CEEMD-FCM模型下的管道缺陷识别方法

为提高管道缺陷识别精度,利用补充集合经验模态分解方法(CEEMD)和模糊C-均值(FCM)聚类算法,提出CEEMD-FCM的管道缺陷识别模型。首先,分析管道缺陷信号波形特征,引入粒子群优化算法(PSO)改进小波阈值降噪方法,实现管道缺陷信号的降噪;然后,采用CEEMD分解缺陷信号,并借助能量熵原理提取缺陷的特征参量;最后,利用模拟退火算法(SA)和遗传算法(GA)优化FCM,完成管道缺陷的分类。结果表明:基于CEEMD-FCM模型的管道缺陷识别方法的综合识别精度达到87. 5%,可实现石油化工领域管道缺陷模式的精准识别,保障管道安全运行,降低事故发生率。     

基于机器学习的天然气钢质管道缺陷检测方法研究

针对天然气钢制管道缺陷超声检测模式识别问题中，传统方法对信号进行分解并提取分解后本征模态函数的特征时，直接忽略残差信号这一问题，提出首先对检测回波信号进行经验模态分解(Empirical Mode Decomposition, EMD),并对比时域残差信号，直接对残差信号进行统计特征提取。其次，用天牛须搜索算法(Beetle Antennae Search algorithm, BAS)优化的最小二乘支持向量机(Least Square Support Vector Machines, LSSVM)进行分类试验。试验结果表明，基于EMD-BAS-LSSVM的天然气钢质管道缺陷检测方法针对人造缺陷的识别准确率为75.71%,针对天然气站场和抢险维修中心现场的管道缺陷检测准确率为65.78%,有效识别了天然气钢质管道腐蚀缺陷。     

基于事故树分析的长输油气管道腐蚀失效原因

运用事故树分析方法对长输油气管道腐蚀失效进行了定性和定量的分析。识别出由于腐蚀所致的长输油气管道失效的主要因素。通过最小割集求解长输油气管道腐蚀顶事件发生的概率以及对基本事件进行重要度分析,形成了基于事故树分析模型的定量分析思路和方法,可以为管道的安全管理提供参考。     

基于MCKD和EMD分解的压力管道泄漏源定位研究

针对输气压力管道泄漏声发射信号由于含有大量噪声而特征难以提取的问题,文章提出一种基于MCKD(最大相关鞘度解卷积)和EMD分解相结合的管道泄漏声发射信号提取方法。首先根据MCKD对泄漏信号进行降噪,突出信号中的有效成分,然后进行EMD分解得到含有泄漏特征的敏感IMF分量,并进行EMD重构并提取泄漏源声发射信号的本质特征,提高管道定位精度。实验表明,该方法能够很好地滤除信号中的噪声并且准确地提取含噪声信号中的时频特征,是对压力管道泄漏声发射信号降噪的一种新方法。     

基于小波包熵与AFSA-SVM的压力管道泄漏识别

为了快速、准确地诊断出输气压力管道不同的泄漏状态,提出了一种基于小波包熵与人工鱼群优化支持向量机(AFSA-SVM)相结合的压力管道泄漏模式识别方法。该方法首先对管道泄漏时产生的声发射信号进行小波包分解,并对分解的最后一层节点重构信号进行相关性分析,以获得敏感的节点信号。然后求取这些敏感节点信号的小波包熵值,作为管道不同泄漏信号的特征向量。最后将小波包熵值输入到SVM中,并运用AFSA方法对SVM分类器中惩罚因子C与核函数参数g进行全局优化,以提高其分类准确率。实验结果表明,该方法能准确地识别压力管道不同的泄漏状态,为天然气管道泄漏状态监测提供新方法。     

长输管道未遂事件管理研究

未遂事件机理和事故机理是一致的,研究未遂事件管理过程和注意事项,可为防控事故发生提供有效支撑。首先介绍未遂事件基本概念及其管理框架。分析长输管道未遂事件管理特征并提出相关问题解决方案,主要包括免责报告制度、长输管道未遂事件等级划分、建立专门的长输管道未遂事件数据库、未遂事件教育培训等。其次面向长输管道未遂事件给出专门的上报管理流程,并针对国内某输气管道未遂事件进行案例管理分析。研究表明:近年来我国长输管道未遂事件主要原因为第三方破坏,通过原因分析,确立预防和控制措施,能有效确保管道安全运行。     

原油长输管道安全评价技术探讨

正2013年11月22日青岛输油管道发生爆炸事件后,国家安全生产监管部门加强对原油长输管道监督管理,对老龄超龄运行的原油长输管道开展全面排查,并要求对原油长输管道的工况进行安全评价。现逐一把开展安全评价过程中的各关键技术要领进行深入剖析。1我国原油长输管道现状1958年我国第一条长距离原油长输管道新疆克拉玛依到独山子炼油厂输油管道建成,     

