CN104502024A - 阀门内漏流量量化回归预测方法及装置 - Google Patents
阀门内漏流量量化回归预测方法及装置 Download PDFInfo
- Publication number
- CN104502024A CN104502024A CN201410803345.0A CN201410803345A CN104502024A CN 104502024 A CN104502024 A CN 104502024A CN 201410803345 A CN201410803345 A CN 201410803345A CN 104502024 A CN104502024 A CN 104502024A
- Authority
- CN
- China
- Prior art keywords
- valve
- signal
- leaks
- leakage
- parameter
- 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.)
- Pending
Links
Landscapes
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了一种阀门内漏流量检测方法及装置,解决了现有技术中阀门内漏信息无法量化,导致检测准确度不高的技术问题,该方法包括:获得阀门在不同内漏流量下对应的多个泄漏源信号;将从多个泄漏源信号中获得的与所述多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个泄漏源信号时的阀门压差,均确定为模型特征参数;采用交叉验证方法获得最优模型参数;基于模型特征参数、最优模型参数、核函数建立阀门内漏量化回归预测模型。从而提高了阀门内漏检测作业的灵敏度和准确度。
Description
技术领域
本发明属于阀门内漏检测领域,尤其涉及一种阀门内漏流量量化回归预测方法及装置。
背景技术
国内对天然气需求的不断增大,促进了天然气管道行业的快速发展。据国家安全监督管理总局统计2014年我国陆上油气输送管线总长度约12万公里,其中天然气管道7.54万公里。阀门作为天然气管道的重要组成部分,其需求量将实现快速增长,而阀门的安全性是对管道正常运行的保障。近年来随着管道运行年限的增长,管道不同程度的内漏阀门数量也逐年增加,阀门内漏对管道的安全运行与检修造成了严重的影响。
我国天然气长输管线使用阀门种类多,应用阀门尺寸跨度大。通过对管道公司多处输气管线的调研,目前管道阀门内漏主要是由于气体中杂质划伤密封面,或夹杂在软密封内,导致密封不严。现有对于内漏的判断主要依靠人工进行。鉴于压气站场环境噪声干扰严重(如调压壳附近及汇管等位置),常规的人工检测很难发现阀门泄漏,尤其针对阀门的小泄漏情况更是难上加难,以及对国内外常规无损检测技术手段在早期的阀门小流量泄漏过程检测调研,发现常规无损检测手段存在着明显不足。
如:(1)人工巡检:主观影响因素高,检测时间长,对内漏流量不能给出准确判别;(2)压降检测法:需在初期条件下预先进行加压,然后关闭上游阀门,根据两阀门间压力变化来探测阀门是否内漏。
综合而言,现有技术均仅仅只能检测是否阀门是否发生内漏,但是对泄漏点及泄漏流量不能给出准确判别,从而阀门内漏信息无法量化,进而导致检测准确度不高。
发明内容
本发明的目的在于提供一种阀门内漏流量量化回归预测方法及装置,解决了现有技术中阀门内漏信息无法量化,进而导致检测准确度不高的技术问题。
第一方面,本发明提供了一种阀门内漏流量量化回归预测方法,应用于一阀门内漏检测装置,所述方法包括:获得阀门在不同内漏流量下对应的多个泄漏源信号;将从所述多个泄漏源信号中获得的与所述多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个所述泄漏源信号时的阀门压差,均确定为模型特征参数;采用交叉验证方法获得最优模型参数;基于所述模型特征参数、所述最优模型参数、核函数建立阀门内漏量化回归预测模型。
优选的,与所述多个泄漏源信号相关的参数,包括:对所述多个泄漏源信号进行三层小波包分解后,基于分解得到的每个频带信号分别求取的熵、能量、均方根、平均值、标准差和峰值。
优选的,所述获得阀门在不同内漏流量下对应的多个泄漏源信号,包括:通过声发射传感器对所述阀门在不同内漏流量下的声发射信号进行采集;采用离散傅里叶变换,或者离散傅里叶逆变换对多个所述声发射信号进行降噪处理,获得所述阀门在内漏过程中的所述多个泄漏源信号。
优选的,在所述将从所述多个泄漏源信号中获得的与所述多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个所述泄漏源信号时的阀门压差,均确定为模型特征参数之后,所述方法还包括:采用主成分分析法对所述模型特征参数进行特征参数预处理。
