CN102269736A - 罐底腐蚀声发射检测中声源分布区域的自动识别方法 - Google Patents
罐底腐蚀声发射检测中声源分布区域的自动识别方法 Download PDFInfo
- Publication number
- CN102269736A CN102269736A CN2011101911130A CN201110191113A CN102269736A CN 102269736 A CN102269736 A CN 102269736A CN 2011101911130 A CN2011101911130 A CN 2011101911130A CN 201110191113 A CN201110191113 A CN 201110191113A CN 102269736 A CN102269736 A CN 102269736A
- Authority
- CN
- China
- Prior art keywords
- acoustic emission
- emission source
- matrix
- execution
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000007797 corrosion Effects 0.000 title claims abstract description 25
- 238000005260 corrosion Methods 0.000 title claims abstract description 25
- 238000009826 distribution Methods 0.000 title claims abstract description 19
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 56
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013316 zoning Methods 0.000 claims description 3
- 230000009189 diving Effects 0.000 abstract 1
- 238000004220 aggregation Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 101100127891 Caenorhabditis elegans let-4 gene Proteins 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 101150065184 sym-2 gene Proteins 0.000 description 1
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种罐底腐蚀声发射检测中声源分布区域的自动识别方法,包括以下步骤:获取储罐罐底每个声发射源的坐标;建立n×n矩阵M;根据声发射源坐标计算每个声发射源在矩阵M中对应列Mx和行My;将M(Mx,My)的值设为被映射到M(Mx,My)的声发射源数量;对矩阵M进行1次二维离散小波变换,取其低频系数,得到新矩阵Mhh;依次查看Mhh中每个元素,根据其相邻元素值判断对应位置声发射源所属区域;根据区域划分结果计算区域声发射源分布信息熵、声发射源分布密度;依次改变n和小波类型找到使声发射源分布信息熵最大的区域划分结果作为最终区域识别结果。该方法能有效别罐内声发射源分布密集的区域,进而评价罐底腐蚀状况。
Description
技术领域
本发明涉及声发射检测中声源分布区域识别方法,特别是涉及罐底腐蚀声发射检测中声源分布区域的自动识别方法。
背景技术
基于声发射原理的储罐罐底腐蚀和泄漏检测是一种在线检测技术,由于其无需停产、倒灌、清罐等操作,所以检测成本低、效率高,近年来受到业界的普遍关注,取得了越来越多的应用。其检测原理如图1所示,在储罐外壁钢板1上沿周向均匀布置若干个声发射传感器2,各声发射传感器2分别通过信号线3与工控机4上的信号采集卡相连。在检测过程中,声发射传感器2将获取的声发射信号转换成电信号,由信号线3传输给工控机4,工控机4通过对各声发射传感器接收到的信号的时间差计算出声发射源的位置,并在显示器中显示出来。最后通过分析检测到的声发射源位置及其分布的疏密程度评估罐底的腐蚀状况。
在进行腐蚀状况评估环节中,传统的方法是通过人工方式在声发射源分布图中寻找声发射源聚集区域,这种方式存在以下几点不足:第一,区域的边界只能通过的人的感觉进行划分,划分标准很难统一;第二,有些区域由于声发射源定位比较集中,会导致在图中显示不太明显,进而容易被人忽略;第三,不同区域之间的腐蚀程度无法定量比较。
发明内容
