管道泄漏诊断方法研究.pdf

《管道泄漏诊断方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第3期沈继忱等．管道泄漏诊断方法研究管道泄漏诊断方法研究沈继忱8王春雨8王慧丽“(东北电力大学a．自动化工程学院；b．电气工程学院，吉林吉林132012)摘要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。关键词管道泄漏小波包神经网络故障诊断中图分类号TH841文献标识码A文章编号1000—3932

2、(2012)03-0309-04管道在石油、化工及电力等行业都有着广泛的应用，管道在使用过程中由于腐蚀、磨损、焊接质量及人为破坏等原因会造成管道内流体的泄漏⋯。当输送介质为易燃、易爆或有毒和有害物质时，发生泄漏会造成巨大的损失和环境污染，因此管道泄漏的检测与诊断显得尤为重要。当管道发生泄漏时流体通过裂纹或者腐蚀孔向外喷射形成声源，通过和管道相互作用，声源向外辐射形成声波，这就是管道泄漏的广义声发射现象[2]。由声源发射出的声发射信号包含了材料内部结构或缺陷性质和状态变化的丰富信息¨。。笔者建立了管道泄漏诊断方法，利用声发射检测设备检测管道泄漏的声发射信号，并对声发射信号进行分析和处理

3、，利用小波包分析方法提取分解后各个频带的能量作为特征向量，输入神经网络分类器诊断管道泄漏，并通过试验验证上述方法的可行性。1小波分析与特征向量提取1．1小波与小波包分析声发射信号是一种非线性和非平稳信号或时变信号，其统计特性随时间而变化，采用传统的傅里叶分析方法并不能获得满意的结果¨1。而小波分析优于傅里叶分析的地方是可以在时域和频域同时具有良好的局化性质，但是小波变换总是只对每一次分解中的低频信号作下一层的分解，而忽略了高频信号，这对于急剧变化的高频信号是不合适的"。。小波包分析是在多分辨率分析的基础上发展起来的一种更精细的分析方法，能对信号进行低频分析的同时对高频信号进行多层次的

4、分析，将频率带进行多层次划分，并能够根据被分析信号的特征，自适应地选择相应频带，使之与信号频谱相匹配，从而提高时频分辨率‘61。图1为三层小波包分解结构图，分解具有关系：S=AAA3+DAA3+ADA3+DDA3+AAD3+DAD3+ADD3+DDD3，其中A代表低频，D代表高频。斥■山t]AAA3lIDAA3llADA3llDDA3llAAD3IlDAD3llADD3IlDDD图1三层小波包分解结构图1．2提取特征向量当管道发生泄漏时，其声发射信号能量的空间分布会发生相应变化，即输出能量的改变包含着丰富的故障特征信息。因此，如果从信号能量在各子空间中的分布来提取故障特征，即利用小波

5、包变换在多层分解后的不同频带内分析信号，使本不明显的信号频率特征在不同分辨率的若干子空间中以显著的能量变化的形式表现出来¨1。因能量值作为有量纲参数，易受测定条件和工况的影响，所以笔者采用各频段的能量百分比作为特征参数。该方法的基本步骤为：收稿日期：2012-01．07(修改稿)310化工自动化及仪表第39卷a．将声发射信号进行小波包分解，分解层视信号的复杂程度而定，提取最后分解层中每个频率成分的信号特征。设5代表原始信号，用(i，_『)表示小波包分解树中第i层的第，个节点，其中i=o，1，2，⋯，Ⅳ，_『=o，1，2，⋯，2“一1，N为分解层数，小波包的分解系数为x。b．对小波包分

6、解系数进行重构，提取最后分解层中的信号Js。c．求各节点信号的总能量。设信号sii对应的，N能量为E¨则有E，=JIS；，(t)12dt=．∑Ix。f(而)一其中JB2l戈。(忍)为第i层第歹节点的重构信号的离散点幅值。d．构造特征向量。系统在出现故障时会对各频带内信号的能量有较大的影响，因此以能量为元素可以构造一个特征向量T=[E曲，En，⋯，Ef(2w一。)]／∑(E。i)，该特征向量已经经过了归一化处理，在实际应用中也可以不归一化处理。e．将特征向量输入故障分类器，进行故障分类⋯。2神经网络分类神经网络作为一种自适应的模式识别技术，不需要预先给出有关模式的经验知识和判别函数，可

7、以通过自身的学习机制自动形成所需要的决策区域。它充分利用状态信息，对来自不同状态的信息逐一进行训练而获得某种映射关系，这种映射关系还可以自适应地进行调整一1。因此，神经网络由于自身的特性，在故障模式识别领域中有着越来越广泛的应用。基于神经网络模式识别功能的诊断系统结构如图2所示。诊断原始数据[亘圄垂[H特征选择艉取I·I诊断神经网络I数据处理f训练样本数据匦到特征挲艉取I-I学习训练ltT图2神经网络诊断系统结构笔者选取BP神经网络作为管道泄漏的诊断方法，