优选的,在所述基于所述模型特征参数、所述最优模型参数、核函数建立阀门内漏量化回归预测模型之后,所述方法还包括:采集第一阀门在内漏过程中的阀门上游噪声信号和阀门下游含噪声发射信号;基于所述上游噪声信号和所述阀门下游含噪声发射信号进行噪声处理,获得所述第一阀门的声发射信号;将所述第一阀门的声发射信号经过所述阀门内漏量化回归预测模型进行处理,以得到所述第一阀门的当前阀门内漏流量值,其中,所述阀门内漏量化回归预测模型植入阀门内漏检测装置中。
第二方面,本发明提供了一种阀门内漏检测装置,包括:第一获得单元,用于获得阀门在不同内漏流量下对应的多个泄漏源信号;
参数确定单元,用于将从所述多个泄漏源信号中获得的与所述多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个所述泄漏源信号时的阀门压差,均确定为模型特征参数;第二获得单元,采用交叉验证方法获得最优模型参数;建立单元,用于基于所述模型特征参数、所述最优模型参数、核函数建立阀门内漏量化回归预测模型。
优选的,与所述多个泄漏源信号相关的参数,包括:对所述多个泄漏源信号进行三层小波包分解后,基于分解得到的每个频带信号分别求取的熵、能量、均方根、平均值、标准差和峰值。
优选的,所述第一获得单元,具体用于:通过声发射传感器对所述阀门在不同内漏流量下的声发射信号进行采集;采用离散傅里叶变换,或者离散傅里叶逆变换对多个所述声发射信号进行降噪处理,获得所述阀门在内漏过程中的所述多个泄漏源信号。
优选的,所述装置还包括:预处理单元,用于采用主成分分析法对所述模型特征参数进行特征参数预处理。
优选的,所述装置还包括:采集单元,用于采集第一阀门在内漏过程中的阀门上游噪声信号和阀门下游含噪声发射信号;噪声处理单元,用于基于所述上游噪声信号和所述阀门下游含噪声发射信号进行噪声处理,获得所述第一阀门的声发射信号;回归预测处理单元,用于将所述第一阀门的声发射信号经过所述阀门内漏量化回归预测模型进行处理,以得到所述第一阀门的当前阀门内漏流量值,其中,所述阀门内漏量化回归预测模型植入阀门内漏检测装置中。
本发明所提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过所采集的不同内漏流量下的声发射信号,以及得到阀门尺寸,阀门压差,建立起阀门内漏声发射检测信号、阀门压差、阀门尺寸与内漏流量之间复杂的阀门内漏量化回归预测模型,在实际现场测量过程中,就能直接根据内漏量化预测模型对不同类型、不同尺寸的阀门在不同压力工况下进行量化检测,提高了阀门内漏检测作业的灵敏性和准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例中的阀门内漏流量量化回归预测方法的流程图;
图2为本发明实施例中的阀门内漏检测装置的模块图。
具体实施方式
为了解决现有技术中阀门内漏信息无法量化,进而导致的检测准确度不高的技术问题,本发明提供了一种阀门内漏流量量化回归预测方法及装置,总的思路如下:
通过所采集的不同内漏流量下的声发射信号,以及得到阀门尺寸,阀门压差,建立起阀门内漏声发射检测信号、阀门压差、阀门尺寸与内漏流量之间复杂的阀门内漏量化回归预测模型,在实际现场测量过程中,就能直接根据内漏量化预测模型对不同类型、不同尺寸的阀门在不同压力工况下进行量化检测。
从而,解决了现有技术中阀门内漏信息无法量化,导致检测准确度不高的技术问题,提高了阀门内漏检测作业的灵敏性和准确度。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的阀门内漏流量量化回归预测方法,应用于一阀门内漏检测装置,该阀门内漏检测装置包括供电电源、声发射传感器、数据采集卡,嵌入式主板。具体的,声发射传感器为双声发射传感器,发射传感器与数据采集卡连接进行每通道1MHz的数据采集,数据采集卡与嵌入式相连接,该阀门内漏装置的其他部件参考现有技术,为了说明书的简洁,本文不进行描述。
参考图1所示,本发明所提供的阀门内漏流量量化回归预测方法,包括如下流程:
S101、获得阀门在不同内漏流量下对应的多个泄漏源信号;
具体的,S101包括:通过声发射传感器对阀门进行不同内漏流量下的声发射信号进行采集,从而获得不同的多个声发射信号。接着,对多个声发射信号进行降噪处理,获得阀门在内漏过程中的多个泄漏源信号。
具体来讲,双声发射传感器与数据采集卡连接,数据采集卡进行每通道1MHz的数据采集,从声发射传感器采集到不同内漏流量下的声发射信号。接着,采用离散傅里叶变换,或者离散傅里叶逆变换对所采集的多个声发射信号进行降噪处理。
S102、将从多个泄漏源信号中获得的与多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个泄漏源信号时的阀门压差,均确定为模型特征参数。