为了解决上述问题,本发明的目的在于提供一种在罐底腐蚀声发射检测中能够自动识别罐底声发射源聚集区域的方法。
本发明的目的是通过以下技术方案实现的:
一种罐底腐蚀声发射检测中声源分布区域的自动识别方法,包括以下步骤:
S100:获取储罐罐底每个声发射源的坐标(x,y);
S101:设置矩阵M的行数和列数n,设置小波编号w=1,获取小波类型表中小波的数量wn,设置初始声发射源分布信息熵H0=0;
S102:建立n×n的矩阵M;
S103:据声发射源的坐标计算出每个声发射源在矩阵M中对应的列Mx和行My;
S104:将M(Mx,My)的值设置为被映射到M(Mx,My)的声发射源数量;
S105:对矩阵M进行1次二维离散小波变换,取其低频系数,得到新的矩阵Mhh;
S106:设置初始区域数量na=0,建立与Mhh一样大小的矩阵F;
S107:依次查看Mhh中的每一个元素,根据其相邻元素的值设置F中对应位置元素的值;
S108:计算每个声发射源在矩阵F中的位置;
S109:将每个声发射源与矩阵F中所对应的元素的值作为该声发射源所属区域的编号;
S110:计算声发射源分布信息熵H;
S111:判断H是否大于H0,若H大于H0,执行步骤S112,否则执行步骤S114;
S112:统计矩阵F中每种元素值的数量,计算各区域的面积;
S113:计算区域中声发射源分布密度;
S114:设置w=w+1;
S115:判断w是否大于wn,若w大于wn,执行步骤S116,否则执行步骤S105;
S116:设置n=n+步进值,;
S117:判断n是否大于储罐直径/0.03,若大于,则结束,否则执行步骤S102。
上述步骤S107的子步骤如下:
S201:获取矩阵Mhh的行数LN,列数CN,设置当前查看的行i=1,列j=1
S202:判断Mhh(i,j)是否等于0,若Mhh(i,j)等于0,则执行步骤S203,否则执行步骤S204;
S203:设置F(i,j)=0,执行步骤S210;
S204:统计F(i,j)相邻元素值非0的种类,建立集合x,每种值为集合x中的一个元素;
S205:判断x是否为空集,若x是空集,则执行步骤S206,否则执行步骤S207;
S206:建立新区域,设置na=na+1,设置F(i,j)=na,执行步骤S210;
S207:设置F(i,j)=x(1);
S208:判断x中元素个数是否大于1,若x中元素个数大于1,则执行步骤S209,否则执行步骤S210;
S209:F中与x中元素值相等的元素值全部设置成x(1);
S210:设置j=j+1;
S211:判断j是否大于CN,若j大于CN则执行步骤S212,否则执行步骤S202;
S212:设置j=1,i=i+1
S213:判断i是否大于LN,若i大于LN则结束,否则执行步骤S202。
在上述的步骤S102中,矩阵M的行数和列数n的取值范围为:100≤n≤储罐直径/0.03,且n为自然数。
在上述的步骤3)中,每个声发射源在矩阵M中对应的列Mx和行My按式(1)计算得出;
其中:[]为取整运算,(x,y)为声发射源坐标,D为储罐直径。
在上述的步骤S108中,每个声发射源在矩阵F中的位置由式(2)计算得出:
其中:j为声发射源在矩阵F中的列,
i为声发射源在矩阵F中的行,
LN为矩阵F的行数,
CN为矩阵F的列数。
在上述的步骤S110中,声发射源分布信息熵H按式(3)计算得出;
其中:ci表示i号区域中的声发射源数量,
AN表示全部声发射源数量。
在上述的步骤S112中,各区域的面积通过式(4)计算得出:
其中:Am为编号为m的区域的面积,
gm为矩阵F中值为m的元素的数量。
在上述的步骤S113中,区域中声发射源分布密度由式(5)得出:
其中:dm为编号为m的区域中的声发射源密度,
cm为编号为m的区域中的声发射源数量。
在上述的步骤S116中,所述的步进值的取值范围为10≤步进值≤100;
本发明的自动识别方法能够有效别出罐内声发射源分布密集的区域,而一些分布离散的声发射源不会被划分到区域中,进而能够根据区域声发射源分布密度评价罐底的腐蚀状况。
附图说明
图1为声发射储罐罐底腐蚀检测原理示意图;
图2为基于小波聚类分析的声源分布区域自动识别方法流程图;
图3为图2流程图中S107的具体流程图;
图4为相邻元素定义示意图;
图5为罐底声发射源定位分布图;
图6经本发明识别出的声发射源聚集区域。
具体实施方式
下面对本发明的罐底腐蚀声发射检测中声源分布区域识别方法进行详细说明。
