基于时域积分的泄漏声波信号增强方法

在管道泄漏检测中,泄漏信号的信噪比是影响误报和漏报的主要因素。传统的小波去噪和EMD分解方法受小波基选择、分解尺度选择和重构分量选择的影响难以保证稳定、有效的信号增强效果。通过分析动态压力变送器的传递函数,发现动态压力变送器的输出信号中缺失了反映声波信号低频响应特性的积分项,提出了基于时域积分的、增益可调的泄漏声波信号增强方法,现场实测数据的测试结果表明:基于时域积分的泄漏信号增强方法具有稳定显著的信号增强效果和定位精度,无需复杂的参数寻优,为微小泄漏的检测以及减少误报和漏报提供了有效的技术支持。     

基于信号增强的缓慢泄漏检测方法

目前管道泄漏检测方法可有效检测突发泄漏,对于缓慢泄漏则存在检测灵敏度低、定位不准确等问题。基于此,提出了一种基于信号增强的缓慢泄漏检测方法。通过信号压缩(抽取及移位)克服缓慢泄漏压力信号下降平缓的缺点;根据声波信号具有波形尖锐突出、对突发泄漏敏感的优点,通过建立以压力为输入、虚拟声波为输出的声波信号变送器模型,将压力信号转换为声波信号,克服了泄漏压力信号容易被淹没在管道压力波动及背景噪声中的缺点,实现了缓慢泄漏信号的增强;利用临近插值方法重构虚拟声波信号,基于延时互相关分析实现了缓慢泄漏的准确定位。实验结果表明,该方法具有显著的信号增强效果和定位精度,实现了缓慢泄漏的准确检测。     

基于HHT的泄漏电缆周界入侵信号的检测方法

总结希尔伯特-黄变换(HHT)在泄漏电缆周界入侵信号检测系统中的应用现状。模拟了7种不同的入侵方式,并对入侵信号进行检测、提取和仿真,得到入侵信号的频率-幅值-相位三维谱分布情况,实现对入侵物体速度、强度和范围的检测,满足快速、准确、多信息的信号检测需求。证实HHT能够准确确定周界入侵信号的瞬时特性,可对非线性和非平稳信号进行有效的时频分析,适用于泄漏电缆周界入侵信号检测系统。     

输油管道小泄漏特征信号提取方法研究

针对管道发生小泄漏时产生微弱信号难以识别的难题,提出采用小波包分解的频带能量特征提取方法,根据不同工况下和小泄漏产生时信号的频带能量不同,建立管道运行状态的特征向量和模式库,从而提高了对管道运行的监测能力。     

具有工况适应性的管道泄漏信号特征提取

基于神经网络的管道泄漏检测的关键是特征量的提取。以基于压电式动态压力传感器的管道泄漏信号暂态过程为研究对象,分析了不同工况下首、末站泄漏信号的差异,介绍了基于小波分解的泄漏信号增强方法。提出了把动态压力信号作正负区间划分、把相邻区间信号累加值差分、相邻区间信号均值差分和相邻区间信号峰值差分作为泄漏信号识别特征的特征量计算方法和相对量化方法,分析了泄漏信号特征量的横向、纵向合理性评判依据,并以此对从实际泄漏信号中提取得到的特征量进行了检验,验证了特征量提取方法的合理性。最后,给出了以首、末站特征量共同作为输入的神经网络管道泄漏诊断模型及其训练、检验结果。长期的管道泄漏实时监测结果表明,所提出的泄漏信号特征提取方法具有较强的工况适应性,为原油输送管道泄漏的鲁棒诊断提供了较好的技术手段。     

工业环境下管道泄漏弱信号检测装置设计

针对工业环境下供水管道泄漏微弱信号的检测与提取进行研究,按照低噪声、低功耗和低成本的设计思想,以内装IC压电加速度传感器LC0151T为基础,以AD574A和STC89C52RC为核心设计了信号检测装置,并进行了相应的试验研究。该装置可用于判断管道泄漏情况,并可与上位机结合进行漏点定位,同时其研究成果还可扩展应用于其他领域。     

基于Hilbert-Huang变换的输气管道泄漏诊断方法

研究了基于Hilbert-Huang变换的天然气管道泄漏检测方法。该方法利用Hilbert边际谱的能量变化来研究远距离传播后管道泄漏声信号的频带特征,然后通过实时监测特征频带内信号的Hilbert谱与正常信号相比是否发生明显变化来判断其中是否含有泄漏声波,最后根据管道两端检测到泄漏声波的时间差进行定位。基于实际管道历史数据的在线测试结果验证了算法的有效性。     

