基于声发射的气固两相流流型识别

气固流化床中流型的识别是两相流相关参数检测的重要内容。利用声发射检测技术对气固流化床进行数据采样,结合数理统计、小波算法以及信息熵等方法提取气固流化床中不同流型的特征参数。由实验结果可知,此方法提取出的特征参数真实反映了典型气固流型下的动力学特征,在流化床中,鼓泡床、湍动床和快速流化床在时域、频域有着显著的区别。将小波能量、数理统计的结果以及小波包分解后的信息熵导入支持向量机(SVM)中,进行气固流型识别,正确率85%。因此,声发射检测技术与支持向量机相结合的方法可用于气固两相流流型的识别,具有一定的可行性。     

管道振动故障三维识别方法

针对传统的管道单通道故障诊断存在的局限性,提出将全信息小波包技术和支持向量机技术相结合的管道振动故障识别。用小波包变换对三通道信号分别分解,用能量法求出分解后各频带信号对应的能量,并构建三维全信息能量特征向量,作为支持向量机分类器的训练样本和测试样本。经验证,训练后的分类器能够对管道振动进行识别和诊断,并且提高了故障识别的效率和精度。     

基于小波神经网络的FRP复合材料损伤声发射信号识别

针对FRP复合材料损伤声发射信号的特点,运用小波包分解提取特征向量作为网络输入,通过小波分析与神经网络紧致结合的方式对不同类型的损伤模式进行识剐,并将遗传算法引入到小波神经网络中,优化网络初始权值,提高了网络的全局搜索与识别能力.     

基于支持向量机的化工装置电力电子故障诊断

采用小波包分析与支持向量机（SVM）对化工装置电力电子故障进行自动识别和诊断,运用变尺度分辨小波包方法对电力电子故障信号进行特征处理。支持向量机能够对小样本数进行模式识别,并且具有良好的分类推广能力。在小波包分析特征基础上,采用分布式多支持向量机（SVM）分类器识别化工装置电力电子故障。结果表明：该方法能准确有效地对化工装置的电力电子故障进行识别和诊断。     

基于PNN神经网络的滚动轴承声发射故障诊断研究

文章针对滚动轴承三种工作状态下即内圈故障轴承、外圈故障轴承以及正常轴承,设计了轴承声发射检测实验,进行了声发射信号采集。对采集的声发射信号首先进行小波包分解提取故障特征向量之后用概率神经网络(PNN)对故障进行识别,分析实验数据表明小波包分解和PNN结合对滚动轴承故障诊断是有效的。     

基于经验模式分解与主元分析的耐火材料声发射损伤分类

耐火材料微观结构十分复杂,其破坏形式呈现多样化、复杂化,如何对其损伤进行高效准确地判别十分重要。为此,借助声发射技术对镁碳质耐火材料受压过程进行了损伤声发射信号采集,针对海量声发射数据,首先采用了经验模式分解结合主元分析,对声发射信号进行了特征提取与参数化降维:在大量的声发射时域与频域参数中,选取前7个主元来表征损伤,其损伤贡献率可以达到99%;之后将主元作为支持向量机输入进行损伤分类,将损伤分为两个主要类型,基质相与界面相损伤;最后将分析结果与扫描电镜结果进行对比分析,发现两者结论可以较好地吻合,可为运用声发射手段检测耐火材料损伤提供一种高效准确的解决方案。     

基于互信息截取的光纤周界振动信号识别

针对光纤周界系统采集的入侵振动信号存在的强非线性和非平稳性问题,以互信息法求取的延迟时间点数作为信号最大截取长度,采用复小波包变换提取光纤信号的能量分布特征,采用支持向量机作为分类器对入侵振动信号类型进行识别。实验结果表明:该方法可有效识别入侵信号,提高系统检测率,减小系统计算量。     

基于离散粒子群的气液二相流型特征选择

针对气液二相流型识别中存在的大量无关或冗余的特征会降低分类器性能的缺陷,提出了离散粒子群算法(BPSO)和最小二乘支持向量机(LS-SVM)封装模式的流型特征选择方法.该方法分别采用小波包和经验模式分解方法(EMD)对原始压差波动信号进行分解,分别提取原始信号和各分解信号的时域量纲一指标组成融合特征.然后采用BPSO进...     

