資源描述：
《基于小波包改進(jìn)算法的管道泄漏特征信號(hào)提取.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第32卷第5期計(jì)算機(jī)應(yīng)用與軟件V0J．32No．52015年5月ComputerApplicationsandSoftwareMav2015基于小波包改進(jìn)算法的管道泄漏特征信號(hào)提取柳孝云張相芬馬燕(上海師范大學(xué)信息與機(jī)電工程學(xué)院上海200234)摘要在管道泄漏檢測(cè)時(shí)，標(biāo)志泄漏發(fā)生的特征信號(hào)相對(duì)較弱，這為泄漏特征信號(hào)的提取帶來了極大困難。首先基于有限元仿真軟件ANSYS研究聲發(fā)射波在管道上的傳播特性，分析泄露特征信號(hào)提取算法研究的必要性；然后提出一種泄露特征信號(hào)提取的改進(jìn)小波包分解與重構(gòu)算法；最后基于改進(jìn)后的算法對(duì)實(shí)驗(yàn)室里采集到的泄漏聲發(fā)射信號(hào)進(jìn)行
2、泄露特征信號(hào)提取實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法可以準(zhǔn)確提取出泄漏特征信號(hào)。它克服傳統(tǒng)小波包算法分解和重構(gòu)中的上采樣與下采樣帶來的混頻，為后續(xù)的定位分析創(chuàng)造了良好的條件。關(guān)鍵詞管道泄漏聲發(fā)射ANSYS諧振分析小波包信號(hào)提取中圖分類號(hào)TE973文獻(xiàn)標(biāo)識(shí)碼ADOI：10．3969／j．issn．1000-386x．2015．05．059PIPELINELEAK_AGECHARACTEIUSTICSIGNALEXTRACTIoNBASEDONIMPRoVEDWAVELETPACKETALGoRITHMLiuXiaoyunZhangXiangfenMaYan
3、(SchoolofInformationandMechanwalandElectricalEngir~ering，ShanghaiNormalUniversity，Shanghai200234，China)AbstractInpipelineleakdetection，thecharacteristicsignalmarkingtheleakageisrelativelyweak，whichbringsgreatdificultytotheextractionofleakagecharacteristicsigna1．Inthispaper，we
4、firststudythepropagationcharacteristicofacousticemissionwavesinpipelinebasedonthefiniteelementsimulationsoftwareANSYSandanalysethenecessityoftheresearchonleakagecharacteristicsignalextractionalgorithm；Thenweputforwardanimprovedwaveletpacketdecompositionandreconstructionalgori
5、thmforleakagesignalextraction；Finally，wecarryouttheexperimentsinregardtoextractingtheleakagecharacteristicsignalsontheleakacousticemissionsignalscollectedbysensorinlabbasedontheimprovedalgorithm．Experimentalresultsshowthattheimprovedalgorithmcanaccuratelyextracttheleakagechar
6、acteristicsignalandovercomethemixingeffectsbroughtbytheup·-samplinganddown-samplingintraditionalwaveletpacketdecompositionandreconstruction．Allthesecreategoodconditionsforsubsequentpositioninganalysis．KeywordsPipelineleakageAcousticemissionANSYSharmonicanalysisWaveletpacketSi
7、gnalextraction不僅具有在時(shí)頻兩域表征信號(hào)局部特性的能力，而且適用于弱0引言信號(hào)的提取以及非平穩(wěn)信號(hào)的分析。文獻(xiàn)[5，6]對(duì)管道泄漏的聲發(fā)射信號(hào)進(jìn)行小波包分解，并重構(gòu)出泄漏特征信號(hào)，然后將泄管道在石油、化工、天然氣、城市建設(shè)等行業(yè)中起著非常重漏特征信號(hào)的能量作為特征向量的元素輸入BP神經(jīng)網(wǎng)絡(luò)分類要的作用。管道泄漏嚴(yán)重影響了運(yùn)輸?shù)恼＿M(jìn)行，對(duì)環(huán)境造成器以完成管道泄露診斷。文獻(xiàn)[7]通過對(duì)聲波信號(hào)進(jìn)行小波包了污染，更為嚴(yán)重的還會(huì)出現(xiàn)安全事故0。分解和分解系數(shù)重構(gòu)，得到泄漏特征信號(hào)，提取泄漏特征信號(hào)的聲發(fā)射檢測(cè)方法是一種重要的管道泄漏無損檢
8、測(cè)方法，它方差、峭度和能量作為特征向量的元素，然后將特征向量輸入到具有對(duì)管線設(shè)備沒有損壞、檢測(cè)速度快、靈敏度高、工作強(qiáng)度低BP神經(jīng)網(wǎng)絡(luò)進(jìn)