本发明是一种基于小波聚类分析的声源分布区域识别方法。该方法需要先根据声发射信号传感器接收到的声发射信号获取储罐罐底每个声发射源的坐标。该获取坐标的方法采用申请人于2010年1月25日申请的申请号为201010100412.4、名称为“声发射储罐罐底腐蚀检测中声源的定位方法”的发明专利中公开的方法。如图1所示,基于声发射原理的储罐罐底腐蚀和泄漏检测是一种在线检测技术,由于其无需停产、倒灌、清罐等操作,所以检测成本低、效率高,近年来受到业界的普遍关注,取得了越来越多的应用。其检测原理如图1所示,在储罐外壁钢板1沿周向均匀布置若干个声发射传感器2,各传感器分别通过信号线3与工控机4上的信号采集卡相连。在检测过程中,声发射传感器将获取的声发射信号转换成电信号,由信号线传输给工控机,工控机通过对各传感器接收到信号的时间差计算出声发射源的位置,并在显示器中显示出来。最后对罐底腐蚀情况的评估是通过分析检测到的腐蚀信号的声源位置及其分布的疏密程度判定的。
上述声发射储罐罐底腐蚀检测中声发射源的定位方法通过以下技术方案实现的:当在事件定义时间内多个传感器接收到声发射信号后,先不直接判定这些声发射信号属于同一个声发射事件,而是根据各个传感器接收到的信号之间的相似性判别是否来自同一个声源,若相似性达到一定程度则认为是来自于同一声源,然后将这些相似的声发射信号组成一个声发射事件,若相似的声发射信号分别为3个以上的传感器接收到的,则认为是有效声发射事件并继续进行定位计算,反之认为是无效声发射事件不进行定位计算。其具体步骤为:
1)将在声发射事件定义时间内获得的声发射信号按时间顺序排序并进行编号,分别为h1,h2,h3,…hn,n为事件定义时间内获得的声发射信号总数;
2)设置近似判定阈值Θ,设置当前聚类计数器m=1,当前聚类Cm={h1},循环计数器i=2;
3)在当前所有聚类中查找聚类Ck,其中1≤k≤m,使得信号hi与聚类Ck的差异性测度d(hi,Ck)最小;
4)比较d(Ck,hi)与Θ的大小,当d(Ck,hi)≤Θ时,执行步骤5),当d(Ck,hi)>Θ时,执行步骤6);
5)将hi加入到聚类Ck中,执行步骤7);
6)新建一个聚类,聚类计数器m增1,Cm={hi},执行步骤7);
7)循环计数器i增1;
8)判断i是否大于信号总数n,当i≤n时,执行步骤3),当i>n时,执行步骤9);
9)在建立的所有聚类中查找聚类Cx,要求Cx中包括至少3个传感器接收到的信号,若存在Cx则执行步骤10),否则结束;
10)将Cx送入定位计算程序。
图5是由上述方法得到的一个罐底声发射源定位分布图,从该图中可以明显看出,声源定位点组成了一个直径为20m与储罐同心的圆环,圆环边缘清晰,宽度为1m左右,而其余位置的声源定位点相对较少,说明噪声减少。
通过上述方法获取座标后,即可对罐底腐蚀声发射检测中声源的分布区域进行识别。参见图2,该识别方法包括以下步骤(S):
S101:设置矩阵M的行数和列数n=100,设置小波编号w=1,获取小波类型表中小波数量wn,设置初始声发射源分布信息熵H0=0;
S102:建立n×n的矩阵M;
S103:根据已获得的声发射源的坐标计算出每个声发射源在矩阵M中对应的列Mx和行My,如式(1)所示;
注:[]为取整运算,(x,y)为声发射源坐标,D为储罐直径。
S104:将M(Mx,My)的值设置为被映射到M(Mx,My)的声发射源数量;
S105:采用小波类型表中编号为w的小波对矩阵M进行1次二维离散小波变换,取其低频系数,得到新的矩阵Mhh。在本实施例中,所用的小波类型列表如下:
小波编号 | 小波名称 | 小波编号 | 小波名称 |
1 | db2 | 21 | coif5 |
2 | db3 | 22 | bior1.3 |
3 | db4 | 23 | bior1.5 |
4 | db5 | 24 | bior2.2 |
5 | db6 | 25 | bior2.4 |
6 | db7 | 26 | bior2.6 |
7 | db8 | 27 | bior2.8 |
8 | db9 | 28 | bior3.1 |
9 | db10 | 29 | bior3.3 |
10 | sym2 | 30 | bior3.5 |
11 | sym3 | 31 | bior3.7 |
12 | sym4 | 32 | bior3.9 |
13 | sym5 | 33 | bior4.4 |
14 | sym6 | 34 | bior5.5 |
15 | sym7 | 35 | bior6.8 |
16 | sym8 | 36 | rbio3.1 |
17 | coif1 | 37 | rbio4.4 |
18 | coif2 | 38 | rbio5.5 |
19 | coif3 | 39 | rbio6.8 |
20 | coif4 |
需要说明的是,上述小波列表中各小波的次序仅是为了进行说明所列举的一个实施例。在利用本发明的方法进行识别时,各小波的顺序可以与上述列表不同。而表中所列的小波类型为优选的用于本发明的小波类型。
S106:设置区域数量na=0,建立与Mhh一样大小的矩阵F;
S107:依次查看Mhh中的每一个元素,根据其相邻元素的值设置F中对应位置元素的值,该步的具体流程见附图3,相邻元素的定义见附图4;
S108:计算每个声发射源在矩阵F中的位置,如式(2)所示;