具体的,从多个泄漏源信号中获得的与多个泄漏源信号相关的参数,具体为:对该多个泄漏源信号进行三层小波包分解,之后对小波包分解之后的每个频带进行重构,接着,对重构后的信号分别求取熵、能量、均方根、平均值、标准差和峰值。则与多个泄漏源信号相关的参数为:熵、能量、均方根、平均值、标准差和峰值。同时,测量泄漏源信号有关的阀门压差和阀门尺寸,从而获得全部所需要的模型特征参数。更具体而言,每采集阀门在一内漏流量下的泄漏源信号值A1,就测量此时的阀门压差B1,再采集阀门在另一内漏流量下的A2,就测量此时的阀门压差B2,依次进行。
由于阀门流量量化的回归预测中涉及多维数据,但是维数高会影响到模型的建立以及预测效果,因此,在具体实施过程中:较佳的,采用主成分分析法对模型特征参数进行特征参数预处理,计算出主成分,以达到对模型特征参数进行降维数处理,将多维模型特征参数划为少数几个综合指标的低维数据样本。
S103、采用交叉验证方法获得最优模型参数。
具体的,交叉验证方法可以参考现有技术,而获得的最优模型参数包括惩罚因子C和核参数r,通过选择惩罚因子C和核参数r的不同值,可以调整阀门内漏量化回归预测模型的回归预测曲线的拟合性。
S104、基于模型特征参数、最优模型参数、核函数建立阀门内漏量化回归预测模型。
在具体实施过程中,最优模型参数包括惩罚因子C和核参数r,核函数可以选择多项式核函数,线性核函数,高斯基核函数,Sigmoid核函数等等,建立的核函数建立阀门内漏量化回归预测模型,具体的,建立阀门内漏量化回归预测模型的过程可以参考现有技术,为了说明书的简洁,本文不进行描述。
具体的,下面对S104进行举例说明:例如,基于主成分分析法得到8个样本数据进行学习建立阀门内漏量化回归预测模型,阀门内漏量化回归预测模型中可以选取惩罚因子C=200,核参数r=0.001,核函数使用多项式核函数,从而建立的阀门内漏量化回归预测模型;又例如,基于主成分分析法得到10个样本数据进行学习建立阀门内漏量化回归预测模型,阀门内漏量化回归预测模型中可以选取惩罚因子C=10,核参数r=0.01,核函数使用高斯基核函数,建立的阀门内漏量化回归预测模型。
进一步,在建立阀门内漏量化回归预测模型之后,则将阀门内漏量化回归预测模型植入到阀门内漏检测装置的嵌入式主板中,应用该阀门内漏检测装置进行实际的天然气输送站场的阀门内漏进行检测,具体检测步骤包括如下流程:
采集第一阀门在内漏过程中的阀门上游噪声信号和阀门下游含噪声发射信号;基于上游噪声信号和阀门下游含噪声发射信号进行噪声处理,获得第一阀门的声发射信号;将第一阀门的声发射信号经过阀门内漏量化回归预测模型进行处理,以得到第一阀门的当前阀门内漏流量值。
进一步,将得到的第一阀门的当前阀门内漏流量值显示出来,以达到准确快速的向用户提供量化阀门内漏情况。
基于同一发明构思,本发明通过以下实施例还提供了一种阀门内漏检测装置,参考图2所示,该阀门内漏检测装置包括:
第一获得单元201,用于获得阀门在不同内漏流量下对应的多个泄漏源信号;参数确定单元202,用于将从多个泄漏源信号中获得的与所述多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个泄漏源信号时的阀门压差,均确定为模型特征参数;第二获得单元203,采用交叉验证方法获得最优模型参数;建立单元204,用于基于模型特征参数、最优模型参数、核函数建立阀门内漏量化回归预测模型。
优选的,与多个泄漏源信号相关的参数,包括:对多个泄漏源信号进行三层小波包分解后,基于分解得到的每个频带信号分别求取的熵、能量、均方根、平均值、标准差和峰值。
优选的,第一获得单元201,具体用于:通过声发射传感器对阀门在不同内漏流量下的声发射信号进行采集;采用离散傅里叶变换,或者离散傅里叶逆变换对多个声发射信号进行降噪处理,获得阀门在内漏过程中的多个泄漏源信号。
优选的,该装置还包括:预处理单元,用于采用主成分分析法对模型特征参数进行特征参数预处理。
优选的,该装置还包括:采集单元,用于采集第一阀门在内漏过程中的阀门上游噪声信号和阀门下游含噪声发射信号;噪声处理单元,用于基于上游噪声信号和阀门下游含噪声发射信号进行噪声处理,获得第一阀门的声发射信号;回归预测处理单元,用于将第一阀门的声发射信号经过阀门内漏量化回归预测模型进行处理,以得到第一阀门的当前阀门内漏流量值,其中,阀门内漏量化回归预测模型植入阀门内漏检测装置中。
由于本发明实施例中的阀门内漏检测装置为实施前述阀门内漏流量量化回归预测方法所采用的,故而基于本发明实施例中所介绍的阀门内漏流量量化回归预测方法,本领域所属技术人员能够了解本实施例的阀门内漏检测装置的具体实施方式以及其各种变化形式,所以在此对于该阀门内漏检测装置不再详细介绍。只要本领域所属技术人员实施前述发明实施例中阀门内漏流量量化回归预测方法所采用的阀门内漏检测装置,都属于本发明所欲保护的范围。
