炼化装置闸阀内漏去噪及声识别技术研究

炼化装置阀门使用环境比较恶劣，检测现场存在大量的动设备噪声，易导致内漏识别误判。针对检测现场噪声特性，以闸阀为研究对象，结合内漏声的随机特性，提出一种VMD-Nonlinear SVM方法，该方法结合变分模态分解方法和互信息熵，实现噪声分解和内漏声信号重构，对该重构信号的时频和统计特征进行提取，并作为支持向量机特征输入，实现阀门声识别。在炼化现场，将VMD-Nonlinear SVM方法与EMD-Nonlinear SVM和Nonlinear SVM的分类结果进行对比，结果表明VMD-Nonlinear SVM方法对阀门内漏识别准确率达到95.5%,能够满足复杂环境下的阀门内漏识别要求。