基于改进差分进化算法的神经网络管道泄漏检测

提出了一种基于神经网络与差分进化算法的天然气泄漏预测方法,该方法采用RBF神经网络作为泄漏预测模型,引入改进的差分算法对网络的初始连接权值进行优化。为了在全局搜索和局部搜索之间取得最佳平衡,提出了一种自适应变异因子和交叉概率的改进算法,并将其应用于泄漏预测神经网络模型优化。将所提出的方法与原始算法的前向网络预测方法进行了比较。结果表明:所提出的方法收敛速度快,所得模型的预测误差小、准确率较高、迭代次数少、泛化能力强,对天然气的泄漏预测有很好的参考作用。     

基于小波分析的输气管道泄漏信号消噪方法

当输气管道发生泄漏时,由传感器采集到的压力波信号中混杂有大量噪声,主要来自于仪器仪表的测量噪声,输送过程中的外界干扰,噪声信号严重干扰了泄漏点确定的准确度。由于小波变换具有能够分析到信号的任意细节的优点,本文对小波分析方法进行了理论分析,并采用db1小波对噪声信号进行了多尺度分析、重构,经过处理后的信号较好地恢复压力波信号地本来面貌。     

基于龙格——库塔算法的输气管道泄漏定位方法

由于以往的定位算法未考虑管道温度、压力等因素对泄漏产生负压波波速的影响,为了精确确定管道泄漏位置,本文提出采用龙格——库塔算法对管道泄漏进行定位计算,并与以往采用的三种定位算法进行计算比较,结果证明该方法能够较好地进行管道泄漏定位。     

基于功率谱比对的液氯输送管道泄漏检测方法

针对液氯输送管道泄漏检测难以获取泄漏信号样本用于特征提取和诊断建模的难题,提出了一种基于功率谱比对的无泄漏信号样本管道泄漏检测方法。鉴于相同类型传感器应用于不同介质时表现出相似的输出信号特性,通过分析、比较现有的气体管道泄漏信号和正常信号的频域特征,提出了基于双移动窗和功率谱比对的频域特征提取方法。以液氮模拟输送管道正常信号为目标类数据,在无泄漏信号样本条件下建立了基于SVDD的面向液氯输送管道泄漏检测的诊断模型,实现泄漏的可靠检测。现场模拟检验结果表明：该方法能够有效实现液氯输送管道泄漏检测。     

基于音波法的输气管道泄漏检测与定位

为研究输气管道音波法泄漏检测技术的基本原理和应用方法,从而为音波法泄漏检测技术在输气管道上的推广使用提供理论和实践基础,首先根据现场实验工况建立仿真模拟模型,对泄漏音波产生机理进行分析与验证;其次根据仿真模拟结果完成现场实验,并对现场实验数据进行了时频联合分析,包括短时傅里叶变换、小波变换、Hilbert-Huang变换和广义S变换,提取可用于远距离传播的音波信号特征;然后应用可远距离传播的信号特征,对长距离输气管道的泄漏进行检测,取得了较好的效果;最后采用提取的音波特征量进行泄漏定位,定位精度高.研究结果表明,通过信号处理得到泄漏音波信号特征可以用于长距离输气管道泄漏检测.     

基于盲目反卷积算法的X90管线钢腐蚀声发射信号分析

油气管道腐蚀具有随机性,且腐蚀声发射源信号在传播过程中还会发生一定的衰减和畸变,致使管道腐蚀声发射信号的特征提取与准确识别相当困难。本文通过构建X90钢腐蚀声发射监测实验系统,采集腐蚀声发射原位信号和衰减信号进行对比分析。并通过时频分析,小波分解与重构以及盲目反卷积复原对信号进行进一步的分析。结果表明,盲目反卷积算法对于小波变换处理后的腐蚀声发射的复原十分有效,信号频率主要集中在130~170kHz,部分高频频率峰值在200kHz和250kHz,衰减的高频信号得到较好的恢复,从而使检测信号更加逼近X90钢腐蚀源信号的特征。信号复原对现场油气管道腐蚀声发射检测与评价具有重要的指导意义。     