本发明所提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过所采集的不同内漏流量下的声发射信号,以及得到阀门尺寸,阀门压差,建立起阀门内漏声发射检测信号、阀门压差、阀门尺寸与内漏流量之间复杂的阀门内漏量化回归预测模型,在实际现场测量过程中,就能直接根据内漏量化预测模型对不同类型、不同尺寸的阀门在不同压力工况下进行量化检测,提高了阀门内漏检测作业的灵敏性和准确度。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种阀门内漏流量量化回归预测方法,应用于一阀门内漏检测装置,其特征在于,所述方法包括:
获得阀门在不同内漏流量下对应的多个泄漏源信号;
将从所述多个泄漏源信号中获得的与所述多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个所述泄漏源信号时的阀门压差,均确定为模型特征参数;
采用交叉验证方法获得最优模型参数;
基于所述模型特征参数、所述最优模型参数、核函数建立阀门内漏量化回归预测模型。
2.如权利要求1所述的方法,其特征在于,与所述多个泄漏源信号相关的参数,包括:对所述多个泄漏源信号进行三层小波包分解后,基于分解得到的每个频带信号分别求取的熵、能量、均方根、平均值、标准差和峰值。
3.如权利要求1所述的方法,其特征在于,所述获得阀门在不同内漏流量下对应的多个泄漏源信号,包括:
通过声发射传感器对所述阀门在不同内漏流量下的声发射信号进行采集;
采用离散傅里叶变换,或者离散傅里叶逆变换对多个所述声发射信号进行降噪处理,获得所述阀门在内漏过程中的所述多个泄漏源信号。
4.如权利要求1所述的方法,其特征在于,在所述将从所述多个泄漏源信号中获得的与所述多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个所述泄漏源信号时的阀门压差,均确定为模型特征参数之后,所述方法还包括:
采用主成分分析法对所述模型特征参数进行特征参数预处理。
5.如权利要求1-4中任一权项所述的方法,其特征在于,在所述基于所述模型特征参数、所述最优模型参数、核函数建立阀门内漏量化回归预测模型之后,所述方法还包括:
采集第一阀门在内漏过程中的阀门上游噪声信号和阀门下游含噪声发射信号;
基于所述上游噪声信号和所述阀门下游含噪声发射信号进行噪声处理,获得所述第一阀门的声发射信号;
将所述第一阀门的声发射信号经过所述阀门内漏量化回归预测模型进行处理,以得到所述第一阀门的当前阀门内漏流量值,其中,所述阀门内漏量化回归预测模型植入阀门内漏检测装置中。
6.一种阀门内漏检测装置,其特征在于,包括:
第一获得单元,用于获得阀门在不同内漏流量下对应的多个泄漏源信号;
参数确定单元,用于将从所述多个泄漏源信号中获得的与所述多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个所述泄漏源信号时的阀门压差,均确定为模型特征参数;
第二获得单元,采用交叉验证方法获得最优模型参数;
建立单元,用于基于所述模型特征参数、所述最优模型参数、核函数建立阀门内漏量化回归预测模型。
7.如权利要求6所述的装置,其特征在于,与所述多个泄漏源信号相关的参数,包括:对所述多个泄漏源信号进行三层小波包分解后,基于分解得到的每个频带信号分别求取的熵、能量、均方根、平均值、标准差和峰值。
8.如权利要求6所述的装置,其特征在于,所述第一获得单元,具体用于:
通过声发射传感器对所述阀门在不同内漏流量下的声发射信号进行采集;
采用离散傅里叶变换,或者离散傅里叶逆变换对多个所述声发射信号进行降噪处理,获得所述阀门在内漏过程中的所述多个泄漏源信号。
9.如权利要求6所述的装置,其特征在于,所述装置还包括:
预处理单元,用于采用主成分分析法对所述模型特征参数进行特征参数预处理。
10.如权利要求6-9中任一权项所述的装置,其特征在于,所述装置还包括:
采集单元,用于采集第一阀门在内漏过程中的阀门上游噪声信号和阀门下游含噪声发射信号;
噪声处理单元,用于基于所述上游噪声信号和所述阀门下游含噪声发射信号进行噪声处理,获得所述第一阀门的声发射信号;
回归预测处理单元,用于将所述第一阀门的声发射信号经过所述阀门内漏量化回归预测模型进行处理,以得到所述第一阀门的当前阀门内漏流量值,其中,所述阀门内漏量化回归预测模型植入所述阀门内漏检测装置中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410803345.0A CN104502024A (zh) | 2014-12-19 | 2014-12-19 | 阀门内漏流量量化回归预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410803345.0A CN104502024A (zh) | 2014-12-19 | 2014-12-19 | 阀门内漏流量量化回归预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104502024A true CN104502024A (zh) | 2015-04-08 |
