当前位置:主页 > 科技论文 > 石油论文 >

基于时频分析的管道泄漏信号故障诊断研究

发布时间:2017-10-09 18:19

  本文关键词:基于时频分析的管道泄漏信号故障诊断研究


  更多相关文章: 管道泄漏信号 改进的小波阈值函数 集合经验模态分解 样本熵 故障诊断


【摘要】:随着石油天然气工业的发展,管道运输已经成为能源运输最主要的载体之一,其安全问题也越来越受到重视。管道泄漏故障诊断是降低管道风险和预防管道失效的重要手段。要实现对管道不同类型故障和不同损伤程度泄漏的诊断,就需要选用效果较好的信号降噪方法对原始信号进行预处理,然后创建一个更为敏感的信号检测系统。基于以上两点本文选取改进的小波阈值函数完成信号去噪,并引入集合经验模态分解(EEMD)与样本熵相结合的特征提取手法,通过BP神经网络对故障进行状态识别,旨在建立更有效、更精确的管道泄漏故障诊断系统。首先,提出了一种改进的小波阈值函数去噪方法,并通过调节参数收到了很好的去噪效果。改进的小波阈值函数克服了软、硬阈值函数存在的不足,去噪性能优越,能够在更大程度上保留原始信号的特征信息,提高了管道泄漏监测系统定位的准确性。其次,介绍了经验模态分解(EMD)的理论算法,并将其运用到信号分解中,针对EMD存在虚假分量和模态混叠的缺陷,引入添加噪声辅助的EEMD方法,对原始信号依照不同频率尺度逐层分解,从而提取信号的局部特征信息,并通过实验证明了EEMD与EMD算法相比所具有的优越性,在一定程度上达到了抑制模态混叠的目的,最后对EEMD进行了参数分析。再次,针对管道泄漏信号呈现出的复杂性特点,引入用于度量信号复杂程度的样本熵理论,是利用样本熵对EEMD分解出的IMF分量进行量化,获取到管道次声波信号不同频率尺度上的复杂度信息,将其作为模式识别的数据源。在特征提取过程中,为了减少运算量,提出了基于Shannon熵的筛选准则,以此来确定需要进行样本熵计算的IMF分量,为管道泄漏信号故障诊断提供了依据。最后,以天然气管道泄漏检测实验室采集的次声波信号数据作为分析对象,对管道不同类型和不同损伤程度两种情况下的故障诊断进行了研究。结果表明:基于EEMD和样本熵相结合的时频分析方法能够有效地提取出上述两种情况下的管道故障特征信息,通过BP神经网络进行模式识别,与其他方法的分类准确率进行对比后发现,其具有良好的识别效果。
【关键词】:管道泄漏信号 改进的小波阈值函数 集合经验模态分解 样本熵 故障诊断
【学位授予单位】:东北石油大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TE973.6
【目录】:
  • 摘要4-5
  • ABSTRACT5-7
  • 创新点摘要7-10
  • 第一章 绪论10-15
  • 1.1 课题研究背景及意义10-11
  • 1.2 国内外研究现状及发展趋势11-13
  • 1.2.1 管道泄漏故障诊断技术的国内外发展现状11-12
  • 1.2.2 自适应时频分析方法的发展现状12-13
  • 1.2.3 熵理论的发展现状13
  • 1.3 论文结构及内容安排13-15
  • 第二章 改进的小波阈值函数去噪15-23
  • 2.1 引言15
  • 2.2 小波阈值函数去噪原理15-16
  • 2.3 改进的小波阈值函数16-18
  • 2.4 仿真实验与对比18-22
  • 2.5 本章小结22-23
  • 第三章 集合经验模态分解研究23-33
  • 3.1 经验模态分解理论23-26
  • 3.1.1 EMD的基础算法23-26
  • 3.1.2 EMD的模态混叠26
  • 3.2 引入正态分布白噪声的EEMD方法26-32
  • 3.2.1 噪声辅助分析方法在EMD中的应用26-27
  • 3.2.2 EEMD方法的提出27-28
  • 3.2.3 EEMD原理和算法28-29
  • 3.2.4 EEMD信号分解实例29-32
  • 3.3 EEMD参数分析32
  • 3.3.1 EEMD中集成平均的次数32
  • 3.3.2 添加噪声的幅度32
  • 3.4 本章小结32-33
  • 第四章 基于样本熵的次声波信号特征提取33-42
  • 4.1 熵理论概述33-34
  • 4.2 样本熵理论34-37
  • 4.2.1 近似熵34
  • 4.2.2 样本熵34-36
  • 4.2.3 样本熵的参数选取36-37
  • 4.3 基于样本熵的特征提取37-41
  • 4.3.1 样本熵的特征筛选37-39
  • 4.3.2 EEMD与样本熵方法融合39-41
  • 4.4 本章小结41-42
  • 第五章 管道泄漏信号故障诊断研究42-55
  • 5.1 管道泄漏信号故障诊断实验数据42-44
  • 5.2 不同类型故障诊断44-51
  • 5.2.1 信号去噪44-45
  • 5.2.2 管道泄漏信号EEMD分解45-48
  • 5.2.3 基于样本熵的特征量化48-49
  • 5.2.4 基于BP神经网络的故障诊断49-51
  • 5.3 不同程度泄漏故障诊断51-54
  • 5.4 本章小结54-55
  • 结论55-56
  • 参考文献56-59
  • 发表文章目录59-60
  • 致谢60-61

【相似文献】

中国期刊全文数据库 前10条

1 徐晴晴;张来斌;梁伟;;天然气管道泄漏声场特性研究[J];石油机械;2011年02期

2 庞海艳;;天然气管道泄漏及其检测方法的几点分析[J];中国石油和化工标准与质量;2013年17期

3 刘存贵,张英杰;煤气管道泄漏不停产抢修[J];煤气与热力;2003年12期

4 张朝阳,苏华东;用流速测试仪确定管道泄漏点的位置[J];石油规划设计;2004年06期

5 瞿f,

本文编号:1001683


资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/1001683.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户435ba***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com