發(fā)布時間：2017-09-11 17:50

  本文關(guān)鍵詞：工業(yè)鍋爐泄漏聲發(fā)射檢測技術(shù)研究

  更多相關(guān)文章： 聲發(fā)射 管道 支持向量機(jī) 泄漏 檢測

【摘要】：隨著經(jīng)濟(jì)的不斷發(fā)展和社會的不斷進(jìn)步,工業(yè)鍋爐在國民經(jīng)濟(jì)和社會方面發(fā)揮著越來越大的作用。但是工業(yè)鍋爐一般都在比較惡劣的條件下運(yùn)行,時常發(fā)生鍋爐管道泄漏事故,嚴(yán)重影響生產(chǎn)設(shè)備安全、可靠、穩(wěn)定、經(jīng)濟(jì)運(yùn)行。為了提早發(fā)現(xiàn)鍋爐管道泄漏,把各方面的損失減小到最低,同時也要減少和避免對環(huán)境的污染具有極其重要的意義。因此,在泄漏早期探測到鍋爐管道的漏點的本文研究的關(guān)鍵。而傳統(tǒng)的鍋爐泄漏檢測方法需要鍋爐管道有十分明顯泄漏點才能檢測出來,容易造成事故的進(jìn)一步擴(kuò)大,故傳統(tǒng)的檢測方法已越來越不適應(yīng)現(xiàn)代化生產(chǎn)的要求。本文基于對管道泄漏聲發(fā)射檢測方法進(jìn)行了研究,為鍋爐管道聲發(fā)射檢測應(yīng)用提供了經(jīng)驗和依據(jù)。本文提出一種基于支持向量機(jī)的鍋爐管道泄漏聲發(fā)射檢測技術(shù)。首先,對管道泄漏聲發(fā)射信號進(jìn)行特征參數(shù)提取,然后將提取的特征參數(shù)作為特征向量輸入神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)進(jìn)行分類處理,并進(jìn)行訓(xùn)練,然后進(jìn)行對比分析。得出神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)都可以利用測量的聲發(fā)射信號來判斷泄漏信號的類別,但支持向量機(jī)更為準(zhǔn)確,此種方法實現(xiàn)了對泄漏信號的有效識別。試驗結(jié)果表明支持向量機(jī)方法在管道泄漏診斷中是有效可行的,驗證了聲發(fā)射技術(shù)應(yīng)用于管道泄漏檢測的可行性,從而為余熱鍋爐管道泄漏檢測提供了一種新的方法。
【關(guān)鍵詞】：聲發(fā)射 管道 支持向量機(jī) 泄漏 檢測
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TK227
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-24
• 1.1 課題的研究背景和意義10-11
• 1.2 相關(guān)領(lǐng)域內(nèi)國內(nèi)外技術(shù)的現(xiàn)狀、發(fā)展趨勢11-14
• 1.2.1 運(yùn)行人員監(jiān)測診斷技術(shù)11
• 1.2.2 水質(zhì)量平衡監(jiān)測診斷技術(shù)11
• 1.2.3 鍋爐水化學(xué)監(jiān)測診斷技術(shù)11-12
• 1.2.4 X射線透照探傷技術(shù)12
• 1.2.5 基于聲音的計算機(jī)監(jiān)測技術(shù)12-13
• 1.2.6 基于聲發(fā)射的計算機(jī)監(jiān)測技術(shù)13-14
• 1.3 聲發(fā)射檢測技術(shù)的優(yōu)點14
• 1.4 聲發(fā)射檢測的物理基礎(chǔ)及參數(shù)分析14-16
• 1.4.1 管道裂紋的形成和擴(kuò)展15-16
• 1.5 聲發(fā)射信號的分類與識別16-20
• 1.5.1 人工神經(jīng)網(wǎng)絡(luò)(BP)16-18
• 1.5.2 支持向量機(jī)(SVM)18-20
• 1.6 課題達(dá)到的目標(biāo)以及內(nèi)容20-21
• 1.6.1 課題研究的目標(biāo)20-21
• 1.6.2 課題研究的主要內(nèi)容21
• 1.7 課題的來源以及本文的主要研究工作21-24
• 1.7.1 課題的來源21-22
• 1.7.2 論文的主要研究內(nèi)容和章節(jié)安排22-24
• 第二章 聲發(fā)射24-34
• 2.1 聲發(fā)射現(xiàn)象24
• 2.2 聲發(fā)射信號的傳播特點24-25
• 2.2.1 縱波24-25
• 2.2.2 橫波25
• 2.2.3 表面波25
• 2.2.4 板波25
• 2.3 仿真聲發(fā)射的數(shù)學(xué)模型25-26
• 2.4 聲發(fā)射檢測基本原理26-32
• 2.4.1 仿真聲發(fā)射信號26-27
• 2.4.2 聲發(fā)射信號的特征27-29
• 2.4.3 影響聲發(fā)射特性的因素29
• 2.4.4 聲發(fā)射信號的常用分析及處理方法29-32
• 2.5 本章小結(jié)32-34
• 第三章 實驗部分34-56
• 3.1 管道泄漏檢測的實驗系統(tǒng)34-37
• 3.1.1 傳感器34
• 3.1.2 前置放大器34-36
• 3.1.3 聲發(fā)射檢測SEAU2S系統(tǒng)36-37
• 3.1.4 計算機(jī)系統(tǒng)37
• 3.1.5 采集分析軟件37
• 3.1.6 其他附件37
• 3.2 管道泄漏檢測基本原理37-39
• 3.2.1 管道泄漏的檢測原理37-38
• 3.2.2 管道泄漏檢測的聲發(fā)射原理38-39
• 3.3 管道泄漏檢測系統(tǒng)39-40
• 3.3.1 實驗系統(tǒng)的構(gòu)成39-40
• 3.3.2 實驗設(shè)備參數(shù)的選擇40
• 3.4 實驗方案40-54
• 3.5 結(jié)論54-55
• 3.6 本章小結(jié)55-56
• 第四章 實驗裝置以及實驗研究的內(nèi)容和方法56-64
• 4.1 聲發(fā)射泄漏信號產(chǎn)生和傳播的機(jī)理研究現(xiàn)狀56
• 4.2 實驗系統(tǒng)56-59
• 4.2.1 波導(dǎo)桿固體耦合聲發(fā)射泄漏模擬實驗系統(tǒng)57-58
• 4.2.2 信號的檢測系統(tǒng)與數(shù)據(jù)采集系統(tǒng)58
• 4.2.3 信號處理、識別與監(jiān)測系統(tǒng)58-59
• 4.3 多分辨奇異譜熵和支持向量機(jī)相結(jié)合的故障識別算法59-63
• 4.3.1 小波奇異譜熵提取59-60
• 4.3.2 特征向量的提取60
• 4.3.3 支持向量機(jī)60-62
• 4.3.4 SVM故障識別算法62-63
• 4.4 本章小結(jié)63-64
• 第五章 總結(jié)與展望64-66
• 5.1 總結(jié)64
• 5.2 研究展望64-66
• 致謝66-68
• 參考文獻(xiàn)68-74
• 附錄74
• 附錄1 攻讀碩士學(xué)位期間發(fā)表的論文和專利74
• 附錄2 攻讀碩士學(xué)位期間參與的科研項目74

