基于PC104的储罐罐底腐蚀声发射采集系统

针对储罐罐底腐蚀声发射内检测方法的需求,基于PC104架构,研制了一种储罐罐底腐蚀声发射信号采集系统。系统采用声发射传感器作为接收器,利用基于PC104的数据采集模块和CPU模块作为控制核心,实现腐蚀声发射信号的采集和存储。经实验验证,系统能够准确地采集和存储声发射信号,误差最大为1%,满足系统设计要求,为声发射内检测方法的实施创造了必要条件。     

声发射技术在罐底腐蚀检测中的应用与研究

在利用声发射技术对四个大型原油储罐底板腐蚀情况进行现场检测的基础上,对采集到的声发射信号进行处理分析,并对比了不同时段的用于罐底信号定位的声发射事件.结果表明:同样一个储罐在白天和夜间得到的声发射事件数量差异巨大,在夜间采集的声发射数据更能代表罐底腐蚀的实际情况.可用于判别检测过程是否受到噪声影响;可以为以后的声发射检测时间的选择提供指导意义.     

基于GA-BP网络的声发射检测储罐底板腐蚀评价

采取声发射技术检测获得储罐底板声发射信息,结合储罐本身参数,用遗传算法(GA)与BP神经网络相结合的方法建立模型对储罐腐蚀情况进行了评估,分别建立了BP神经网络评价模型和GA-BP网络评价模型,并将两模型结果进行对比。结果表明, GA-BP储罐底板腐蚀网络评价模型较单独使用BP神经网络的评价模型具有更好的适应性和更高的预测精度,对声发射检测常压储罐腐蚀情况的评估具有参考价值,为我国自主研发常压储罐在线声发射检测评估系统提供了支持。     

基于短时分形维数的声发射信号增强算法

罐底腐蚀声发射信号受到非平稳噪声的影响非常严重,针对声发射信号的短时瞬态特征,该文提出了声发射信号短时分形维数增强算法。通过对声发射信号进行"分帧"处理后,引进分形维数系数dF(k)和参数βN作为噪声估计中的平滑系数,可根据含噪声发射信号不同的变化程度实现每一‘帧’含噪信号的实时去噪,运用并改进了离散分数余弦变换,增强了信噪比,提高了信号的降噪效果。通过实验分析验证了在不同噪声情况下,该方法对声发射信号增强效果远高于基本离散分数余弦变换和离散余弦变换,是信号增强的有效途径。     

大型原油储罐罐底声发射源定位算法研究

针对大型储罐罐底声发射检测过程中的声源定位问题,在深入研究三角定位算法和超定定位算法原理的基础上,采用蒙特卡洛模拟方法定量分析比较了两种算法对罐底声发射源定位的性能,主要包括定位计算时间、定位误差分布以及有效定位率等参数。结果表明三角定位算法比超定定位算法快100倍,但在非理想情况下,即存在时间测量误差和声速误差时,三角定位算法对罐底边缘区域的声源定位误差大,而超定定位算法对罐底边缘区域声源的有效定位率低。现场检测过程中应根据实时性、误差范围、计算机性能等要求选择合适的定位算法。     

基于小波包分解与RVM的声发射信号识别

声发射信号识别目前已经成为检测大型储罐底板缺陷状况的普遍方法之一.针对现有声发射检测技术对原始信号的处理与分析方法的不足,对储罐底板腐蚀程度分类识别方法的不明确,基于小波包分解,对声发射传感器接收到的原始信号进行特征提取,得出了信号的特征向量,通过训练相关向量机,结合相关向量机模型对待测设备进行腐蚀类型归类识别,得出分析结论.应用该方法对大连某企业的储油罐进行实测数据检验,分析结论与储油罐实际状况相同,验证了该方法具有科学性与可行性,能够诊断大型储罐底板腐蚀状况的准确性和可靠性.     

基于神经网络LMBP算法的入侵检测方法

阐述了基于神经网络LMBP算法的入侵检测方法,在对网络中的IP数据包进行分析处理以及特征提取的基础上,采用神经网络进行训练或判别,以达到对未知数据包进行检测的目的.由传统的BP算法与LMBP算法的分析与比较得到:LMBP算法解决了传统BP算法的收敛速度慢、易陷入局部最小的问题.实验结果表明,LMBP算法的学习速度快,收敛速度快,将这个算法应用于基于神经网络的入侵检测,效果良好,判别准确率高,为实现高效准确的入侵检测提供了一种有效的方法.     