基于声发射特征参数的阀门内漏神经网络识别

为解决阀门内漏在线快速检测问题,基于声发射检测技术,采集了DN150闸阀在上下游压差0.8 MPa典型工况下的声发射信号,提取振幅、振铃计数、能量、平均信号电平、信号均方根值5个特征参数作为输入矢量,内漏结果作为输出矢量,建立了3层BP神经网络识别阀门内漏的模型,利用实验数据样本对该模型进行了验证。结果表明,阀门内漏识别准确率超过90%,有利于提高阀门安全运行在线监测水平。     

长输管道燃气泄漏事故树分析探讨

长输管道输送距离长、压力高、地形复杂,一旦出现泄漏,影响极大。本文通过分析国内外长输管道典型泄漏事故,结合当前油气管道安全管理情况,分析得出长输管道泄漏的主要原因。利用事故树分析法,建立长输管道泄漏失效事故树,分析结果表明,管道泄漏多由第三方事件、腐蚀泄漏和存在缺陷所导致。提出了人防、技防的安全措施,增加长输管道运行的安全性和可靠性,对长输管道企业安全管理工作或有一定借鉴意义。     

基于改进ELMD和多尺度熵的管道泄漏信号识别

为预防城市管道泄漏事故,准确提取管道泄漏信号的特征,首先提出一种改进的总体局域均值分解(ELMD)与多尺度熵的管道泄漏信号识别方法,通过峰值波形匹配延拓法处理端点处的信号,减弱端点处信号分量的畸变、失真;然后对管道原始泄漏信号进行ELMD分解,得到一系列乘积函数(PF),计算各PF分量的多尺度熵值,根据熵值的大小筛选出含有主要泄漏信息的PF分量,消除背景噪声的影响;最后构建反向传播(BP)神经网络,并识别泄漏信号。结果表明:该方法减少了分解后的误差,能够实现管道泄漏的检测,与未改进的ELMD方法相比,泄漏信号的识别率更高。     

基于声信号特征分析的燃气管道探测识别方法

为了探测和辨识地下燃气管道,避免燃气管道改扩建的过程发生第三方破坏引发安全事故,提出1种基于声信号特征分析的燃气管道探测识别方法,该方法考虑燃气管道声信号声压级低以及易衰减的特点,采用Hilebert-Huang变换算法分析燃气管道流噪声信号特征,建立燃气管道流噪声信号的特征数据库,并通过BP神经网络进行模式识别,判别...     

基于梅尔倒谱系数的矿山复杂微震信号自动识别分类方法

为了实现矿山复杂微震信号的自动高效识别与分类，保证后续微震分析的时效性和准确性，运用梅尔倒谱系数法，将原始的4种微震信号(岩体破裂、爆破振动、电磁干扰和钻机凿岩)转化为梅尔标度上的非线性频谱，再转换到倒谱域上，结合其在时域上的差分得到1组24维的特征参数向量，利用这些特征参数向量训练构建各类事件对应的混合高斯隐马尔可夫识别模型，进而实现对微震信号的自动识别分类。研究结果表明:运用基于梅尔倒谱系数的微震信号识别分类方法对矿山实际微震数据进行测试，微震事件的识别分类准确率达到92.46%，具有较高的准确性，为实现微震监测系统的实时性分析提供了技术支持。     

基于深度学习的工程结构损伤识别研究进展

为避免或减轻工程结构在建造和运营期间因结构振动产生不同程度损伤,造成安全隐患危及人们生命财产安全,针对结构振动损伤识别技术展开研究,探讨不同深度学习方法发展情况及其利弊,寻找更具可行性的损伤识别方法,并对其最新研究及应用现状进行全面综述。研究结果表明:应用深度学习开发新的结构损伤识别技术,无需冗余的数据预处理以及手工提取损伤特征,实现以较高精度实现损伤识别任务;一维卷积神经网络（1D-CNN）以其独特的应用优势,在数据样本有限条件下较二维卷积神经网络（2D-CNN）表现更为出色。研究结果可为数据驱动的结构损伤识别问题提供新思路,进一步完善土木结构健康监测研究体系。     

基于IPSO-BP的受损钢结构改造施工安全预警评估研究

为研究受损钢结构改造施工安全预警状况,建立受损情况下钢结构改造施工安全预警指标体系,并针对BP神经网络算法易陷入局部最优的问题,提出了用改进粒子群算法（IPSO）对BP神经网络权重及阈值进行调整的IPSO-BP安全预警评估模型。通过分析某单层重钢厂房受损现状,针对其结构损伤情况和已构建的安全控制指标体系进行数值模拟分析。研究结果表明:与传统的BP模型相比,IPSO-BP模型具有更好的预测能力,构建的安全预警指标体系及预警模型可以很好地对受损钢结构改造施工过程安全状况进行综合评估,对受损钢结构改造施工安全控制具有一定的参考价值。     

