可变模态分解算法及其在天然气管道泄漏检测中的应用

对可变模态分解算法在天然气管道泄漏信号检测中的应用做了研究。通过对其噪声鲁棒性、过度分解和不饱和分解特性的分析,并与经验模态分解和小波分解进行对比,证明可变模态分解算法在天然气管道泄漏信号检测与分析方面的可行性和有效性,并且可变模态分解具有更好的噪声鲁棒性和泄漏信号检测效果。     

管道泄漏诊断方法研究

提出一种基于小波分析和神经网络技术的管道泄漏诊断方法。首先对管道泄漏的声发射信号进行小波包分解,然后提取各节点能量百分比作为特征向量输入BP神经网络,以故障类别作为输出参数训练该网络。训练后的神经网络可以利用测量的声发射信号来判断管道的故障状况。通过试验证明该方法在管道泄漏诊断中是有效可行的,不仅能判断管道是否发生泄漏还能识别泄漏种类。     

基于EEMD和模糊BP神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出一种基于总体经验模态分解(EEMD)和模糊BP神经网络的故障诊断方法。首先对滚动轴承的振动信号采用总体经验模态分解方法进行分解,得到若干个本征模态函数分量(IMF);然后提取各分量的均方差、峭度和能量,把这些特征参数作为学习集和训练集,将学习集输入到模糊BP神经网络中进行学习;最后把训练集输入到特征参数经过学习训练后的模糊BP神经网络中进行故障类型识别,并与BP神经网络进行比较。实验结果表明:所提方法能有效地应用于滚动轴承故障诊断,而且比BP神经网络具有更高的精确度。     

基于BP神经网络的油气管道振动检测系统

为了及时对管道振动入侵信号进行分析和识别，采用LabVIEW和Matlab联合编程的方式，开发了管道振动检测系统。首先以长输管道模拟实验装置系统试验数据为基础，模拟试验不同振动工况下的信号，后通过Matlab程序对信号进行去噪、特征提取和模式识别处理，最终获得管道振动检测系统。通过实验对比，经去噪和特征选择后的信号在BP神经网络识别中的速度和精度两方面的性能表现均优于未经去噪和特征选择的信号。采用BP神经网络进行模式识别，较SVM具有更高的识别准确率。该系统能够准确识别管道振动信号，报警正确率达95%，拥有良好的检测可靠性，符合未来管道的智能化发展道路。     

基于神经网络证据理论的天然气管道泄漏检测

利用小波消噪原理,并通过构建RBF神经网络模型,将消噪后的信号作为RBF神经网络的输入参数,并判断该信号是否为泄漏信号。将D-S证据理论数据融合应用到天然气管道泄漏检测中,建立D-S证据理论数据融合模型。将输入的泄漏信号进行决策级综合判断,得出天然气管道泄漏的具体地点。利用C#语言开发天然气管道泄漏检测软件系统,该系统能够快速准确地识别泄漏并定位。     

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。     

基于改进VMD算法的水轮机组空化状态仿真实验

为提高水电站水轮机组空化状态识别准确率,提出一种基于振动信号的水轮机组空化状态识别方法。通过利用差分优化算法获取变分模态分解(VMD)最佳分解层数与惩罚因子参数组合改进VMD算法,并利用改进的VMD算法提取水电站水轮机组峰值、偏度、均方根频率等时频特征,然后将提取的时频特征输入BP神经网络中进行分类识别,实现了水电站水轮机组空化状态识别。仿真结果表明,所提方法实现了不同工况下水轮机组水轮和尾水管严重空化、空化加速、空化初生、无空化4种状态的识别,平均识别准确率达到98.88%。相较于基于SVM模型的识别方法,所提方法识别准确率提高了8.76%。     

基于出口压力脉动奇异值的离心泵早期汽蚀故障诊断

离心泵发生汽蚀故障时的空化流动会使内部流场发生改变,选择适当的算法对蕴含流场信息的出口压力脉动信号进行处理与分析,就可以判断离心泵是否发生汽蚀和汽蚀所处阶段。利用提升db4小波在频域与时域上优异的性能,将离心泵出口处的压力脉动信号分解到不同的时频子空间,通过构建小波重构系数矩阵保证时频信息的完备;随后对时频矩阵进行奇异值分解(SVD)求取奇异值特征向量;再将所有得到的特征向量作为样本,对改进的BP神经网络进行训练,建立压力脉动信号到汽蚀不同阶段的映射。随机检测几种工况下的压力脉动信号,测试结果表明:对出口压力脉动信号进行小波奇异值分解,可以较好地识别离心泵的早期微弱汽蚀故障,抗干扰性和精确性优于传统诊断方法。     

基于次声波的天然气管道泄漏检测系统设计

基于声学和流体学等相关理论,研究了天然气管道发生泄漏时次声波产生的机理及信号特点和采集方法,并对声波在天然气管道内的传输速度的算法进行修正,通过GPS模块确定天然气泄漏时的次声波到达首、末站的时间差,从而对泄漏点进行准确的定位,最后给出了天然气管道泄漏检测系统的软、硬件设计方案.     

