CN113295346A

CN113295346A - 基于声波的阀门内漏检测方法

Info

Publication number: CN113295346A
Application number: CN202110550864.0A
Authority: CN
Inventors: 赖宗普; 林伟国
Original assignee: Beijing University of Chemical Technology
Current assignee: Beijing University of Chemical Technology
Priority date: 2021-05-19
Filing date: 2021-05-19
Publication date: 2021-08-24

Abstract

本申请涉及一种基于声波的阀门内漏检测方法，该方法包括：首先通过特征提取方法对样本声波信号数据进行特征提取，得到样本特征向量，进行模型训练，得到诊断模型；在实际检测中，将采集的待检测的实时声波信号数据经特征提取方法提取特征，得到实时特征向量，再将得到的实时特征向量输入诊断模型，就可以判断实时声波信号数据是否异常，从而推断出阀门是否发生泄露，整个过程可以支持低频采集，并且数据处理过程简单准确，对硬件设备要求低，解决了现有技术在阀门泄露检测过程中，数据采集频率高，数据处理复杂，对硬件设备要求高的问题。

Description

基于声波的阀门内漏检测方法

技术领域

本申请涉及阀门泄漏检测领域，尤其涉及一种基于声波的阀门内漏检测方法。

背景技术

关于阀门泄漏检测，国内外学者研究较多，检测方法也较多，质量平衡法、压降法、声发射等检测方法。声发射法较其他方法灵敏度和稳定性都比较高，然而采集频率较高，用于工程实现的成本较高。声发射检测方法具有方便，无损，稳定性高等几大特点，是目前最广泛的一种泄漏检测方法。

但在实际研究应用过程中，实验研究中采样频率一般是超1MHz，这不仅需要硬件设备处理速率较高，存储空间较大，而且影响信号的分析、特征提取和诊断模型，而且高频信号的不易远距离传输，要求感应器必须在靠近漏点的地方处安装，这给实际的操作造成了很大的不便。

发明内容

本申请针对现有技术中，在阀门泄露检测过程中，数据采集频率高，数据处理复杂，对硬件设备要求高的问题，提供一种基于声波的阀门内漏检测方法，用于在一定程度上解决现有技术中的该技术问题。

本申请的上述目的是通过以下技术方案来实现的：

本申请实施例提供的基于声波的阀门内漏检测方法，包括：

通过预设声波传感器采集阀门实时声波信号，得到实时声波信号数据；

基于预设特征提取方法对所述实时声波信息数据进行特征提取，得到实时特征向量；

将所述实时特征向量输入至预设诊断模型中，判断阀门是否发生泄漏；其中，所述预设诊断模型为根据样本声波信息数据基于所述预设特征提取方法，训练建立的。

可选的，所述预设特征提取方法包括：

计算声波信号数据标准差，提取时域特征；

对声波信号数据进行功率谱分析，计算不同频率分量上的能量分布，提取频域特征；

将所述时域特征和所述频域特征进行组合，得到特征向量。

可选的，所述对声波信号数据进行功率谱分析，计算不同频率分量上的能量分布，提取频域特征包括：

对声波信号数据进行傅里叶变换，得到功率谱；

基于短时功率谱对频率进行不规则分段，计算每个频段的能量；

基于预设截止频率数据，计算特定频段的频谱能量比率，得到频域特征。

可选的，所述诊断模型的建立包括：

通过所述特征提取方法对样本声波信号数据进行处理，得到样本特征向量；

对所述样本特征向量进行SVDD模型训练，得到诊断模型。

可选的，还包括对数据进行归一化处理。

本申请的实施例提供的技术方案可以包括以下有益效果：

本申请的实施例提供的技术方案中，首先通过特征提取方法对样本声波信号数据进行特征提取，得到样本特征向量，进行模型训练，得到诊断模型；在实际检测中，将采集的待检测的实时声波信号数据经特征提取方法提取特征，得到实时特征向量，再将得到的实时特征向量输入诊断模型，就可以判断实时声波信号数据是否异常，从而推断出阀门是否发生泄露，整个过程可以支持低频采集，并且数据处理过程简单准确，对硬件设备要求低，解决了现有技术在阀门泄露检测过程中，数据采集频率高，数据处理复杂，对硬件设备要求高的问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请实施例示出的基于声波的阀门内漏检测方法的流程示意图；

图2是本申请实施例提供的基于声波的阀门内漏检测方法中特征提取方法的流程示意图；

图3是本申请实施例提供的基于声波的阀门内漏检测方法中的短时功率谱；

图4是本申请实施例提供的基于声波的阀门内漏检测方法中诊断模型建立的流程示意图；

图5是本申请实施例提供的基于声波的阀门内漏检测方法中的检测数据图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