注:j为声发射源在矩阵F中的列,i为声发射源在矩阵F中的行,LN为矩阵F的行数,CN为矩阵F的列数
S109:将每个声发射源与矩阵F中所对应的元素的值作为该声发射源所属区域的编号;
S110:计算声发射源分布信息熵H,如式(3)所示;
注:ci表示i号区域中的声发射源数量,
na表示识别出的区域数量,
AN表示全部声发射源数量。
S111:判断H是否大于H0,若H大于H0,执行步骤S112,否则执行步骤S114;
S112:统计矩阵F中每种元素值的数量,计算各区域面积,如式(4)所示;
注:Am为编号为m的区域的面积,
gm为矩阵F中值为m的元素的数量。
S113:计算区域中声发射源分布密度,如式(5)所示;
注:dm为编号为m的区域中的声发射源密度,
cm为编号为m的区域中的声发射源数量。
S114:设置w=w+1;
S115:判断w是否大于wn,若w大于wn,执行步骤S116,否则执行步骤S105;
S116:设置n=n+50;
S117:判断n是否大于储罐直径(单位:m)/0.03,若n大于储罐直径/0.03,则结束,否则执行步骤S102。
参见图3,上述步骤S107的子步骤如下:
S201:获取矩阵Mhh的行数LN,列数CN,设置当前查看的行i=1,列j=1
S202:判断Mhh(i,j)是否等于0,若Mhh(i,j)等于0,则执行步骤S203,否则执行步骤S204;
S203:设置F(i,j)=0,执行步骤S210
S204:统计F(i,j)相邻元素值非0的种类,建立集合x,每种值为集合x中的一个元素;
S205:判断x是否为空集,若x是空集,则执行步骤S206,否则执行步骤S207;
S206:建立新区域,设置na=na+1,设置F(i,j)=na,执行步骤S210;
S207:设置F(i,j)=x(1);
S208:判断x中元素个数是否大于1,若x中元素个数大于1,则执行步骤S209,否则执行步骤S210;
S209:F中与x中元素值相等的元素值全部设置成x(1);
S210:设置j=j+1;
S211:判断j是否大于CN,若j大于CN则执行步骤S212,否则执行步骤S202;
S212:设置j=1,i=i+1
S213:判断i是否大于LN,若i大于LN则结束,否则执行步骤S202。
在上述的实施例中,矩阵M的行数和列数n的取值为100,步进值取值为50。根据实践经验,n的取值范围一般为:100≤n≤储罐直径/0.03(其中n为自然数,储罐直径单位为米);步进值取值范围一般为:10≤步进值≤100。n太小或步进值太大时会影响计算精度,n太大或步进值太小时会影响计算速度。
图6为经本发明识别方法识别出的声发射源聚集区域图。从图中可以看出,罐内声发射源分布比较集中的区域被有效自动识别出来,而一些分布离散的声发射源未被划分到区域中。经计算,罐内中心圆环区域的声发射源分布密度最大,表明该区域腐蚀最为严重,待开罐检测后发现罐内中心的加热盘管腐蚀最为严重,且其所在位置与识别出的罐内中心圆环区域吻合。因此本发明的罐底腐蚀声发射检测中声源分布区域的自动识别方法能够有效识别出罐内声发射源分布密集的区域,进而能够根据区域声发射源分布密度评价罐底的腐蚀状况。
Claims (9)
1.一种罐底腐蚀声发射检测中声源分布区域的自动识别方法,包括以下步骤:
S100:获取储罐罐底每个声发射源的坐标(x,y);
S101:设置矩阵M的行数和列数n,设置小波编号w=1,获取小波类型表中小波的数量wn,设置初始声发射源分布信息熵H0=0;
S102:建立n×n的矩阵M;
S103:根据声发射源的坐标计算出每个声发射源在矩阵M中对应的列Mx和行My;
S104:将M(Mx,My)的值设置为被映射到M(Mx,My)的声发射源数量;
S105:对矩阵M进行1次二维离散小波变换,取其低频系数,得到新的矩阵Mhh;
S106:设置初始区域数量na=0,建立与Mhh一样大小的矩阵F;
S107:依次查看Mhh中的每一个元素,根据其相邻元素的值设置F中对应位置元素的值;
S108:计算每个声发射源在矩阵F中的位置;
S109:将每个声发射源与矩阵F中所对应的元素的值作为该声发射源所属区域的编号;
S110:计算声发射源分布信息熵H;
S111:判断H是否大于H0,若H大于H0,执行步骤S112,否则执行步骤S114;
S112:统计矩阵F中每种元素值的数量,计算各区域的面积;
S113:计算区域中声发射源分布密度;
S114:设置w=w+1;
S115:判断w是否大于wn,若w大于wn,执行步骤S116,否则执行步骤S105;
S116:设置n=n+步进值,该步进值为非0自然数;
S117:判断n是否大于储罐直径/0.03,若大于,则结束,否则执行步骤S102。
2.根据权利要求1所述的自动识别方法,其特征在于:所述步骤S107 的子步骤如下:
S201:获取矩阵Mhh的行数LN,列数CN,设置当前查看的行i=1,列j=1
