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。     

基于声发射的真空泄漏在线检测技术研究

真空泄漏是气体动力系统运行过程中的常见故障,传统的氦质谱检漏无法实现对真空泄漏的在线检测。本文利用声发射技术阐述了基于声发射信号的真空泄漏在线检测原理,通过真空泄漏声发射检测模拟试验,并利用参数特征分析法和平均频谱分析法对不同泄漏孔径下产生的声发射信号的特征进行了研究,得到了相应的小波包归一化频带能量分布特征。研究结果表明,真空泵运行的平均时域信号频带在20kHz以下,气体泄漏激发出大量的高频声发射信号,泄漏信号参数特征值与泄漏孔径的大小密切相关,泄漏信号的归一化能量分布一致性较好。声发射技术对于真空泄漏的在线检测及泄漏量评价等有实际意义。     

基于频谱能量形态拟合的加速度积分方法研究

针对带噪加速度信号的积分问题,提出一种基于频谱能量形态拟合的频域积分新方法,定义为有效频段法。假设峰值主频临近区域的频谱曲线符合高斯函数分布,根据该区域内带噪信号的累积能量变化,拟合得到相关高斯函数的参数,从而根据三倍标准差原则确定主频有效信息的分布范围,进而通过有效频段内的频域积分和傅里叶逆变换,得到相应的速度和位移信号;最后,通过数值模拟算例,考察有效频段法在多频简谐激励和随机激励下的积分效果,并与传统频域积分方法进行对比。结果表明,相对于传统频域积分方法,有效频段法可以实现积分频段的自动确定,能得到简谐激励下更高的积分精度和随机激励下稳定且良好的积分精度,抗噪性能更强。     

基于压电传感器的管道泄漏信号可靠性识别技术研究

管道泄漏检测的可靠性主要取决于泄漏信号的信噪比,泄漏信号信噪比的提高主要由传感器和对信号的处理方法决定。在定量分析的基础上,得出了基于压电传感器的管道泄漏检测方法具有比基于压力传感器的负压波法更高的泄漏信号信噪比。通过信号分析,论证了平滑滤波对于提高泄漏信号信噪比的必要性,提出了用区间信号能量来突出泄漏信号的方法。分析比较了实际检测信号幅值、区间信号能量和区间信号平均能量的平方3种方法下泄漏信号的信噪比,提出了用基于区间信号平均能量平方的顺序能量比率法进行管道泄漏信号识别的方法。结果表明该方法可以极大地提高泄漏信号信噪比和泄漏检测可靠性。     

基于迭代递推的供水管道多泄漏点声定位方法

针对多泄漏点产生的声发射信号及环境噪声对供水管道泄漏定位的影响,进行供水管道多泄漏点声定位方法研究。发展了一种基于迭代递推的供水管道多泄漏点声定位方法,研究迭代递推中品质因数阈值、信噪比阈值、相位偏移量的寻优区间和泄漏相关时频点的判定阈值等参数选择对泄漏定位效果的影响,并优选出适合的参数值。在此基础上,进行供水管道多漏点检测实验;结果表明,该方法可以实现管道上多个泄漏检测和定位,且定位误差小于1 m。研究工作为实际供水管道多泄漏点检测及定位提供了可行的解决方案。     

压力管道泄漏声发射信号频谱特性实验研究

以水为实验介质,进行了充液压力管道泄漏声发射信号的实验研究。利用小波变换对不同流量、不同泄漏孔径条件下检测到的声发射信号频谱特性进行了分析研究,结果表明充液管道泄漏信号经小波分解后a6级信号的能量占总能量的绝大部分,信号的主要频率成分集中在3.05kHz-3.81kHz左右。     

高血压患者脉博信号的采集与频谱分析

根据人体脉搏信号的特点,提出了一种对脉搏声信号进行检测和数据采集的方法,讨论了脉搏声信号采集和处理过程中各参数之间的关系及应取的指标,介绍了脉搏信号的一种频域分析方法－功率谱分析,获得了两种脉搏信号的功率谱图,取检测对象１０８例,其中通过对６５例高血压患者,４３例健康人作为对照组的脉象信号的功率计算,发现高血压患者脉搏功率谱高频部分的能量分布较健康人发生了明显的变化,并从人体生理病理学的角度分析了     

两装药水下爆炸毁伤目标振动信号时频分析

针对某水下目标抗水下爆炸试验数据,研究两装药水爆炸下冲击波的相互作用及气泡脉动的相互作用现象,分析非平稳结构响应信号时频特征,分别提取前爆冲击波、后爆冲击波及前爆气泡脉动三个不同时段信号进行能量与频率分析,并由此确定不同时段对目标毁伤的影响。结果表明,后爆冲击波能量最大,前爆冲击波与后爆冲击波均处于较宽频率范围,主要作用在780 Hz以上,前爆气泡脉动能量主要作用在100～400 Hz内。与结构自振频率频段重合,因此前爆气泡脉动作用不可忽视。     

小波分析在应用中的两个问题研究

该文就小波分析中的能量泄漏和边界扭曲两个问题进行了深入研究,分析了能量泄漏的原因,讨论了滤波器性能和信号能量所在频段对能量泄漏的影响,以及在应用中的相应对策,对边界扭曲问题进行了分析讨论,提出了基于AR模型预测的边界延拓方法,并利用仿真和太阳黑子数据进行了对比研究。     

基于噪声信号和改进VMD的滚动轴承故障诊断

受运行环境及传递路径影响,滚动轴承声音信号中包含有强背景噪声和较大的非周期性瞬态冲击成分,导致轴承故障特征提取困难.文中提出一种基于自适应变分模态分解(AVMD)的滚动轴承噪声信号故障诊断方法.该方法首先根据不同的信号自适应地确定模式数和惩罚因子,利用优化参数的VMD对原始信号进行分解,得到多个本征模式分量;然后计算各...     

