声发射检测和支持向量机的管道阀门泄漏的应用.docx

声发射检测和支持向量机的管道阀门泄漏的应用.docx

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
声发射检测和支持向量机的管道阀门泄漏的应用张海峰,李振林,姬忠礼,刘刚,张倩倩(1.中国石油大学(北京)机械与储运工程学院,北京102249;2.中石油北京天然气管道有限公司,北京100012)摘要为了有效地检测管道阀门的泄漏运行状态,提出了基于声发射(AE)的理论方法和支持向量机(SVM)模型,首先,建立声发射检测平台,然后,在阀门内漏声发射测试平台进行测试,并将根均方根(RMS),平均信号电平(ASL)的时间控制和频率控制峰值作为特征向量的支持向量机模型。最后,通过训练和测试的特征向量建立了管道阀门泄漏检测的支持向量机模型,和内核的功能的能力进行评价。结果表明,基于RBF核函数的方法是可行的、有效的,对于管阀的泄漏检测,敏感性为92.5%,特异性为100%,精度有96.25%。关键词:阀门泄漏;声发射;支持向量机;无损检测。简介国内对天然气需求不断增长促进了天然气管道行业的快速发展。按照相关规划,到2015年,中国天然气管道总长将达到6万km。天然气管道中,球阀是其重要组成部分,天然气管道上的球阀要求具有很好的密封性,不能存在内漏。因此如何了解天然气管道阀门内漏特征并开发出相应的内漏检测技术,实时、快速、精确检测球阀是否发生内漏,最大程度地减少泄漏,避免诱发重大安全事故的发生,将对天然气管道安全、经济运行具有重要意义。国外从20世纪80年代起就开展了阀门内漏声场特征研究,阀门内漏检测比较困难,但是声发射检测技术作为一种新型的无损检测技术被证明是一种有效的检测手段。目前国内在阀门内漏声场特性研究方面刚刚起步,值得一提的是我国学者在阀门内漏实验和仿真研究方面也取得了一定的成果阀门作为特殊成分,广泛应用于石油、化工行业,容易损坏的管道,可能发生的阀门的泄漏对天然气管道运行的可靠性和经济性有着严重的影响。阀门泄漏的早期检测是不仅是指安全性方面的关注,而且也有助于维护高成本的运行费用和供应的损失。常见的测量技术是阀门的泄漏进行声发射检测。声发射检测技术是具有很高的灵敏度的一种新的无损检测技术,利用最近一些研究人员曾在阀门泄漏过程的声发射信号特征,它被证明是一种有效的泄漏检测的方法。这种声发射方法已被证明是有效的描述管道阀门泄漏声发射信号的特点,但是我们需要认识到在阀门泄漏的检测中它不总是准确的。在本文中,提出了一种基于声发射(AE)理论和支持向量机(SVM)模型来检测管道阀门泄漏,支持向量机是由Vapnik等人提出的,并已成为一个有效的工具,用于解决分类和回归问题。在文献中,有着支持向量机的各种成功的应用,包括:支持向量机的液压阀的性能预测,管道泄漏检测,与病态声音质量评估由上述的方法,本文对管道阀门泄漏声发射和SVM的识别中的应用。安装程序检测平台,和AE信号的特征向量,用支持向量机模型,最后得到声发射检测系统,内核的功能的能力进行评价,为获得支持向量机的最佳的核函数。方法在阀门上应用声发射声发射现象是指材料中局部区域应力集中,快速释放并产生瞬态弹性波的现象(A-coustic Emission,简称AE)。声发射信号携带着属性变性、裂纹扩展和断裂等信息传播到物体表面,通过安装在物体表面的声发射检测仪拾取声发射信号,就可以对材料应力特征进行分析。天然气管道阀门内漏过程中产生的声信号严格意义上说不是声发射现象,阀门在泄漏过程中不会产生能量,而是作为声发射信号传播的媒介。然而阀门在内漏过程中由于上下压差的影响在泄漏口处,泄漏气体会产生涡流现象,涡流不仅会扰动气体流动而且会产生不同频率范围的应力波,该应力波携带着泄漏信息传播到阀门表面。因此阀门内漏可以称之为非严格意义上的声发射现象。因此,声发射传感器可用于拾取声发射信号,管道阀门泄漏可以通过信号进行分析与处理。为了判断该阀是否泄漏,可以从信号中提取不同的参数。以及泄漏声发射信号的连续波形。一些特殊的技术已经发展到用来分析突发和连续型声发射信号,最常用的技术是:振幅分布,频率分析,峰值,峰值位置,平均信号电平(ASL),均方根(RMS)。在本文中,RMS,ASL的AE信号的特征值,和频率控制信号的峰值作为支持向量机的模型特征向量。基于支持向量机的检测方法支持向量机(SVM)方法最早是由Cortes和Vapnik提出,方法是一种基于Vapnik-Chervonenkis尺寸和结构风险最小化原理的学习技术。支持向量机是一种新型的学习方法,从统计学习理论,具有与传统学习机相比,性能更加优越的优点。支持向量机的核心思想是地图的原有格局的空间到高维特征空间的非线性映射函数,最优分离超平面可以在特征空间中构造。二元分类是基础问题。支持向量机算法简单地寻找最大距离分离超平面,然后构造最优分类超平面的最大距离可概括为以下问题服从以下式子:i=1,……l (1)这些可以合并成一组不等式:

文档评论(0)

kabudou + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档