S202:判断Mhh(i,j)是否等于0,若Mhh(i,j)等于0,则执行步骤S203,否则执行步骤S204;
S203:设置F(i,j)=0,执行步骤S210;
S204:统计F(i,j)相邻元素值非0的种类,建立集合x,每种值为集合x中的一个元素;
S205:判断x是否为空集,若x是空集,则执行步骤S206,否则执行步骤S207;
S206:建立新区域,设置na=na+1,设置F(i,j)=na,执行步骤S210;
S207:设置F(i,j)=x(1);
S208:判断x中元素个数是否大于1,若x中元素个数大于1,则执行步骤S209,否则执行步骤S210;
S209:F中与x中元素值相等的元素值全部设置成x(1);
S210:设置j=j+1;
S211:判断j是否大于CN,若j大于CN则执行步骤S212,否则执行步骤S202;
S212:设置j=1,i=i+1
S213:判断i是否大于LN,若i大于LN则结束,否则执行步骤S202。
3.根据权利要求1或2所述的自动识别方法,其特征在于:在步骤S102中,矩阵M的行数和列数n的取值范围为:100≤n≤储罐直径/0.03,且n为自然数。
7.根据权利要求1或2所述的自动识别方法,其特征在于:在步骤S112中,各区域的面积通过式(4)计算得出:
其中:Am为编号为m的区域的面积,
gm为矩阵F中值为m的元素的数量。
9.根据权利要求1或2所述的自动识别方法,其特征在于:在步骤S116中,所述的步进值的取值范围为10≤步进值≤100。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110191113 CN102269736B (zh) | 2011-07-08 | 2011-07-08 | 罐底腐蚀声发射检测中声源分布区域的自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110191113 CN102269736B (zh) | 2011-07-08 | 2011-07-08 | 罐底腐蚀声发射检测中声源分布区域的自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102269736A true CN102269736A (zh) | 2011-12-07 |
CN102269736B CN102269736B (zh) | 2012-12-19 |
Family
ID=45052098
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110191113 Expired - Fee Related CN102269736B (zh) | 2011-07-08 | 2011-07-08 | 罐底腐蚀声发射检测中声源分布区域的自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102269736B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107624160A (zh) * | 2016-05-17 | 2018-01-23 | 株式会社东芝 | 构造物评价系统、构造物评价装置以及构造物评价方法 |
CN107850578A (zh) * | 2016-06-15 | 2018-03-27 | 株式会社东芝 | 构造物评价系统、构造物评价装置及构造物评价方法 |
CN108490072A (zh) * | 2018-03-21 | 2018-09-04 | 合肥通用机械研究院有限公司 | 高频导波检测储罐底板方法 |
CN108956767A (zh) * | 2018-06-13 | 2018-12-07 | 天津大学 | 基于频率-信息熵的钢筋混凝土锈蚀疲劳损伤评价方法 |
US10345275B2 (en) | 2016-06-15 | 2019-07-09 | Kabushiki Kaisha Toshiba | Structure evaluation system, structure evaluation apparatus, and structure evaluation method |
CN110673125A (zh) * | 2019-09-04 | 2020-01-10 | 珠海格力电器股份有限公司 | 一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质 |
CN110824018A (zh) * | 2019-11-12 | 2020-02-21 | 宁波市劳动安全技术服务公司 | 常压储罐风险评估及安全检测评价方法 |
