工业锅炉泄漏声发射检测技术研究

发布时间：2017-09-11 17:50

  本文关键词：工业锅炉泄漏声发射检测技术研究

  更多相关文章： 声发射 管道 支持向量机 泄漏 检测

【摘要】：随着经济的不断发展和社会的不断进步,工业锅炉在国民经济和社会方面发挥着越来越大的作用。但是工业锅炉一般都在比较恶劣的条件下运行,时常发生锅炉管道泄漏事故,严重影响生产设备安全、可靠、稳定、经济运行。为了提早发现锅炉管道泄漏,把各方面的损失减小到最低,同时也要减少和避免对环境的污染具有极其重要的意义。因此,在泄漏早期探测到锅炉管道的漏点的本文研究的关键。而传统的锅炉泄漏检测方法需要锅炉管道有十分明显泄漏点才能检测出来,容易造成事故的进一步扩大,故传统的检测方法已越来越不适应现代化生产的要求。本文基于对管道泄漏声发射检测方法进行了研究,为锅炉管道声发射检测应用提供了经验和依据。本文提出一种基于支持向量机的锅炉管道泄漏声发射检测技术。首先,对管道泄漏声发射信号进行特征参数提取,然后将提取的特征参数作为特征向量输入神经网络和支持向量机进行分类处理,并进行训练,然后进行对比分析。得出神经网络和支持向量机都可以利用测量的声发射信号来判断泄漏信号的类别,但支持向量机更为准确,此种方法实现了对泄漏信号的有效识别。试验结果表明支持向量机方法在管道泄漏诊断中是有效可行的,验证了声发射技术应用于管道泄漏检测的可行性,从而为余热锅炉管道泄漏检测提供了一种新的方法。
【关键词】：声发射 管道 支持向量机 泄漏 检测
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TK227
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-24
• 1.1 课题的研究背景和意义10-11
• 1.2 相关领域内国内外技术的现状、发展趋势11-14
• 1.2.1 运行人员监测诊断技术11
• 1.2.2 水质量平衡监测诊断技术11
• 1.2.3 锅炉水化学监测诊断技术11-12
• 1.2.4 X射线透照探伤技术12
• 1.2.5 基于声音的计算机监测技术12-13
• 1.2.6 基于声发射的计算机监测技术13-14
• 1.3 声发射检测技术的优点14
• 1.4 声发射检测的物理基础及参数分析14-16
• 1.4.1 管道裂纹的形成和扩展15-16
• 1.5 声发射信号的分类与识别16-20
• 1.5.1 人工神经网络(BP)16-18
• 1.5.2 支持向量机(SVM)18-20
• 1.6 课题达到的目标以及内容20-21
• 1.6.1 课题研究的目标20-21
• 1.6.2 课题研究的主要内容21
• 1.7 课题的来源以及本文的主要研究工作21-24
• 1.7.1 课题的来源21-22
• 1.7.2 论文的主要研究内容和章节安排22-24
• 第二章 声发射24-34
• 2.1 声发射现象24
• 2.2 声发射信号的传播特点24-25
• 2.2.1 纵波24-25
• 2.2.2 横波25
• 2.2.3 表面波25
• 2.2.4 板波25
• 2.3 仿真声发射的数学模型25-26
• 2.4 声发射检测基本原理26-32
• 2.4.1 仿真声发射信号26-27
• 2.4.2 声发射信号的特征27-29
• 2.4.3 影响声发射特性的因素29
• 2.4.4 声发射信号的常用分析及处理方法29-32
• 2.5 本章小结32-34
• 第三章 实验部分34-56
• 3.1 管道泄漏检测的实验系统34-37
• 3.1.1 传感器34
• 3.1.2 前置放大器34-36
• 3.1.3 声发射检测SEAU2S系统36-37
• 3.1.4 计算机系统37
• 3.1.5 采集分析软件37
• 3.1.6 其他附件37
• 3.2 管道泄漏检测基本原理37-39
• 3.2.1 管道泄漏的检测原理37-38
• 3.2.2 管道泄漏检测的声发射原理38-39
• 3.3 管道泄漏检测系统39-40
• 3.3.1 实验系统的构成39-40
• 3.3.2 实验设备参数的选择40
• 3.4 实验方案40-54
• 3.5 结论54-55
• 3.6 本章小结55-56
• 第四章 实验装置以及实验研究的内容和方法56-64
• 4.1 声发射泄漏信号产生和传播的机理研究现状56
• 4.2 实验系统56-59
• 4.2.1 波导杆固体耦合声发射泄漏模拟实验系统57-58
• 4.2.2 信号的检测系统与数据采集系统58
• 4.2.3 信号处理、识别与监测系统58-59
• 4.3 多分辨奇异谱熵和支持向量机相结合的故障识别算法59-63
• 4.3.1 小波奇异谱熵提取59-60
• 4.3.2 特征向量的提取60
• 4.3.3 支持向量机60-62
• 4.3.4 SVM故障识别算法62-63
• 4.4 本章小结63-64
• 第五章 总结与展望64-66
• 5.1 总结64
• 5.2 研究展望64-66
• 致谢66-68
• 参考文献68-74
• 附录74
• 附录1 攻读硕士学位期间发表的论文和专利74
• 附录2 攻读硕士学位期间参与的科研项目74

【参考文献】

中国期刊全文数据库 前10条

1 张杨;刘志刚;;EEMD在电能质量扰动检测中的应用[J];电力自动化设备;2011年12期

2 黄教民，雷蕴奇，，于明祁;余热锅炉爆管的检测和分析[J];动力工程;1994年06期

3 姚建刚;郭知非;陈锦攀;;基于小波和BP神经网络的电能扰动分类新方法[J];电网技术;2012年05期

4 方科;陈锋;赵子轩;谭现虎;;一种基于SVM的最大间隔分类器的研究[J];电子技术;2008年04期

5 杨庆;王荆;陈林;司马文霞;谢博;;计及冲击电晕的输电线路雷电绕击和反击智能识别方法[J];高电压技术;2011年05期

6 梁忠雨;高峰;钟卫平;徐小丽;;岩石脆性断裂试验的声发射分析[J];矿业工程;2007年02期

7 毛汉颖;黄振峰;王向红;;裂纹源的支持向量机与神经网络定位对比研究[J];广西大学学报(自然科学版);2009年03期

8 孙洋;黄启俊;王豪;何进;常胜;;用于平衡探测器的5Gb/s前置放大器设计[J];半导体光电;2014年06期

9 李伟;郭福平;;波导杆中声发射源传播特性实验研究[J];化工机械;2007年04期

10 钟波;刘兆科;;基于偏最小二乘的支持向量机多分类方法[J];计算机工程与应用;2007年17期

中国硕士学位论文全文数据库 前1条

1 潘莹;典型信号模式识别算法的研究与应用[D];北京邮电大学;2014年

本文编号：832205