本文關(guān)鍵詞：鍋爐管道聲發(fā)射信號檢測技術(shù)研究

  更多相關(guān)文章： 聲發(fā)射信號 壓縮感知 經(jīng)驗?zāi)B(tài)分解 近似熵 支持向量機(jī) 遞歸定量分析

【摘要】：如今,鍋爐管道等工業(yè)設(shè)備已被廣泛應(yīng)用于各行各業(yè),在不同領(lǐng)域發(fā)揮著重要作用。但是,隨著鍋爐管道的快速發(fā)展,相應(yīng)的泄漏爆炸事故也在不斷增多,給國家和人民的生命財產(chǎn)安全帶來嚴(yán)重威脅。鍋爐管道老化、腐蝕是導(dǎo)致泄漏爆炸事故頻發(fā)的主要原因。研究表明,在鍋爐管道出現(xiàn)泄漏之前,其材料內(nèi)部先產(chǎn)生裂紋,斷裂部位會產(chǎn)生瞬態(tài)彈性波形,即聲發(fā)射(Acoustic Emission, AE)。聲發(fā)射檢測技術(shù)是一種可以用于檢測鍋爐管道是否出現(xiàn)裂紋的一種動態(tài)無損檢測方法。通過對檢測到的聲發(fā)射信號進(jìn)行分析處理,可以得到早期裂紋的大量信息。但現(xiàn)場檢測到的聲發(fā)射信號往往伴隨著復(fù)雜的工業(yè)背景噪聲,給聲發(fā)射信號的提取識別造成困難,因此,研究一種可靠的聲發(fā)射信號檢測識別技術(shù)具有重要意義。論文首先根據(jù)聲發(fā)射信號的特征,研究了仿真聲發(fā)射信號的數(shù)學(xué)模型,將壓縮感知(Compressed Sensing, CS)理論及經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)方法引入模擬聲發(fā)射信號處理中,從數(shù)據(jù)壓縮和分解兩方面對聲發(fā)射信號檢測技術(shù)進(jìn)行改進(jìn)；其次,將近似熵(Approximate Entropy, ApEn)和遞歸定量分析(Recurrence Quantification Analysis, RQA)方法應(yīng)用到聲發(fā)射信號的檢測處理分析中,對聲發(fā)射信號進(jìn)行特征提取,為準(zhǔn)確識別聲發(fā)射信號提供更多有用信息；最后,根據(jù)提取到的聲發(fā)射信號特征信息,利用支持向量機(jī)(Support Vector Machine, SVM)對聲發(fā)射信號進(jìn)行分類識別。實驗結(jié)果證明將壓縮感知的信號處理方法應(yīng)用到聲發(fā)射信號的檢測技術(shù)中,可以節(jié)省數(shù)據(jù)傳輸和儲存成本；通過對比信號的EMD分解,EEMD分解和掩膜信號法分解,驗證了掩膜信號法能有效改善聲發(fā)射信號分解過程中存在的模態(tài)混疊現(xiàn)象；將EMD和近似熵算法引入聲發(fā)射信號的檢測識別中,可以有效提取聲發(fā)射信號的特征信息；用RQA值作為特征參數(shù)輸入SVM分類器可以得到很高的分類精度。
【關(guān)鍵詞】：聲發(fā)射信號 壓縮感知 經(jīng)驗?zāi)B(tài)分解 近似熵 支持向量機(jī) 遞歸定量分析
【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1章 緒論10-18
• 1.1 課題來源、背景及意義10-13
• 1.1.1 課題來源10
• 1.1.2 課題背景及意義10-13
• 1.2 國內(nèi)外聲發(fā)射信號檢測技術(shù)研究現(xiàn)狀13-15
• 1.3 研究內(nèi)容和結(jié)構(gòu)安排15-18
• 第2章 聲發(fā)射現(xiàn)象及檢測基礎(chǔ)18-26
• 2.1 聲發(fā)射現(xiàn)象18
• 2.2 聲發(fā)射信號的傳播特點18-21
• 2.2.1 聲發(fā)射的傳播模式18-19
• 2.2.2 聲發(fā)射的傳播速度19-20
