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。     

EMD信号分析方法的声发射管道泄漏检测研究

针对管道泄漏声发射检测信号的非平稳特征,提出了基于经验模态分解(EMD)的信号分析方法。该信号分析方法将管道泄漏产生的声发射信号通过EMD分解为多个平稳的固有模态函数(IMF)之和,选择包含声发射特征的若干IMF分量进行重构,可以提取到管道泄漏声发射信号的本质特征,消除噪声信号的干扰。通过对重构后的信号进行互相关分析计算,使基于声发射方法的管道泄漏检测的定位精度得到较大提高,验证了Hilbert-Huang变换是表征声发射信号的非平稳特征及信号参数提取的有效工具。     

基于输气管道泄漏声发射信号特征的小波基构造研究EI北大核心CSCD

小波分析是目前管道泄漏检测中应用极为广泛的降噪方法,但使用的均为通用小波基函数,不能有效匹配具体的管道泄漏声发射信号,从而降低了降噪效果。针对该问题,通过数学解析模型计算得到管道泄漏声发射仿真信号,再以此信号为基础,构造出了适合管道泄漏特征的小波基函数。利用构造的小波基对试验泄漏信号进行降噪并做互相关计算,结果表明,当小波消失矩为3或4、滤波器支撑长度为8时的泄漏定位误差最小,仅为3.62%。将此构造小波基与通用小波基系列分别对试验泄漏信号进行降噪并做互相关计算,结果表明,采用构造小波基时的泄漏定位误差是最小的。这说明该小波基符合管道泄漏声发射信号的基本特征,从而可以更有效地抑制噪声,降低管道泄漏定位的误差。     

基于RQA与SVM的声发射信号检测识别方法

针对裂纹声发射信号检测问题,提出基于递归定量分析与支持向量机相结合的新型检测方法。利用小波阈值去噪原理,对采集的声发射信号进行去噪,将递归定量分析引入声发射信号检测,提取递归定量分析的量化特征参数,结合支持向量机对模拟裂纹声发射信号进行识别。并实验验证该方法的可行性。     

基于特征优选和GA-SVM的滚动轴承智能评估方法

针对滚动轴承等旋转机械设备零部件的退化状态识别问题,研究并提出一种基于支持向量机(support vector machine,SVM)的智能评估方法.对于在线持续输出的轴承振动信号,采用时域方法和集成经验模态分解(ensem-ble empirical mode decomposition,EEMD)能量熵提取轴承特...     

高压管汇泄漏声发射检测研究

高压管汇的密封检测是高压管汇日常检修的必要手段,目的是为了保证高压管汇正常发挥其重要作用,确保钻井作业安全.高压管汇密封检测中最常遇到的是泄漏问题,由于泄漏部位的隐蔽性和高压管汇的高压危险性使得泄漏位置不能被快速准确的发现.该文利用声发射高灵敏度的特性,结合高压管汇各个管件的声波传播特性,在大量试验的基础上总结出高压管汇泄漏的声发射检测布点方式、分析方法和判断依据,为其他石油设备泄漏检测提供参考.     

基于CEEMDAN-小波包自适应阈值混凝土声发射信号降噪研究EI北大核心CSCD

为了得到更加纯净的混凝土声发射(acoustic emission, AE)信号来更准确地监测混凝土结构破裂过程,提出了一种完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition, CEEMDAN)与小波包自适应阈值联合方法对循环荷载作用下的混凝土声发射信号进行降噪处理,运用信噪比和快速傅里叶变化(fast Fourier transform, FFT)分析来验证所用方法的可行性。实验结果表明:结合CEEMDAN-小波包自适应阈值对混凝土声发射信号进行降噪的效果较好,能有效地保留混凝土声发射信号特征信息,对混凝土声发射信号降噪提供新的思路,为后续利用声发射信号分析混凝土结构内部微裂纹扩展及演化特征奠定基础。     

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Symlets小波变换的燃气管道泄漏诊断方法

提出一种新的基于无线传感器网络的管道泄漏诊断方法,以解决现有管道泄露诊断方法存在的定位精度差、距离受限和实时性差的问题.该方法采用分布式数据融合技术,在源节点处利用Symlets小波变换提取包含泄漏特征的单模态声发射信号,消除噪声干扰及频散现象;在汇聚节点处根据信号幅值大小将泄漏点两侧的信号排列组合,利用互相关时差定位和加权平均原理获得泄漏点位置坐标.实验结果表明,基于无线传感器网络的新型管道泄露诊断方法可显著提高泄漏点定位精度,其定位误差小于5%.     