US10613060B2 (en) | 2016-06-15 | 2020-04-07 | Kabushiki Kaisha Toshiba | Structure evaluation system, structure evaluation apparatus, and structure evaluation method |
CN115616090A (zh) * | 2022-12-20 | 2023-01-17 | 中国铁路设计集团有限公司 | 一种基于声信号的列车部件质检方法及系统 |
CN116448338A (zh) * | 2023-04-06 | 2023-07-18 | 中国特种设备检测研究院 | 一种全容式lng储罐泄漏的声发射检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003066015A (ja) * | 2001-08-21 | 2003-03-05 | Ishikawajima Harima Heavy Ind Co Ltd | アコーステックエミッション法における信号処理方法 |
WO2010016078A1 (en) * | 2008-08-08 | 2010-02-11 | A.E.T. International S.R.L. | Method for non-destructive investigation of the bottom of metallic tank structures |
CN101769900A (zh) * | 2010-01-25 | 2010-07-07 | 天津大学 | 声发射储罐罐底腐蚀检测中声源的定位方法 |
-
2011
- 2011-07-08 CN CN 201110191113 patent/CN102269736B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003066015A (ja) * | 2001-08-21 | 2003-03-05 | Ishikawajima Harima Heavy Ind Co Ltd | アコーステックエミッション法における信号処理方法 |
WO2010016078A1 (en) * | 2008-08-08 | 2010-02-11 | A.E.T. International S.R.L. | Method for non-destructive investigation of the bottom of metallic tank structures |
CN101769900A (zh) * | 2010-01-25 | 2010-07-07 | 天津大学 | 声发射储罐罐底腐蚀检测中声源的定位方法 |
Non-Patent Citations (2)
Title |
---|
MARIA HALKIDI 等: "Clustering Validity Checking Methods:Part II", 《SIGMOD RECORD》, vol. 31, no. 3, 30 September 2002 (2002-09-30), pages 19 - 27, XP058148066, DOI: doi:10.1145/601858.601862 * |
林明春 等: "罐底声发射在线检测及其可靠性验证", 《油气储运》, vol. 29, no. 10, 31 December 2010 (2010-12-31), pages 776 - 779 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107624160B (zh) * | 2016-05-17 | 2021-05-28 | 株式会社东芝 | 构造物评价系统、构造物评价装置以及构造物评价方法 |
US10371666B2 (en) | 2016-05-17 | 2019-08-06 | Kabushiki Kaisha Toshiba | Structure evaluation system, structure evaluation apparatus, and structure evaluation method |
EP3428635A4 (en) * | 2016-05-17 | 2020-03-04 | Kabushiki Kaisha Toshiba | STRUCTURING ASSESSMENT SYSTEM, STRUCTURING ASSESSMENT DEVICE AND STRUCTURING ASSESSMENT PROCEDURE |
EP3264076A4 (en) * | 2016-05-17 | 2018-06-27 | Kabushiki Kaisha Toshiba, Aka Toshiba Corporation | Structure assessment system, structure assessment device and structure assessment method |
