基于EMD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,该文提出了基于经验模态分解(EMD)的声发射信号分析方法。该信号分析法将管道泄漏产生的复杂声发射信号分解成有限个固有模态信号(IMF),使Hilbert-Huang变换(HHT)的瞬时频率具有了实际物理意义,提高了管道泄漏检测的定位精度。结果表明,HHT法能准确描述声发射波形信号的非线性、非平稳时变特征,是声发射信号时频分析的有效工具。     

场路结合算法在电机稳态过程分析中的应用

针对目前国内电机设计算法陈旧的现状，采用场路结合算法，分析了电机的稳态过程，并进一步完善了电机分析的数学模型和设计方法，通过对多台电机的计算表明，分析结果与试验数据十分吻合。     

氯化钙改性对硅藻土吸湿性能的影响

探究CaCl_2对中国、日本、韩国三产地的硅藻土改性后的吸、放湿性的影响。实验结果表明:CaCl_2改性后的硅藻土均对其调湿性有明显改善,中国、日本、韩国三产地硅藻土存在吸湿调湿性差异,在浓度30%CaCl_2改性条件下,中国、韩国硅藻土调湿性都达到各自吸放湿性能最佳值,而日本产硅藻土在浓度45%CaCl_2改性时达到其调湿性能最佳值,为95.28%,在三种硅藻土中调湿性能最佳。对最优调湿性的日本硅藻土进行了不同土液质量比的改性,得出1:5是最佳改性条件。     

C8051F020在磁致伸缩液位传感器中的应用

本文采用美国Cygnal公司最新推出的C8051F020单片机,利用其速度快、功耗低、运算处理能力强以及有高速信号捕捉功能等特点,实现了基于磁致伸缩原理的液位测量传感器.     

油气管道通径仪数据分析系统

本文介绍了油气管道通径仪的原理,组成以及用Delphi平台开发的数据分析系统.利用Delphi的文件操作以及数据库管理功能对通径仪硬件得到的二进制数据进行分析处理,可以自动得到管道的变径信息,这一过程对用户透明.这些几何变形信息均能以地面标记器为参照精确定位.本文还开发了一个图形类,使得管道直径信息可以更好地回放显示,界面美观,操作灵活.本套系统已经成功地被中石油管道技术公司采用.     

充液管道中声发射波的传播及衰减特性研究

分析了声发射波在液体载荷作用下管道中的声学特性,并对钢管中的几种不同模态的声发射波在液体管道中的传播和衰减特性进行了测量。以一条长41.4 m的充水管道为例,对水载作用下的声发射管道泄漏检测及定位技术进行了研究,当管道内压力为0.6 MPa,两传感器相距40 m时,采用相关分析等信号处理方法,可检测到直径1 mm的针孔形泄漏,相对定位误差为2.9%。     

石榴皮对棉染色的颜色特征值影响因素研究

为研究植物染料石榴皮色素染棉织物的颜色特征影响因素和显色范围,试验以石榴皮为原料,采用水煮法萃取色素,使用同媒染对棉织物进行染色性能研究,并对显色范围进行探讨。试验结果表明：同媒染工艺显色效果和色牢度明显好于其他染色工艺,主要呈较鲜艳的中黄色调;石榴皮同媒染棉织物最佳染色工艺为浴比1∶50、石榴皮色素质量浓度4.80 g/L、硫酸铝钾媒染剂质量浓度为5.00 g/L、染色温度70℃、染色时间30 min、pH 5.5（加热前）、染色次数7次;石榴皮色素染棉织物颜色特征值如下,即明度L~*值范围为72.23～86.85,色相a~*值范围为0.76～3.38,色相b~*值范围为8.17～34.70,纯度c*值范围为8.45～34.86;耐摩擦色牢度、耐日晒色牢度和耐皂洗色牢度均为3级及以上,可满足国家纺织品服用标准要求。     

大型原油储罐罐底声发射源定位算法研究

针对大型储罐罐底声发射检测过程中的声源定位问题,在深入研究三角定位算法和超定定位算法原理的基础上,采用蒙特卡洛模拟方法定量分析比较了两种算法对罐底声发射源定位的性能,主要包括定位计算时间、定位误差分布以及有效定位率等参数。结果表明三角定位算法比超定定位算法快100倍,但在非理想情况下,即存在时间测量误差和声速误差时,三角定位算法对罐底边缘区域的声源定位误差大,而超定定位算法对罐底边缘区域声源的有效定位率低。现场检测过程中应根据实时性、误差范围、计算机性能等要求选择合适的定位算法。     

基于LMBP算法的罐底腐蚀声发射信号模式识别

在建立储罐罐底腐蚀实验平台的基础上,研究了一种基于LM(Levenberg-Marquardt)BP算法的罐底腐蚀信号模式识别方法;选取上升时间、计数、能量、持续时间、幅度这5个声发射信号特征参数作为BP神经网络的输入构建区分腐蚀信号和其他两类声发射信号的模式识别系统;由传统的BP算法与LMBP算法的对比分析比较得到:LMBP算法解决了传统BP算法收敛速度慢,容易陷入局部极小点的问题;实验结果表明,LMBP算法应用于储罐罐底声发射腐蚀信号的模式识别,效果良好。     

基于小波包和极限学习机的汽车发动机失火故障识别

针对缸盖振动信号的非平稳特性,提出了基于小波包相关系数和极限学习机的汽车发动机失火故障诊断系统.首先,对原始信号进行小波包分解,然后计算得到每个样本的能量熵和每个样本各子频带重构信号与原始信号的相关性系数.分别利用相关系数法和能量熵融合峭度的方法建立特征向量,随后输入到BP神经网络和极限学习机中进行训练和测试.实验结果表明,该方法可以有效地反映故障产生的差异并准确地识别单缸失火故障,具有精度高、训练时间短的优点.