基于小波包分析的声发射信号界面的衰减研究

在声发射的应用场所中,采集的声发射信号很多都经过界面传输.主要研究构成不连续界面的两个构件尺寸对信号传输的影响,利用小波包技术分析信号在不同频率范围内的衰减特性.研究表明,不连续界面对信号存在衰减,构成界面的构件相对尺寸的大小对衰减影响较大,构件尺寸相差较大时,由于波在小构件上的多次反射作用,使得采集信号能量反向增强,信号畸变程度增大.建议在经过界面采集信号时,尽量选择在构件相对尺寸相当且结构较简单的部位进行.     

基于EEMD-SCBSS的岩石声发射信号去噪方法

针对岩石声发射(AE)信号的低信噪比、随机性强、非平稳性等特点,提出了一种基于总体经验模态(EEMD)及单通道盲源分离(SCBSS)的AE信号滤波方法.将含有背景噪声的AE信号进行EEMD分解,得到一系列按频率从高到低排列的本征模函数(IMF);提取高频背景噪声信号与观测信号构建虚拟多通道观测信号;利用快速不动点优化算...     

一种有效降维的特征选择方法及其在水声目标识别中的应用

为在保证目标识别准确率基础上进行有效特征降维,文章以目标识别准确率为特征选择准则,提出一种支持向量机递归特征消除（Support Vector Machine Recursive Feature Elimination,SVM-RFE）快速筛选出部分优质特征子集与猫群算法（Cat Swarm Algorithm,CSO）迭代寻优结合的特征选择方法,并将该方法应用于水声目标识别的特征选择。实验数据处理结果表明：相比SVM-RFE和CSO特征选择算法,文中提出的方法在平均特征维数降低8%的基础上,平均目标识别率提高了1.88%,能够实现有效降维的目的。该方法对判断特征是否适合用于特定的目标识别也有一定应用价值。     

一种新的声发射信号消噪及故障诊断方法

在旋转机械故障诊断中,声发射信号极易受到噪声的干扰。针对经验模态分解(EMD)易产生模态混叠现象,提出了一种基于经验小波变换(Empirical Wavelet Transform,EWT)的消噪和旋转机械声发射碰摩故障诊断的方法。利用了EMD和小波变换的优点,通过对傅里叶频谱进行自适应划分,并构建小波滤波器组来提取声发射信号所包含的不同固有模态分量,可有效消除模态混叠现象,同时对分量进行Hilbert变换从而实现声发射信号的消噪和故障诊断。采用该方法对仿真信号进行加噪声和消噪处理,在同信号源下,对比基于d B4全阈值消噪、d B4默认软阈值消噪、d B4对高频系数处理消噪和EMD消噪效果。并将该方法应用到实际的声发射碰摩信号中。仿真和实验分析结果表明:EWT方法可以有效地分解出信号的固有模态,分解出的模态少,并且不存在难以解释的虚假模态,消噪效果优于其他方法,并且在声发射故障诊断中也有较大的优势。     

基于声音特征的隧道衬砌空洞识别方法研究

目前隧道衬砌空洞检测以人工敲击判断为主,检测过程中由于受到检测人员水平、注意力等主观因素影响,检测结果存在较大不确定性,因此有必要研制一种智能化的检测装置实现空洞自动识别。文章开展了衬砌空洞敲击回声智能识别算法研究,通过提取隧道衬砌冲击回波的梅尔倒谱系数(Mel Frequency Cepstral Coefficient, MFCC)作为特征,针对敲击回声脉冲信号长度不一的特点,提出了变帧长MFCC优化算法,并面向小样本条件,建立了支持向量机(Support Vector Machine, SVM)的识别模型。试验结果表明,该模型对衬砌空洞识别准确率可达89.9%。     