LMBP神经网络改进算法的研究

论述了BP网络中最优秀的算法之一LMBP算法及其推导过程,分析了标准LMBP算法的特点和不足。为了进一步加快标准LMBP算法的收敛速度,提出了变步长θ的改进LMBP算法。通过采用某水厂混凝沉淀过程真实的实验数据和Matlab仿真程序实验,验证了此改进LMBP算法的可行性和有效性。该改进算法进一步加快了LMBP算法的收敛速度,对于采用LMBP算法神经网络的在线计算具有重要的应用参考价值。     

基于LSTM神经网络的声发射信号识别研究

声发射检测不需要进入被检对象中进行检测,与其他无损检测技术相比具有实时性、整体性和高灵敏度等独特优势.早期参数分析、小波分析等方法在声发射信号特征提取上缺乏理论指导,具有一定主观性,BP神经网络应用于声发射信号识别中时网络训练容易陷入局部极值,LSTM神经网络可以对输入序列数据进行逐层学习并自适应提取特征,避免了特征的人工选择和提取,较好地解决了存在的问题.文中提出一种基于LSTM的声发射信号识别模型,在声发射信号z-score标准化基础上,对比不同学习算法、隐层神经元数、正则化dropout rate下的测试集正确识别率,优化声发射信号识别模型,与BP神经网络的声发射信号识别准确率进行对比,实验结果表明,LSTM神经网络在Adam算法中,当隐层神经元数为250,dropout rate为0.5时,声发射信号识别率最高且为76.51％,优于BP神经网络53.9％的最高识别率.     

基于改进BP神经网络的煤与瓦斯突出预测系统

针对传统BP神经网络收敛速度慢、易陷入局部极小等问题,采用Matlab神经网络工具箱中的自适应学习率VLBP算法和基于数值优化技术的LMBP算法对传统BP神经网络算法进行改进,并设计了基于改进BP神经网络的煤与瓦斯突出预测系统;分别采用传统BP神经网络模型和改进的BP神经网络模型进行煤与瓦斯突出预测实验,结果表明改进的BP神经网络能够更快、更准确地预测煤与瓦斯突出。     

一种水声信号识别算法及仿真

应用小波包技术,提出了融合能量代价函数的概念及基于此函数的水声信号识别算法。算法以融合能量代价函数为标准,在整个小波库中确定特征空间及特征值。在MATLAB仿真环境下进行的BP神经网络实验显示：与固定尺度小波包能量法及最大距离小波包能量法相比,算法对特征模糊的信号有较好的识别效果。     

改进的BP神经网络和灰色理论在坦克发动机故障诊断中的应用

提出了改进的BP神经网络和C型灰色关联度的故障诊断方法.在提取坦克发动机振动信号特征参数的基础上,结合C型灰色关联度诊断法简单易于实现和BP神经网络法诊断精度较高的特点,完成了坦克发动机的故障模式识别和诊断决策.     

智能声发射仪的研究

针对现有的声发射仪仅具有声发射数据采集功能,而无数据分析处理功能的问题,提出了一种智能声发射仪的设计方案。该声发射仪在数字式声发射仪的基础上,通过建立已知缺陷模式库,采用模糊识别模式对活动缺陷进行类型判定并作出等级评估。下一步工作重点是建立一个比较完善的标准声发射源数据库,为仪器的智能化实现打下基础。     

基于PCA的3种改进BP算法性能研究

现有入侵检测系统的效率和准确率较低。为此,提出一种基于主成分分析的特征提取方法。对数据源进行特征降维,将获得的主成分作为BP神经网络的输入数据进行识别。分析原始BP算法存在的问题,研究RPBP、CGBP、LMBP 3种改进BP算法,并进行仿真实验,结果表明,与原始BP算法相比,改进算法收敛速度快,漏报率和误报率低,能有效改善入侵检测的识别效果。     

声发射技术在高压输电塔锚杆腐蚀检测中的应用

在高压输电塔的锚杆顶端施加一瞬态激振力,由布设在锚杆顶端的声发射传感器接收反射的信号.对接收的声发射信号进行了时频分析和小波分析.通过对比可以看出,声发射信号的特征频率、能量与腐蚀的状况有很好的相关性.因此,声发射技术是一种可靠有效的检测高压输电塔锚杆腐蚀的方法.     

神经网络中LMBP算法收敛速度改进的研究

文章对标准BP算法收敛慢的问题进行了分析,并针对其目前最快的改进版本Levenberg-MarquardtBP(LMBP)进行了深入研究,发现其中涉及的矩阵[JTJ+μkI]求逆是其收敛速度的瓶颈。通过使用LU分解法去除耗时的矩阵求逆运算,极大地减少了LMBP的计算量。此外,简化求增广MarquardtSensitivity矩阵的步骤,也在一定程度上减少了LMBP的计算量。笔者用MicrosoftVisualC++6编程实现了改进后的LMBP算法,发现对这两方面的改进,大大提高了收敛速度。文章对Matlab的基于最速下降的BP算法(Traingdx)、Matlab改进的LMBP算法(Trainlm)、LMBP和作者改进的LMBP(ILMBP)进行了大量的试验。结果发现,ILMBP的平均收敛速度比LMBP快约23倍,比Trainlm算法快约9倍。     

基于灰关联分析的声目标识别

提出了一种基于灰关联分析的声目标识别算法.该算法提取坦克、直升机和汽车声信号的线性预测系数特征作为关联参数,通过比较声信号的灰关联值实现目标识别.在白噪声背景下,结合谱相减法,通过提取坦克声信号特征识别,仿真表明:灰关联算法可以从信息不完全、关系不明确的坦克声信号中提炼主要因素进行识别,其实现方法简单,识别率较高.因此该算法在声目标识别中具有可行性.