图1为本申请实施例示出的基于声波的阀门内漏检测方法的流程示意图，如图1所示，本申请实施例提供的基于声波的阀门内漏检测方法包括：

S101、通过预设声波传感器采集阀门实时声波信号，得到实时声波信号数据；

具体的，可以通过单声波传感器采集阀门泄漏声波信号，包含泄漏瞬间信号和阀门泄漏之后的连续信号。在被检测阀门下游处安装一只声波传感器，采用的采样频率可以是100Hz。将采集的数据每分钟的数据作为1帧数据，每一帧为6000个数据，然后将数据输入到诊断模型，然后根据模型输出判断是否发生泄漏。可以实现实时采集阀门信息，进而为后续的阀门内漏检测提供数据，保证检测的灵敏度和可靠性。

S102、基于预设特征提取方法对所述实时声波信息数据进行特征提取，得到实时特征向量；

具体的，对实时声波信息数据进行特征提取，其中特征提取包括时域特征提取STD，和频域特征提取RPi，然后将时域特征和频域特征提取进行组合，生成实时特征向量。

S103、将所述实时特征向量输入至预设诊断模型中，判断阀门是否发生泄漏；

其中，所述预设诊断模型为根据样本声波信息数据基于所述预设特征提取方法，训练建立的。

具体的，在进行检测之前，首先需要采集正常阀门关闭时的声波信号进行采集，得到样本声波信号数据，通过预设特征提取方法对样本声波信号数据进行特征提取，生成样本特征向量。对样本特征向量进行进行模型训练得到诊断模型。

然后将实时特征向量输入至诊断模型中，就可以判断实时声波数据是否异常，从而实现实时检测阀门是否漏气。

图2是本申请实施例提供的基于声波的阀门内漏检测方法中特征提取方法的流程示意图，为方便理解，下面将以一个具体实施过程对特征提取方法进行说明，如图2所示，包括：

首先，假设采集的每帧数据数据x＝{x₁，x₂…x_N}为信号的离散序列，N为每帧数据长度。将对其采用以下方法进行特征提取，首先计算其标准差如下：

然后，对采集到的数据进行功率谱分析，并计算其在不同频率分量上的能量分布。通过周期图法进行谱估计，对于有限长度采样序列，其中，离散傅里叶变换为：

则信号x(n)的功率谱为：

通过短时功率谱分析，可以看出在泄漏之前和泄漏之后的频率分布，图3是本申请实施例提供的基于声波的阀门内漏检测方法中的短时功率谱，在对数据进行变换后，可以得到图3的短时功率谱，从短时功率谱中，可以对数据进行进行，如从图3中，可分析得出，在泄漏之前和泄漏之后的频率分布，在3.5s左右发生泄漏。

进一步的，根据根据短时功率谱对频率进行不规则分段，将频率划分为不同的子频段。计算每个频段的能量，并做归一化处理，得到：

在实际应用中，可以设置的截止频率设置为50Hz，计算前三个频段的频谱能量比率，得到频域特征向量如下：

F＝{RP₁,RP₂,RP₃}

通过以上分析，以及对信号的时域和频域进行组合，得到总的特征向量如下：

V＝{T,F}＝{STD,RP₁,RP₂,RP₃}。

图4是本申请实施例提供的基于声波的阀门内漏检测方法中诊断模型建立的流程示意图，如图4所示：

通过上述提到的特征提取方式对样本声波信号数据，即阀门正常关闭时采集到的声波信号数据，得到样本特征向量；然后对样本特征向量进行模型训练，即进行SVDD模型训练，生成得到诊断模型。

在实际应用中，采集阀门下游声波信号，得到待检测的实时声波信号数据，将实时声波信号数据通过上述提到的特征提取方式进行处理，得到实时特征向量，最后将实时特征向量输入至诊断模型中，就可以得到诊断结果。

图5是本申请实施例提供的基于声波的阀门内漏检测方法中的检测数据图，如图5所示：通过本本申请提供的基于低频声波的阀门内漏检测方法对不同管道压力下对数据进行检测，如管道压力在150kPa时、管道压力在250kPa时和管道压力在350kPa时，模型输出的结果显示，模型诊断误报较低，没有误报，模型对信号诊断结果比较准确，正确率也比较高。

统计在不同工况下各模型的漏报、误报、总样本等数目，得到如下表格，每一行为不同工况下的结果，从表格中可以看出，结果模型诊断误报较低，没有误报，模型对信号诊断结果比较准确，正确率也比较高。能够满足在实际应用中，对于误报和漏报的要求，模型对于不同的工况，适用性很强。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims

1.一种基于声波的阀门内漏检测方法，其特征在于，包括：

2.根据权利要求1所述的基于声波的阀门内漏检测方法，其特征在于，所述预设特征提取方法包括：

计算声波信号数据标准差，提取时域特征；

将所述时域特征和所述频域特征进行组合，得到特征向量。

3.根据权利要求2所述的基于声波的阀门内漏检测方法，其特征在于，所述对声波信号数据进行功率谱分析，计算不同频率分量上的能量分布，提取频域特征包括：

对声波信号数据进行傅里叶变换，得到功率谱；

4.根据权利要求1所述的基于声波的阀门内漏检测方法，其特征在于，所述诊断模型的建立包括：

对所述样本特征向量进行SVDD模型训练，得到诊断模型。

5.根据权利要求3所述的基于声波的阀门内漏检测方法，其特征在于，还包括对数据进行归一化处理。