CN107624160A (zh) * | 2016-05-17 | 2018-01-23 | 株式会社东芝 | 构造物评价系统、构造物评价装置以及构造物评价方法 |
US10330646B2 (en) | 2016-05-17 | 2019-06-25 | Kabushiki Kaisha Toshiba | Structure evaluation system, structure evaluation apparatus, and structure evaluation method |
CN107850579A (zh) * | 2016-05-17 | 2018-03-27 | 株式会社东芝 | 构造物评价系统、构造物评价装置及构造物评价方法 |
US10648949B2 (en) | 2016-05-17 | 2020-05-12 | Kabushiki Kaisha Toshiba | Structure evaluation system, structure evaluation apparatus, and structure evaluation method |
EP3293517A4 (en) * | 2016-06-15 | 2018-08-01 | Kabushiki Kaisha Toshiba, Inc. | Structure evaluation system, structure evaluation device, and structure evaluation method |
US10345275B2 (en) | 2016-06-15 | 2019-07-09 | Kabushiki Kaisha Toshiba | Structure evaluation system, structure evaluation apparatus, and structure evaluation method |
CN107850578B (zh) * | 2016-06-15 | 2021-06-25 | 株式会社东芝 | 构造物评价系统、构造物评价装置及构造物评价方法 |
US10613060B2 (en) | 2016-06-15 | 2020-04-07 | Kabushiki Kaisha Toshiba | Structure evaluation system, structure evaluation apparatus, and structure evaluation method |
CN107850578A (zh) * | 2016-06-15 | 2018-03-27 | 株式会社东芝 | 构造物评价系统、构造物评价装置及构造物评价方法 |
EP3719491A1 (en) * | 2016-06-15 | 2020-10-07 | Kabushiki Kaisha Toshiba | Structure evaluation system, structure evaluation device, and structure evaluation method |
CN108490072A (zh) * | 2018-03-21 | 2018-09-04 | 合肥通用机械研究院有限公司 | 高频导波检测储罐底板方法 |
CN108956767A (zh) * | 2018-06-13 | 2018-12-07 | 天津大学 | 基于频率-信息熵的钢筋混凝土锈蚀疲劳损伤评价方法 |
CN108956767B (zh) * | 2018-06-13 | 2020-11-24 | 天津大学 | 基于频率-信息熵的钢筋混凝土锈蚀疲劳损伤评价方法 |
CN110673125B (zh) * | 2019-09-04 | 2020-12-25 | 珠海格力电器股份有限公司 | 一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质 |
CN110673125A (zh) * | 2019-09-04 | 2020-01-10 | 珠海格力电器股份有限公司 | 一种基于毫米波雷达的声源定位方法、装置、设备以及存储介质 |
CN110824018A (zh) * | 2019-11-12 | 2020-02-21 | 宁波市劳动安全技术服务公司 | 常压储罐风险评估及安全检测评价方法 |
CN110824018B (zh) * | 2019-11-12 | 2022-05-27 | 宁波市劳动安全技术服务公司 | 常压储罐风险评估及安全检测评价方法 |
CN115616090A (zh) * | 2022-12-20 | 2023-01-17 | 中国铁路设计集团有限公司 | 一种基于声信号的列车部件质检方法及系统 |