时频分布的弱信号检测技术的研究及其应用

双线性时间-频率变换在时间域与频率域都具有较高的分辨率,有利于复杂背景条件下微弱瞬时信号的探测。研究发现,频谱图的分辨率较低,W igner-V ille分布存在很强的交叉项,不适合瞬时信号的检测。Cho i-W illiam s分布存在频率混叠及信息丢失现象,检测效果也不理想。提出了一种无混叠时频分布,能够避免CW D中的信息丢失,有效抑制交叉项,而且具有较高的分辨率。通过数字仿真与齿轮箱故障检测实例,证明新的时频分布能够有效检测复杂信号中的瞬时分量。     

钻柱信道内双声接收器的回波抑制方法分析

在随钻测井中地面噪声与周期性信道结构形成的下行回波导致传输性能降低,为此,结合钻柱信道的噪声分析,利用上、下行信道的瞬态脉冲响应,构建回波噪声抑制模型,提出了双声接收器的检测方式。在钻柱激励端分别施加单位正弦脉冲信号和PSK调制数据,在接收端耦合下行的高斯噪声,应用钻柱内一维低频纵波传输的有限差分算法,在单接收器和双接收器模式下时域和频域仿真分析了钻柱内声信号的传输特性,验证了双声接收器检测方式的有效性。该方法可实现井下回波噪声的抑制,从而改善信噪比,提高传输速率,为钻柱声遥测系统优化设计提供方法基础。     

基于双线性时间-频率分布的瞬时信号探测技术

针对复杂背景条件下瞬时信号的探测,提出一种新的无混叠双线性时间-频率分布方法,该方法能够避免常用的双线性时频分布中的频率混叠与信息丢失,有效减小交叉项干扰,而且具有较高的时频分辨率.通过数字模拟实验与齿轮箱故障信号检测,验证了新的双线性时间-频率分布对复杂信号中瞬时分量的探测效果.     

基于小波包时频图特征和卷积神经网络的水声信号分类

水下声信号分类是水声学研究的一个重要方向.一个有效的特征提取和分类决策方法对水声信号分类技术至关重要.文章将鱼声、商船辐射噪声和风关噪声三类实测的水声信号在小波包分解的基础上提取时频图特征,并搭建了一个七层结构的卷积神经网络作为分类器.研究结果表明:三种水声信号的小波包时频图特征结合卷积神经网络在不同测试集可达到(98...     

基于能量聚集性的轴承复合故障诊断

轴承复合故障类型多样,且部分故障的特征频率相近噪声污染严重。采用经验模态分解(EMD)的方法,在强噪声背景下会引起相近频率故障成分的无法识别,同时也难以提取微弱的故障信号。由此,提出一种基于能量聚集性的轴承复合故障诊断方法。首先借助离散余弦变换(DCT)的频域能量聚集性和奇异值分解(SVD)的时域能量聚集性,对轴承复合故障信号进行预处理,实现降噪并分离频率相近的微弱故障信号。然后对分离出来的不同故障信号进行经验模态分解,去除伪分量,对剩余的本征模态函数进行频谱分析。最后,根据本征模态函数的频谱诊断故障。仿真信号和实测轴承故障诊断信号分析表明,与直接使用EMD进行轴承复合故障诊断相比,该方法能够在强背景噪声下准确分离频率相近的微弱故障分量,改善复合故障诊断的准确性。     

基于分数阶功率谱熵的未知水声脉冲信号检测方法

水声侦察的核心问题是在无先验知识条件下捕获其他平台发射的脉冲信号,单频(Continuous Wave,CW)信号和调频(Frequency Modulation,FM)信号是常用的水声探测脉冲.功率谱熵算法能有效检测低信噪比的CW信号,但对FM信号性能不佳,分数阶傅里叶变换(Fractional Fourier Tr...     

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.     

匹配追踪时频分解算法的端点检测方法

为了能在无噪音环境下准确地检测语音信号的端点,传统的方法是使用过零方法检测清音,短时能量方法检测浊音,两者相结合便实现了端点检测。通过对语音信号在时频平面中分布的研究,提出了一种基于匹配追踪时频原子分解算法的端点检测方法。该方法利用匹配追踪算法对信号进行分解,使得信号在时频平面上具有较直观明显的魏格纳能量分布,利用这个特点设置一个门限值再进行端点检测,便能准确检测出语音信号端点。实验结果表明,和传统的方法相对比,因为涉及到了信号的分解,所以实时性较差,且门限问题还有待深入研究,但该方法能更加准确地检测出语音信号的端点,亦为端点检测问题提供了一种新的思维方法。     

微弱信号检测方法研究现状分析

强噪声背景下微弱特征信号检测一直是工程应用领域的难题。本文系统的研究了基于线性理论的时域、频域、时频域和基于非线性理论的微弱信号检测方法,分析了各检测方法的基本原理和特点。时域检测法中主要分析了相关检测、取样积分与数字式平均、时域平均检测法;频域检测法中分析了最为常用的频谱分析法;时频分析法中主要分析了应用范围最广的短时Fourier和小波变换;基于非线性理论的检测法中重点分析了随机共振。分析认为基于非线性理论的微弱信号检测法、多种检测方法的结合是未来微弱信号检测的研究方向。