• 2.2.3 聲發(fā)射的反射、折射與模式變換20
• 2.2.4 突發(fā)型聲發(fā)射和連續(xù)型聲發(fā)射20-21
• 2.3 仿真聲發(fā)射的數(shù)學(xué)模型21-22
• 2.4 聲發(fā)射信號檢測的基本原理22-23
• 2.5 傳統(tǒng)聲發(fā)射信號分析方法23-24
• 2.6 本章小節(jié)24-26
• 第3章 仿真聲發(fā)射信號的壓縮感知及經(jīng)驗?zāi)B(tài)分解26-40
• 3.1 壓縮感知理論26-28
• 3.1.1 壓縮感知26-27
• 3.1.2 正交匹配追蹤重構(gòu)算法27-28
• 3.2 經(jīng)驗?zāi)B(tài)分解方法28-30
• 3.2.1 EMD方法概述28-29
• 3.2.2 改進(jìn)的經(jīng)驗?zāi)B(tài)分解方法29-30
• 3.3 仿真聲發(fā)射信號的壓縮感知及經(jīng)驗?zāi)B(tài)分解30-38
• 3.3.1 仿真聲發(fā)射信號31-32
• 3.3.2 基于CS理論的聲發(fā)射信號壓縮重構(gòu)32-34
• 3.3.3 重構(gòu)信號的分解對比34-38
• 3.4 本章小節(jié)38-40
• 第4章 基于EMD近似熵的聲發(fā)射信號識別40-50
• 4.1 近似熵40-41
• 4.2 支持向量機(jī)41-43
• 4.2.1 支持向量機(jī)的原理41-42
• 4.2.2 多分類器的構(gòu)造42-43
• 4.3 實驗裝置43-44
• 4.4 基于EMD近似熵的聲發(fā)射信號識別44-45
• 4.5 實驗結(jié)果分析45-48
• 4.6 本章小節(jié)48-50
• 第5章 基于RQA和SVM的聲發(fā)射信號識別50-62
• 5.1 小波閾值去噪50-52
• 5.2 RQA52-55
• 5.2.1 遞歸圖52-53
• 5.2.2 定量遞歸分析參數(shù)53-55
• 5.3 基于RQA的信號聲發(fā)射信號識別55
• 5.4 實驗驗證及分析55-61
• 5.5 本章小結(jié)61-62
• 第6章 總結(jié)與展望62-64
• 6.1 總結(jié)62
• 6.2 展望62-64
• 致謝64-66
• 參考文獻(xiàn)66-70
• 附錄A (發(fā)表的論文和科研情況說明)70

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 葉志申;張紹鈞;黃仁泰;;壓縮感知理論及其重構(gòu)算法[J];東莞理工學(xué)院學(xué)報;2010年03期

2 柯慧;顧潔;;電能質(zhì)量信號的小波閾值去噪[J];電力系統(tǒng)及其自動化學(xué)報;2010年02期

3 沈繼忱;王春雨;王慧麗;;管道泄漏診斷方法研究[J];化工自動化及儀表;2012年03期

4 付俊濤;李玉星;孟令雅;劉超;;輸氣管道泄漏音波與干擾信號特征提取[J];石油化工高等學(xué)校學(xué)報;2012年02期

5 黃林洲;郭興明;丁曉蓉;;EMD近似熵結(jié)合支持向量機(jī)的心音信號識別研究[J];振動與沖擊;2012年19期

6 王向紅;胡宏偉;張志勇;毛漢領(lǐng);;微弱裂紋信號的稀疏編碼提取[J];振動工程學(xué)報;2013年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 梁巍;管道缺陷檢測中超聲信號稀疏解卷積及稀疏壓縮方法的研究[D];上海交通大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 于連富;原子分解在電能質(zhì)量擾動信號分析中的應(yīng)用[D];燕山大學(xué);2010年

，

本文編號：865737