基于IPSO-BP神经网络的钢丝绳断丝损伤识别模型研究

为解决传统钢丝绳断丝损伤识别方法精度低，BP神经网络陷入局部最优等问题，提出改进粒子群算法（IPSO）的BP神经网络识别模型。通过采集钢丝绳断丝损伤信号，提取缺陷信号特征，用峰值、峰峰值、波宽、波形下面积和波动能量5个特征值组成特征向量作为神经网络的输人，断丝数量作为神经网络的输出；利用改进粒子群算法对BP神经网络的初始权值和阈值进行优化；建立基于IPSO-BP算法的神经网络模型，用于钢丝绳断丝的定量识别。结果表明:IPSO-BPS神经网络模型的钢丝绳断丝损伤识别精度、泛化能力均高于传统BP神经网络模型，且改进的粒子群算法迭代寻优速度更快。     

基于IEEMD样本熵分析的管道泄漏定位

为降低城市管道泄漏定位误差,提出1种改进的集合经验模态分解（IEEMD）样本熵分析的管道多点泄漏定位方法。首先通过在EEMD中添加自相关函数计算和EMD算法,得到IEEMD;然后应用IEEMD可将原始泄漏信号直接去噪并分解为真实信号分量和冗余分量,经样本熵分析计算剔除冗余分量,获得有效泄漏信号;最后根据互相关时延计算和声发射时差定位法精确计算泄漏点位置。结果表明:该方法泄漏信号提取效果好、计算效率更高,有效提高了信号的信噪比,降低了信号的均方误差;该方法将管道泄漏定位误差降低至4.06%,较大程度提高了管道泄漏定位精确度。     

基于一维卷积神经网络的燃气管道泄漏声发射信号识别*

为保障燃气管道系统安全运行,及时诊断管道故障,基于VGG-16模型提出基于一维卷积神经网络的燃气管道故障诊断模型,提取原始声发射信号特征参数,有效诊断燃气管道故障。结果表明:基于一维卷积神经网络的燃气管道故障诊断模型,能够有效解决燃气管道故障诊断过程中数据预处理复杂、特征提取困难以及识别准确率低等问题,可为燃气管道故障诊断提供技术支撑。     

基于ICEEMDAN和MC-CNN的矿山声发射信号识别分类方法

为精准识别地下矿山声发射事件,采用基于改进的完全集合经验模态分解模型(ICEEMDAN)和多通道卷积神经网络(MC-CNN)模型对声发射信号进行处理后得到分量图,根据各通道输入分量峭度值赋予不同权重,并利用卷积神经网络对输入数据进行训练,最终采用五折交叉实验方法验证该分类识别方法的可行性及有效性.结果表明:基于ICEE...     

基于BP神经网络的污水格栅间气体监测*

为实现对城市污水泵站格栅间内H2S和CO有害气体浓度实时准确监测分析,设计气体传感器阵列监测系统,建立单隐层BP神经网络模型对气体浓度样本进行训练,确定网络隐含层数为9,训练函数为traindm,模型优化后输出的H2S和CO气体浓度与实测值的平均相对误差分别为1.3%与0.4%。研究结果表明:采用BP神经网络模型对传感器阵列采集到的样本数据进行训练,可提高其测量精度,提升精度范围在57%~75%之间,能够满足对污水泵站有害气体监测的基本要求,所建立模型表现出良好效果。研究结果可为污水格栅间有害气体监测提供新方法。     

城市燃气管网泄漏事故分析知识图谱构建及应用研究*

为深入认识燃气管网泄漏事故的发生发展机理,提高事故分析预测的自动化、智能化、数字化水平,利用知识图谱对燃气管网泄漏事故进行研究。在事故案例分析的基础上,从人-物-环-管的角度对燃气泄漏过程以及火灾爆炸次生事故的相关实体进行归纳梳理,对实体间的逻辑关系和非逻辑关系进行辨识,并对实体的属性进行分类,进而构建出较为全面的燃气管网泄漏事故知识图谱。在此基础上,搭建BP神经网络模型,基于已知实体或属性状态,预测相关联其他实体或属性的状态。研究结果表明:燃气管网知识图谱能够有效展示燃气管网泄漏事故发展的动态过程及相关要素,结合BP神经网络能够有效预测事故的发展路径及相关状态,从而提高燃气管网泄漏事故的分析预测水平与效率。