基于VMD-OV的去噪算法研究

针对VMD算法存在分解后有效模态选取困难的问题,提出了一种VMD和正交值结合的信号去噪方法(VMD-OV).该方法首先利用VMD算法将信号分解成K个固有模态函数,然后分别计算每两个相邻模态的正交值,通过评估各相邻模态间的正交值最大值的变化情况来选取有效模态进行信号重构.实验结果表明:该方法可以有效地选取有效模态,对天然...     

基于ASO-BP神经网络的海底油气管道腐蚀速率预测

随着我国海洋油气管网的发展与建设,管道数据采集量随之增大,优秀的预测模型可以应对大量数据,准确预测管道腐蚀速率,对保障管道安全健康运行具有重大意义。将原子搜索优化算法（ASO）思想引入BP （Back propagation）神经网络,构建ASO-BP神经网络用于海底油气管道腐蚀速率的预测。以50组现场数据为例,使用Matlab进行模拟仿真计算,分别构建具有代表性的BP、GA-BP和ACO-BP模型作为对比,对海底油气管道腐蚀速率数据进行训练和预测,结果表明ASO-BP模型预测精度较高,其平均绝对百分比误差（MAPE）为3.16%,预测结果优于BP、GA-BP和ACO-BP,验证了其可靠性以及良好的预测性能,为海底管道腐蚀速率预测研究提供了新的方法和思路。     

基于BP神经网络的油气长输管道土壤腐蚀性预测

基于BP神经网络原理,综合考虑六类土壤腐蚀指标(土壤电阻率、土壤含水量、氧化还原电位、氯离子含量、硫酸根离子含量和p H值),建立了一种土壤腐蚀速率的预测方法。基于这种方法,依据某油田的现场土壤数据,借助MATLAB神经网络工具箱建立了这一地区的土壤腐蚀性预测的BP神经网络模型。训练和预测结果表明:训练的腐蚀速率最大误差为-1.5%,预测的腐蚀速率最大误差为8%。由此可见,基于BP神经网络的土壤腐蚀性预测方法具有较好的预测精度,对油气管道的安全运行具有重要的意义。     

基于电导波动信号的EMD分解和RBF神经网络的气液两相流流型识别方法

针对电导波动信号具有非线性、非平稳的特征,提出一种应用经验模态分解（EMD）和RBF神经网络进行流型识别的新方法。首先对电导波动信号进行EMD分解,提取出IMF能量参数特征,然后将其输入到RBF神经网络,从而实现了对流型的识别。研究结果表明：该方法能够准确地识别出泡状流、弹状流、塞状流和混状流四种流型,且具有较好的识别效果。该方法为流型识别提开辟了新的方向。     

陆地天然气输送管线泄漏原因及相关措施探讨

随着城市建设的发展,天然气管网越来越复杂。由于管道劣化和老化,天然气管道安全隐患问题愈加突出,天然气的泄露成为人们重点关注的问题。以某陆地天然气输送管线泄漏为例子,详细的探讨其泄露的原因,并针对性的提出相关措施。     

Flow regime recognition in the spouted bed based on Hilbert-Huang transformation

Empirical mode decomposition has been used to decompose the pressure fluctuation signals in the spouted bed into several intrinsic mode functions, and these modes were transformed from the time domain into the frequency domain by Hilbert transformation. According to the characteristic parameters extracted from these modes, flow regimes were recognized by RBF neural network, and parameters in RBF neural network were optimized by adaptive genetic algorithm. The recognition accuracy of packed bed, spouted bed, bubbly fluidized bed and slugging bed can reach 90%, 85%, 85%, 95%, respectively.     

基于阳极电流波动的铝电解槽槽况诊断系统

引言 铝电解槽在正常生产过程中处于高温状态,且其内的高温熔体具有很强的腐蚀性,一般的材料在其中会很快被腐蚀.因此铝电解槽的工作状态很难直接探测并实现在线显示,但铝电解槽工作状态参数的获得对槽况在线识别和操作优化是至关重要的.     

天然气集输管网优化概述

天然气,作为一种高效的清洁能源,在我国能源占比中越来越重。如何保障天然气安全高效的进入千家万户,一直是相关科研工作者一直努力的方向。简要概述了天然气管线发展历史,并根据其发展历史着重讨论管网优化的原则和方法。使得天然气管网运行更加安全合理。