基于聚类分析的罐底声发射检测信号融合方法

采用声发射技术进行罐底腐蚀与泄漏检测过程中,需要对多个传感器的检测到的声发射信号进行融合处理,将属于同一声发射源的声发射信号判定为一个声发射事件。但是在现场检测过程中,由于噪声的存在,使得在声发射信号融合处理时容易对声发射源产生误判。针对该问题,提出了一种基于聚类分析的罐底声发射信号融合方法,其基本原理是先根据事件定义时间进行初始声发射事件判定,然后采用聚类分析方法对初始声发射事件中的信号进行分类,将每一类信号分别判定为一个声发射源。现场实验表明采用该方法抗噪声干扰能力强、误判概率低,能准确反应罐底腐蚀的实际情况。     

基于特征融合进行活动识别的DCNN 5法

研究了输入是可穿戴传感器获得的多通道时间序列信号,输出是预定义的活动的活动识别模型,指出活动中的有效特征的提取目前多依赖于手工和浅层特征学习结构,不仅复杂而且会导致识别准确率下降;基于深度学习的卷积神经网络（ CNN）不是对时间序列信号进行手工特征提取,而是自动学习最优特征;目前使用卷积神经网络处理有限标签数据仍存在过拟合问题。因此提出了一种基于融合特征的系统性的特征学习方法用于活动识别,用ImageNet16对原始数据集进行预训练,将得到的数据与原始数据进行融合,并将融合数据和对应的标签送入有监督的深度卷积神经网络（ DCNN ）中,训练新的系统。在该系统中,特征学习和分类是相互加强的,它不仅能处理端到端的有限数据问题,也能使学习到的特征有更强的辨别力。与其他方法相比,该方法整体精度从87.0％提高到87.4％。     

小波尺度谱在AE信号特征提取中的应用

通过分析典型声发射信号及其特征提取,将小波尺度谱引入到声发射故障诊断领域,首次提出了声发射信号的小波尺度谱分析法。给出了小波基函数及其参数的选取,克服了声发射信号小波尺度谱的时、频分辨率不能同时达到最好的缺陷。将小波尺度谱用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确。仿真分析和实验研究均表明小波尺度谱能有效应用于基于声发射技术的状态监测与故障诊断。     

气体阀门内漏声发射评价参量研究及其应用

阀门是工业生产中必不可少的流体控制设备,阀门内漏往往不易发现和判定。近年来,声发射技术凭借其较高的灵敏度在阀门内漏检测中得到广泛应用。针对传统声发射参量——声发射均方根电压,在阀门内漏评价中表现出的抗干扰能力弱的特点,提出一个用于阀门内漏评价的新声发射参量——平均声发射能量。通过开展气体阀门内漏声发射检测实验,对新构建参量和传统评价参量评价效果进行对比,结果表明新参量评价精确度更高,阀门内漏率的估算误差低于10%,可满足工程应用的要求。     

基于声发射及小波奇异性的钢轨损伤检测

很多重大脱轨事件都与钢轨的损伤密切相关,因此,对在役钢轨进行定期损伤检测显得尤为重要。研究首先运用声发射原理,通过对在役钢轨损伤前后监测系统所采集的数据信号进行时域及频域的分析,根据有损信号的能量谱特点,判断钢轨中损伤的存在。其次,运用小波奇异性检测原理探讨研究了定位损伤。通过分析各种连续小波变换算法的结果,得出à Trous算法在奇异性检测中能够较准确判断出奇异点位置。因此,结合声发射原理和小波处理的方法的无损监测可应用于在役钢轨的损伤检测和定位,对铁路钢轨损伤进行检测和预报。