Family
ID=52943444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410803345.0A Pending CN104502024A (zh) | 2014-12-19 | 2014-12-19 | 阀门内漏流量量化回归预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104502024A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844051A (zh) * | 2016-04-12 | 2016-08-10 | 中国科学院上海高等研究院 | 一种基于负压波信号稀疏表示的油气管道缓慢泄漏的检测方法 |
CN106706215A (zh) * | 2016-11-17 | 2017-05-24 | 深圳市天成智能控制科技有限公司 | 一种热力系统阀门内漏量监测方法 |
CN108181059A (zh) * | 2017-12-27 | 2018-06-19 | 钦州学院 | 基于小波信号的多相流管道泄漏声波信号识别方法 |
CN108388685A (zh) * | 2017-12-28 | 2018-08-10 | 中国石油天然气股份有限公司 | 油气管道内漏流量的预测方法及装置 |
CN109900436A (zh) * | 2017-12-08 | 2019-06-18 | 中国石油化工股份有限公司 | 基于云计算的阀门内漏在线诊断系统和方法 |
CN112113719A (zh) * | 2020-09-21 | 2020-12-22 | 中国人民解放军海军工程大学 | 一种基于声发射技术的液压滑阀内泄漏检测方法 |
CN112924115A (zh) * | 2021-03-16 | 2021-06-08 | 中电华创(苏州)电力技术研究有限公司 | 高温高压管道阀门内漏监测装置和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120004423U (ko) * | 2010-12-13 | 2012-06-21 | 주식회사 한국가스기술공사 | 볼 밸브 내부 누설 점검 장치 및 점검 방법 |
CN103488906A (zh) * | 2013-09-30 | 2014-01-01 | 中国石油大学(华东) | 阀门内漏缺陷类型识别与内漏速率计算的方法 |
WO2014156376A1 (ja) * | 2013-03-29 | 2014-10-02 | 三菱重工業株式会社 | ガス内燃機関のガス漏れチェック装置とその方法 |
-
2014
- 2014-12-19 CN CN201410803345.0A patent/CN104502024A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120004423U (ko) * | 2010-12-13 | 2012-06-21 | 주식회사 한국가스기술공사 | 볼 밸브 내부 누설 점검 장치 및 점검 방법 |
WO2014156376A1 (ja) * | 2013-03-29 | 2014-10-02 | 三菱重工業株式会社 | ガス内燃機関のガス漏れチェック装置とその方法 |
CN103488906A (zh) * | 2013-09-30 | 2014-01-01 | 中国石油大学(华东) | 阀门内漏缺陷类型识别与内漏速率计算的方法 |
Non-Patent Citations (4)
Title |
---|
于谦龙: "《基于企业财务预警模式的高校财务困境预警研究》", 28 February 2014 * |
张佼等: "基于交叉验证支持向量回归的供热负荷预测", 《中北大学学报(自然科学版)》 * |
张雯雯: "罐底腐蚀声发射信号时频分析研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
李振林等: "基于声发射理论的阀门气体内漏量化检测研究", 《振动与冲击》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844051A (zh) * | 2016-04-12 | 2016-08-10 | 中国科学院上海高等研究院 | 一种基于负压波信号稀疏表示的油气管道缓慢泄漏的检测方法 |
CN105844051B (zh) * | 2016-04-12 | 2019-01-25 | 中国科学院上海高等研究院 | 一种基于负压波信号稀疏表示的油气管道缓慢泄漏的检测方法 |
