南京大学学报(自然科学版) ›› 2015, Vol. 51 ›› Issue (7): 64.
季舒瑶,袁飞*,程恩,陈柯宇
Ji Shuyao, Yuan Fei *, Cheng En, Chen Keyu
摘要: 针对供水管道泄漏检测方法缺乏识别分类功能,并且传统人工巡检可靠性低的问题,本文设计了一套基于HHT变换和BP神经网络的供水管道泄漏检测和分类方案,用功率谱和HHT变换提取出典型频率特征用于泄漏检测;IMF分量的归一化能量结合BP神经网络用于分类识别泄漏类型。通过采集大量不同泄漏类型声信号进行实验,证实该方案具有高于95%的检漏和分类正确率,具备一定的实际应用价值。
[1] [2] 谷小红,候迪波,周泽魁.声发射与EMD相结合的埋地水管泄漏定位检测[J].浙江大学学报(工学版). 2006,40(7):1105-1113 [3] 孙立瑛,李一博,靳世久等.基于小波包和HHT变换的声发射信号分析方法[J].仪器仪表学报. 2008,29(8):1577-1582 [4] Jin Kyung Lee,Sang Ll Lee,Joon Hyun Lee.Study on damage mechanism of pipe using ultrasonic wave and acoustic emission technique[J].Key Engineering Materials,2007,353-358(4):2415-2418. [5] 佟凯. 相关分析法在管道漏点定位系统中的试验研究[D]. 哈尔滨工业大学,2005. [6] 王立坤,赵晋云,付松广等.基于神经网络的管道泄漏声波信号特征识别[J].仪器仪表学报. 2006,27(6):2247-2249 [7] Hunaidi O, Chu W T. Acoustical characteristics of leak signals in plastic water distribution pipes[J]. Applied Acoustic, 1999, 58 (3):235-254. [8] M.Eiswirth, L.S.Burn. New methods for defect diagnosis of water pipelines. 4. Int. Conf. onWater pipeline system, 28-30. March, York, UK. [9] Huang N E , Zheng Shen, Long S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proc. R. Soc. London, 1998 ,4540:903-995. [10] 王逸林,梅继丹,蔡平.水声矢量信号的希尔伯特黄变换仿真研究[J].系统仿真学报. 2008,20(15):4173-417 [11] Huang N E , Zheng Shen, Long S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis. Proc. R. Soc. London, 1998 ,4540:903~995. [12] 王宏禹,邱天爽, 陈喆. 非平稳随机信号分析与处理[M]. 北京:国防工业出版社, 2008.04. [13] 刘翠伟,李玉星,孟令雅等.基于希尔伯特黄变换的输气管道泄漏音波时频特性分析[J].振动与冲击, 2014,33(16):42-49 [14] 张得丰等. MATLAB神经网络应用设计[M]. 北京:机械工业出版社, 2012.03. [15] 汪镭,周国兴,吴启迪.人工神经网络理论在控制领域中的应用综述[J].同济大学学报.2001,29(3):357-361 [16] 陈斌,万江文,吴银锋等.神经网络和证据理论融合的管道泄漏诊断方法[J].北京邮电大学学报. 2009,32(1):5-9 [17] 靳蕃.神经计算智能基础原理方法[M].成都:西南交通大学出版社,2000.01. |
No related articles found! |
|