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。     

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。     

基于小波包分析的模拟天然气管道泄漏声发射定位

开展了模拟天然气管道泄漏检测与定位研究,研究利用小波包分析技术,首先对声发射信号进行分解,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两个声发射传感器接收到的声发射信号的时差,进而进行声发射源定位。对模拟天然气管道泄漏的声发射信号的处理结果表明该方法能够有效实现管道泄漏检测与泄漏源定位,并且泄漏源的定位精度高,误差〈8%。如能将这一技术改进并实现长距离管道泄漏检测与定位,将具有广阔的应用前景。     

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.     

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.     

某核电工程阀门安装方向设计错误导致内漏分析

本文对某核电工程常规岛厂房几例因阀门安装方向设计错误导致内漏的情况,进行了详细的原因分析,并对该类原因造成阀门内漏提出了从源头解决的合理化建议.     

不同管路元件流动声发射信号熵值量化分析方法

针对流体在流经不同管路元件时产生的噪声会造成管道损伤在线监测精准性下降的问题,引入了小波能量熵与时频熵两种熵值量化分析方法,通过计算流体流动声信号的熵值对流动过程中不同管路元件的流动状态进行量化,从而判断损伤是否发生以及损伤所处的管路元件部位.在此基础上,设计了管路流动声发射测试实验,采集了不同压力下直管、弯头入口、弯头出口、三通、变径管小头共5种管路元件的声发射信号,对所采集的声发射信号逐一采用时频熵及小波能量熵的方法分析计算.测试实验结果表明,时频熵与小波能量熵均能很好地区分不同管路元件的流动状态差异,且时频熵对同一管路元件压力变化时的流动状态有着较高的量化精度.     

重型车刀破损时声发射信号特征

通过切削试验，研究了重型车削过程中各种声发射源产生的ＡＥ信号的特征，着重讨论了重型车刀破损时产生的ＡＥ信号与刀具正常切削时刀具经过硬质点、夹渣、铲坑以及断续切削和切屑的断时产生的ＡＥ信号之间的差异，从而找到了由声发射信号来判定刀具破损的方法。     

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%.     

基于声发射信号的柴油机排气阀故障诊断试验研究

气阀的撞击和气体压力的冲击均会产生声发射信号,声发射信号的频率范围宽,信息量丰富,在无损检测领域已得到了广泛应用,将声发射传感器引入柴油机排气阀的故障监测诊断中,以WP10.240N型柴油机为研究对象,搭建试验测试平台,模拟3种类型的排气阀故障,通过试验研究了柴油机气阀在不同状态下声发射信号特征,提取了与排气阀故障相关的特征参数,探索了基于声发射信号的柴油机气阀故障诊断的可行性。     

基于改进CNN的阀门泄漏超声信号识别方法

为了检测输气管道阀门泄漏，对改进AlexNet网络结构进行了研究，提出了基于改进卷积神经网络（CNN）的阀门泄漏超声信号识别方法.针对泄漏信号短时稳定的窄带线谱特征，从图像邻域信息密度角度出发，将卷积核形状由图像识别领域通常使用的"正方形"改进为"扁横状".同时，对AlexNet层数进行优化，重新确定卷积核和全连接层神经元数目，并选择小尺寸卷积核，在减少参数量的同时增加网络容量和模型复杂度，防止模型出现过拟合.分别建立二分类和不同泄漏量下的多分类模型，通过输气管道实验平台采集阀门泄漏数据集，生成对应时频图样本，包括不同阀门开度、不同管道压力下的泄漏及背景声信号.结果表明，对比传统的CNN分类模型，改进CNN分类模型在测试集上取得了更高的识别性能.     

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。     

基于模式识别的天然气管道泄漏检测方法

介绍了模式识别的概念、算法原理及应用该方法检测管网泄露的具体步骤,采用首末端仿真模拟的方法计算了测漏点的位置,解释了管网泄露点布设点个数的公式,提出了利用模式识别诊断天然气管网故障的方法.     

岩石声发射测量地应力信号处理技术研究

针对目前岩石声发射信号处理存在的问题,在对岩石声发射技术和信号处理技术归纳的基础上,对比了目前各种信号处理的方法,指出了小波分析理论满足岩石声发射信号处理的要求;接着,利用频谱分析等找出岩石声发射信号的频率范围;进而,通过分析研究得到合适的小波基、阂值形式;最后,对信号进行分解、去噪、重构和压缩．经理论分析和实例结果说明,借助Matlab软件,应用小波分析和小波包分析理论,可有效进行岩石声发射信号分析和处理．     

内燃机车柴油机汽缸冷却水内漏检测仪的相关技术研究

内燃机车柴油机汽缸冷却水内漏检测仪充分利用了现代信息技术,实现了内漏检测的“不解体化”。论述了内漏检检测原理及测试仪系统的组成;介绍了相关功能模块。使数据处理、分析、故障识别自动完成,测试仪减轻诊断的工作量,并提高了诊断速度及正确性。