瞬变流能量损耗对管道泄漏检测的影响

管道泄漏检测是管道安全管理的重要方面,基于实时仿真的泄漏检测方法是管道泄漏检测的技术路线之一。传统的瞬变流模型采用拟定常假设,对管道内的能量衰减描述不够准确,易导致模型的预测值和测量值出现较大偏差。本文在总结管道模型进展基础上,研究瞬变流能量损耗对仿真的影响和基于瞬变流模型的泄漏检测方法。结果表明,采用瞬变切应力模型能够更准确地描述管道内的能量衰减,更好地实现基于模型的泄漏检测。     

一种基于正交试验的液化石油气检测方法研究

建立了液化石油气的毛细管柱气相色谱测定方法,用正交试验法筛选出优化试验条件.在优化条件下,液化石油气样品在10 min内完成分析,液化石油气3个主要成分丙烷、异丁烷及正丁烷的检出限(S/N =3)分别为0.428 2、0.488 6、0.639 3 ng,定量下限(S/N =10)分别为1.427、1.629、2.131 ng,分别在1.338 ×105～1.982×105、1.719 × 105 ～2.595×105 ng和1.776×105 ～2.595×105ng范围内线性关系良好(r分别为0.999 3、0.999 0、0.999 6).该方法操作简便、灵敏度高、重复性好,可用于液化石油气的测定.     

基于末端脱氧核苷酸转移酶协同G-四链体核酶的恩诺沙星检测新方法

恩诺沙星因抗菌活性强、抗菌谱广而广泛应用于动植物疾病治疗，但过度使用甚至滥用会导致其在动植物食品中的残留量超标，因此发展高效的恩诺沙星检测方法至关重要。本工作基于末端脱氧核苷酸转移酶（TdT）协同G-四链体核酶设计信号放大策略，建立了一种新型恩诺沙星（ENR）电化学检测方法。目标物恩诺沙星与特异性核酸适体的结合触发TdT在电极表面的扩增反应，产生G-四链体核酶纳米线结构，进而发挥辣根过氧化物酶活性催化信号放大，实现恩诺沙星的高灵敏和高特异性检测。本方法对恩诺沙星的线性检测范围为0.5 ~ 50 ng/mL，检测限低至0.043 ng/mL。此外，该无标记电化学生物传感器简单快速，成本低，并成功应用于对实际食品样本的分析检测，显示出较好的应用潜能。     

SPR studies of carbohydrate-protein interactions: signal enhancement of low-molecular-mass analytes by organoplatinum(II)-labeling

The relatively insensitive surface plasmon resonance (SPR) signal detection of low-molecular-mass analytes that bind with weak affinity to a protein--for example, carbohydrate-lectin binding--is hampering the use of biosensors in interaction studies. In this investigation, low-molecular-mass carbohydrates have been labeled with an organoplatinum(II) complex of the type [PtCl(NCN-R)]. The attachment of this complex increased the SPR response tremendously and allowed the detection of binding events between monosaccharides and lectins at very low analyte concentrations. The platinum atom inside the organoplatinum(II) complex was shown to be essential for the SPR-signal enhancement. The organoplatinum(II) complex did not influence the specificity of the biological interaction, but both the signal enhancement and the different binding character of labeled compounds when compared with unlabeled ones makes the method unsuitable for the direct calculation of biologically relevant kinetic parameters. However, the labeling procedure is expected to be of high relevance for qualitative binding studies and relative affinity ranking of small molecules (not restricted only to carbohydrates) to receptors, a process of immense interest in pharmaceutical research.     

基于状态空间主成分分析网络的故障检测方法

作为一种经典的方法,主成分分析（PCA）在多元统计过程监控领域得到了广泛的应用。然而,主成分分析及其各种改进方法仅从原始数据中提取了一层特征,缺乏对深层次特征的提取。计算机领域深度学习技术的发展表明了深层次的网络结构有利于数据特征的提取,因此,将主成分分析网络（PCANet）这种深度学习网络结构引入到故障诊断领域,与多元统计过程监控方法进行结合,以增强故障检测效果。在PCANet框架下,针对工业过程数据的动态特征,在网络结构中增加了状态空间模型作为动态层以解决动态性问题。此外,还以故障检测为目标重新设计了输出层。最后,通过在TE过程上的仿真测试验证了该方法用于故障检测的可行性和有效性。