一种基于小波分解的储罐声发射源定位波形滤波算法研究

小波分解是以小波基为基础,对信号进行多层分解的一种数学方法。近年来,小波分解逐步应用于声发射源定位计算中,根据小波分解后信号时域不变的特性,可以对声发射源的位置进行计算。目前,小波分解定位精度的主要影响因素是声发射信号中的噪声信号。因此,在小波分解前对声发射信号进行降噪,对提高信号小波分解源定位的精度有重要意义。引入了一种基于阈值的降噪方法,结合小波分解,尝试研究了声发射信号降噪算法对定位精度的影响。     

基于小波包分析和BP神经网络的滚动轴承非接触声发射诊断方法

采用声发射技术对滚动轴承进行非接触诊断,以小波包分析方法提取故障信号的能量特征向量,作为BP神经网络的输入向量进行模式识别,区别完好轴承和各类故障轴承。     

基于距离评估的气液二相流流型识别方法

为了克服气液二相流特征融合后不相关特征过多的问题,提出了基于距离评估和支持向量机(SVM)的气液二相流流型识别方法。首先利用经验模式分解和小波包方法对原始的压差波动信号进行分解,分别提取原始信号和各分解信号的时域特征参数组成融合特征,然后采用距离评估方法对融合特征进行评估,根据距离评估因子的大小挑选出敏感特征作为SVM的输入,进而实现对流型的自动识别。水平管内空气-水二相流流型识别结果表明:该方法能够准确获取流型的敏感特征,减小运算规模,提高识别准确率。     

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。     

基于小波包-支持向量机的滚动轴承故障诊断

以轴承在正常、内圈和滚子裂缝、内圈和滚子剥落三种工况下的振动信号为研究对象,采用小波包频带能量特征提取的方法,构成振动信号的特征向量。在此基础上采用支持向量机对特征向量进行故障模式识别,试验结果表明,和神经网络相比,采用支持向量机进行故障诊断可以获得更高的诊断精度。     

碳纤维复合材料层合板面内压缩损伤及声发射特征分析

针对碳纤维复合材料层合板面内压缩损伤问题,基于声发射技术分析不同损伤阶段的声发射信号特征。根据加载过程中时间–载荷曲线以及试样破坏断面微观形貌,将损伤过程分为三个阶段:初始损伤阶段主要产生少量基体开裂与纤维–基体界面脱粘,裂纹迅速扩展阶段开始产生纤维剪断以及失稳变形,平稳损伤阶段主要产生失稳变形以及分层裂纹扩展。结合声发射信号的振幅、振铃计数研究损伤过程,并基于小波变换进行损伤信号的时频分析,发现不同损伤类型可通过声发射振幅及频率特征有效识别。     

采用时域和复域小波变换的光纤周界振动信号识别

针对光纤周界安防系统存在报警率低和误报率高的问题,提出一种时域和复域小波变换相结合的光纤周界振动信号识别方法,以降低误报率、提高报警率并确定振动时间。该方法首先用光纤信号的时域小波特征来抑制干扰信号,排除静默信号并判断是否有振动发生;其次用信号复域小波特征中的能量分布和相位特征构造出光纤信号的识别特征;最后用支持向量机作为分类器训练光纤振动信号并识别出振动类型。     

低碳钢腐蚀声发射检测实验研究

应用声发射技术,对低碳钢均匀腐蚀过程进行了检测,获取了低碳钢均匀腐蚀过程中的腐蚀声发射信号,并应用特征参量和小波包变换相结合的方法,分析了低碳钢腐蚀过程的声发射信号特性,同时结合储罐现场检测数据进行分析,对比实验条件下低碳钢腐蚀声发射信号与实际条件下储罐罐底腐蚀声发射信号的参数特征,其结果为低碳钢均匀腐蚀过程的声发射特征研究和储罐在线声发射检测提供了参考。     

随机激励下小波包能量谱的钢框架结构损伤识别研究

本文采用小波包能量谱的方法进行钢框架结构损伤研究,通过有限元模拟得到结构损伤前后的加速度响应信号,进行小波包分解,提取对结构损伤敏感的特征频带,在此基础上建立结构损伤识别指标,并研究指标的损伤敏感性和噪声鲁棒性.研究表明:结构的自振频率对钢框架结构的损伤不敏感,而能量比变化和损伤识别指标能够有效地发现钢结构不同程度的损...     

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。     

服役构件疲劳损伤的声发射信号特征提取

基于拉-拉疲劳试验,在线监测了试件关键部位的声发射信号在不同疲劳循环次数下的变化.通过对声发射监测信号进行统计分析、小波包能量谱分析和小波熵特征提取,确定了反映疲劳损伤的声发射特征参数为幅值、电压、高频能量占比和小波熵值,结果表明:所提取的特征参数均将整个疲劳过程划分为初始、中间和后期3个阶段,较好地反映了疲劳寿命循环...     

紧凑拉伸Q245R焊接试样的声发射特性研究

本文以紧凑拉伸Q245R焊接试样为研究对象,利用特征参数法分析了焊缝缺口根部塑性阶段、微裂纹萌生以及裂纹失稳扩展阶段的声发射信号关联特征和累积声发射特性。同时采用小波分析中的sym5小波对弹性阶段和塑性阶段的声发射信号进行5级小波分解,计算出信号的能量值主要集中在d4、d5和a5级;弹性阶段的声发射信号主要集中在低频部分,塑性阶段的声发射信号开始向高频部分集中,而且各级信号的标准偏差均低于10%。