立阀门内漏过程中气体体积泄漏率与声发射信号特征参数均方根(AERES)函数关系,利用研制的实验平台进行了阀门气体内漏检测实验,利用小波包变换方法分别对球阀和截止阀内漏过程产生的声发射信号进行频谱特性分析研究,实验结果表明,经过3层小波包分解后的信号能量主要集中在12.5～75kHz。且声发射信号特征参数均方根(AERES)能有效反映气体体积泄漏率,因此可以利用声发射技术检测阀门是否内漏并估算其泄漏率。     

损伤声发射信号小波包神经网络特征识别方法

在材料损伤的检测和评价时,为了在大量接收信号中识别有效声发射信号,提出了一种基于小波包特征提取的损伤声信号神经网络识别方法,首先利用小波包全局分解的优势,准确提取非平稳信号的特征信息,建立相应特征向量,对有效声发射信号和干扰噪声信号进行表征;然后根据特征向量和识别输出要求,建立了3层结构的反向传播神经网络对信号进行分析和识别,滤除噪声信号,保留有效声发射信号;最后,在玻璃钢复合材料的声发射实验中,采集了400组信号对该方法进行验证,准确性达到97.5%,能够满足工程需要.     

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。     

基于小波包分析的结构损伤定位方法

提出了基于小波包节点能量（WPCE）相对变化量的结构损伤定位方法，采用其斜率向量和曲率向量2个指标作为损伤定位的依据，从而做到对于结构损伤的无模型定位，最后通过数值算例验证了该方法的可行性。     

压力管道泄漏声发射实验信号识别与分析

利用实验室现有油气管道实验平台,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,如变化管道压力、管道流量、传感器间距等,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,分别分析了压力管道泄漏声发射信号的有关参数随管道压力、流量、传感器间距变化的规律,对压力管道泄漏的声发射检测进行了有益的探索。     

压力管道泄漏声发射实验信号识别与分析

利用实验室现有油气管道实验平台,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,如变化管道压力、管道流量、传感器间距等,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,分别分析了压力管道泄漏声发射信号的有关参数随管道压力、流量、传感器间距变化的规律,对压力管道泄漏的声发射检测进行了有益的探索.     

基于小波阈值的天然气管道阀门内漏信号分析

阀门是天然气管道运输的重要组成部件,阀门内漏给天然气管道运输带来了严重的安全威胁。通过阀门内漏声发射特性实验和声发射信号分析,可以得到声发射信号的幅度、能量和频谱,并进行内漏流量的判定。由于采集的声发射信号含有大量的噪声,因此应对采集的声发射信号采用默认阈值、硬阈值、软阈值、改进的小波阈值等多种阈值进行降噪分析,提高重建信号的信噪比,降低均方根误差值,消除信号噪声,为阀门内漏的检测和定性定量分析提供有效工具。     

输气管道阀门内漏声发射多参数检测实验研究

针对输气管道阀门内漏喷流噪声声场特征复杂特点,应用声发射检测系统进行阀门内漏过程的检测实验研究,提取阀门不同内漏率下声发射信号波形频谱特征和时域、频率参数特征;应用最小二乘法拟合函数曲线,获得声发射信号特征参数与内漏率对应关系。实验结果表明,声发射信号特征参数(均方根、标准差、均值、频域峰值)与内漏率之间都存在明显对应关系,可利用声发射信号多参数分析进行阀门内漏程度评价研究,以提高内漏识别的准确度。     

Wavelet Packet Domain LMS Based Multi-User Detection

An improved wavelet packet domain least mean square (IWPD-LMS) based adaptive multiuser detection algorithm is proposed. The algorithm employs the wavelet packet transform to re-whiten the input data,and chooses the best wavelet packet basis according to a novel convergence contribution function rather than the conventional Shannon entropy. The theoretic analyses show that the inadequacy of the eigenvalue spread of the tap-input correlation matrix is ameliorated,thus the convergence performance is improved greatly. The simulation result of convergence performance and bit error rate(BER) performance as a function of the signal power to noise power ratio(SNR) are presented finally to prove the validity of the proposed algorithm.     

基于小波变换与BP神经网络的声发射信号识别

针对现有声发射信号识别参数分析法的不足,提出利用小波变换特征提取与BP神经网络结合的声发射信号识别方法。利用db2小波对声发射信号进行6层分解,将细节特征空间的能量作为声发射信号特征向量;结合声发射信号特点设计和训练BP神经网络,通过实验确定隐层神经元数;用BP和RBF神经网络分别对腐蚀、裂纹和冷凝声发射信号进行分类测试。实验结果表明,提取的声发射信号特征具有较好的区分性能,BP网络在识别声发射信号方面优于RBF网络,这对储油罐安全状况的定量分析具有一定意义。     

基于小波包分解的电力系统谐波检测分析

阐明了小波包分解的基本理论,说明了小波包变换对于稳态谐波信号和暂态谐波信号均具有良好的提取能力.而且小波包分解对实际系统中的谐波检测仍具有较好的检测能力,能够在时域上反映系统不同运行工况下的谐波分量变化情况.利用小波包变换的方法分别对典型的电网谐波和逆变器模型进行谐波检测,仿真结果验证了结论的正确性.