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張楊;劉志剛;;EEMD在電能質(zhì)量擾動檢測中的應(yīng)用[J];電力自動化設(shè)備;2011年12期

2 黃教民，雷蘊(yùn)奇，，于明祁;余熱鍋爐爆管的檢測和分析[J];動力工程;1994年06期

3 姚建剛;郭知非;陳錦攀;;基于小波和BP神經(jīng)網(wǎng)絡(luò)的電能擾動分類新方法[J];電網(wǎng)技術(shù);2012年05期

4 方科;陳鋒;趙子軒;譚現(xiàn)虎;;一種基于SVM的最大間隔分類器的研究[J];電子技術(shù);2008年04期

5 楊慶;王荊;陳林;司馬文霞;謝博;;計及沖擊電暈的輸電線路雷電繞擊和反擊智能識別方法[J];高電壓技術(shù);2011年05期

6 梁忠雨;高峰;鐘衛(wèi)平;徐小麗;;巖石脆性斷裂試驗的聲發(fā)射分析[J];礦業(yè)工程;2007年02期

7 毛漢穎;黃振峰;王向紅;;裂紋源的支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)定位對比研究[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2009年03期

8 孫洋;黃啟俊;王豪;何進(jìn);常勝;;用于平衡探測器的5Gb/s前置放大器設(shè)計[J];半導(dǎo)體光電;2014年06期

9 李偉;郭福平;;波導(dǎo)桿中聲發(fā)射源傳播特性實驗研究[J];化工機(jī)械;2007年04期

10 鐘波;劉兆科;;基于偏最小二乘的支持向量機(jī)多分類方法[J];計算機(jī)工程與應(yīng)用;2007年17期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 潘瑩;典型信號模式識別算法的研究與應(yīng)用[D];北京郵電大學(xué);2014年

本文編號：832205