CN115616090B (zh) * | 2022-12-20 | 2023-03-31 | 中国铁路设计集团有限公司 | 一种基于声信号的列车部件质检方法及系统 |
CN116448338A (zh) * | 2023-04-06 | 2023-07-18 | 中国特种设备检测研究院 | 一种全容式lng储罐泄漏的声发射检测方法 |
CN116448338B (zh) * | 2023-04-06 | 2024-01-30 | 中国特种设备检测研究院 | 一种全容式lng储罐泄漏的声发射检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102269736B (zh) | 2012-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102269736B (zh) | 罐底腐蚀声发射检测中声源分布区域的自动识别方法 | |
Westermann et al. | Unsupervised learning of energy signatures to identify the heating system and building type using smart meter data | |
US9483737B2 (en) | Identifying an event associated with consumption of a utility | |
US20160357848A1 (en) | Data analysis apparatus and method | |
CN101769900B (zh) | 声发射储罐罐底腐蚀检测中声源的定位方法 | |
CN103488561A (zh) | 一种在线升级主样本模型的kNN故障检测方法 | |
CN104063710A (zh) | 基于支持向量机模型的实测光谱曲线中异常光谱剔除方法 | |
CN116992385B (zh) | 一种物联网水表用量异常检测方法及系统 | |
CN104063609B (zh) | 一种利用神经网络辅助判定污染源监测数据有效性的方法 | |
CN103196356A (zh) | 基于支持向量机的油管缺陷定量识别方法 | |
US20140129291A1 (en) | Identifying an event associated with consumption of a utility | |
CN105740989A (zh) | 一种基于varx模型的供水管网异常事件侦测方法 | |
Schirmer et al. | Low-frequency energy disaggregation based on active and reactive power signatures | |
CN107169520A (zh) | 一种大数据缺失属性补全方法 | |
CN104697765A (zh) | 汽车空调故障检测系统及方法 | |
CN116910593B (zh) | 用于化学发光仪器的信号噪声抑制方法及系统 | |
Nayak et al. | A review of residential building archetypes and their applications to study building energy consumption | |
CN108254038A (zh) | 一种原油储罐油水界面数据去伪及液位测量的计算方法 | |
CN204027820U (zh) | 汽车空调故障检测系统 | |
CN102645580A (zh) | 用于电表正向有功电能增量数据智能检测方法 | |
CN115471122A (zh) | 基于元数据模型的能耗评估方法及系统 | |
Tang et al. | A rolling bearing signal model based on a correlation probability box | |
CN112528849B (zh) | 一种基于内积矩阵及深度学习的结构健康监测方法 | |
Wenxuan et al. | Research on Indoor Edge Location Based on Location Fingerprint Recognition | |
CN104715166A (zh) | 基于预测加权整合的农作物潜在过敏原检测实现方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121219 |
|
CF01 | Termination of patent right due to non-payment of annual fee |