CN106706215A (zh) * | 2016-11-17 | 2017-05-24 | 深圳市天成智能控制科技有限公司 | 一种热力系统阀门内漏量监测方法 |
CN109900436A (zh) * | 2017-12-08 | 2019-06-18 | 中国石油化工股份有限公司 | 基于云计算的阀门内漏在线诊断系统和方法 |
CN108181059A (zh) * | 2017-12-27 | 2018-06-19 | 钦州学院 | 基于小波信号的多相流管道泄漏声波信号识别方法 |
CN108181059B (zh) * | 2017-12-27 | 2019-12-10 | 钦州学院 | 基于小波信号的多相流管道泄漏声波信号识别方法 |
CN108388685A (zh) * | 2017-12-28 | 2018-08-10 | 中国石油天然气股份有限公司 | 油气管道内漏流量的预测方法及装置 |
CN112113719A (zh) * | 2020-09-21 | 2020-12-22 | 中国人民解放军海军工程大学 | 一种基于声发射技术的液压滑阀内泄漏检测方法 |
CN112924115A (zh) * | 2021-03-16 | 2021-06-08 | 中电华创(苏州)电力技术研究有限公司 | 高温高压管道阀门内漏监测装置和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104502024A (zh) | 阀门内漏流量量化回归预测方法及装置 | |
DE112012001851B4 (de) | Ermitteln von Fluid-Leckagevolumen in Pipelines | |
CN109215295B (zh) | 燃气泄漏的判断方法、装置及电子设备 | |
CN107620868B (zh) | 管道泄漏检测方法及装置 | |
CN108488638A (zh) | 基于声波负压波混合监测的管道泄漏监测系统及方法 | |
CN101761780A (zh) | 输气管道泄漏检测定位装置及其检测定位方法 | |
CN104535281B (zh) | 基于压力相关法的机坪管网密闭性测试装置进行测试的方法 | |
CN103234121A (zh) | 基于音波信号的输气管道泄漏检测装置及检测方法 | |
CN101603985A (zh) | 高准确度正弦信号测量方法 | |
CN104458152A (zh) | 一种基于声发射信号处理的气体阀门内漏检测方法 | |
CN103343885B (zh) | 管道漏磁检测在线数据压缩方法 | |
CN104864274B (zh) | 管道泄漏声波信号增强方法 | |
CN105223240A (zh) | 一种利用电子鼻检测蟹新鲜度的方法 | |
Ravula et al. | Experimental validation of leak and water-ingression detection in low-pressure gas pipeline using pressure and flow measurements | |
EP2902765A1 (en) | Leak inspection device, leak inspection method, and leak inspection program | |
CN103926324A (zh) | 一种超声表面波检测主汽管道蠕变损伤的方法 | |
CN110529746B (zh) | 管道泄漏的检测方法、装置和设备 | |
CN103605323B (zh) | 化工生产的离散控制方法及装置 | |
CN117073933A (zh) | 一种用于燃气管网的管道压力监测方法及系统 | |
CN112113148A (zh) | 一种用于轨道交通的基于压力和流量的管网侧漏检测方法 | |
Mirats-Tur et al. | Leak detection and localization using models: field results | |
CN110131591B (zh) | 管道泄漏的定位方法、装置和设备 | |
CN113916193A (zh) | 一种反演推算含水层水文地质参数的方法 | |
CN106886671B (zh) | 天然气管道阀门健壮性评价方法 | |
CN107024672B (zh) | 一种sf6电气设备绝缘状态在线监测系统的运行标定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150408 |
|
RJ01 | Rejection of invention patent application after publication |