阀门内漏缺陷类型识别与内漏速率计算的方法
【专利摘要】阀门缺陷类型识别与内漏内漏速率计算的方法。其步骤包括（1）基于声发射技术开展阀门内漏检测实验，获取实验数据；（2）提取阀门特征、工艺参数、声发射信号特征等方面数据，构建高维特征空间；（3）对高维特征空间数据进行保局投影降维，提取低维空间特征；（4）建立基于支持向量分类的阀门内漏缺陷类型识别模型，选用RBF核函数，用微粒群算法确定模型的最优参数，输入低维空间标记数据进行训练；（5）基于主动学习的方法，标记对模型影响较大的无标签数据样本，建立支持向量回归的内漏内漏速率计算模型；（6）利用模型预测待测阀门的内漏缺陷类型及内漏速率。本发明降低了对数据样本数量的依赖，有效解决阀门内漏定量检测困难的问题。
【专利说明】阀门内漏缺陷类型识别与内漏速率计算的方法
【技术领域】
[0001]本发明涉及阀门内漏检测领域，特别涉及阀门内漏缺陷类型识别与内漏速率计
笪
【背景技术】
[0002]近年来，基于声发射技术的阀门内漏检测已经成为研究热点。有些研究人员从声发射机理出发，用解析法提出了阀门内漏速率估测的Kaewwaewnoi模型与E.Meland模型。但是，应用这些模型的前提是泄漏孔形状确定，这在工程现场中是很难直接获得的。大多数研究者着眼于阀门内漏的声发射信号的特征，在阀门内漏声发射信号预处理以及特征提取方面取得了很好的进展，对于阀门内漏速率预测，也提出了最小二乘法回归预测、数据对比等方法。受选取的特征参数数量及样本数量不足的限制，上述方法的预测模型只适用于限定状况下的阀门内漏检测，模型的可移植性与精确性较差，这严重制约了阀门内漏检测技术的工程转化。因此，数据的获取、甄选以及多维特征参数的降维处理成为制约阀门内漏检测技术发展的重要原因。
【发明内容】
[0003]本发明针对基于声发射技术进行阀门内漏检测时，数据样本少、数据特征参数利用不充分的问题，从流形学习降维、主动学习、支持向量领域出发，提出了一种阀门内漏缺陷类型识别与内漏速率计算的方法。降低了对数据样本数量的依赖，最大程度挖掘、利用了测试数据中的特征参数。建立普适性良好、由声发射信号特征等可测因素反演计算内漏速率的数学模型。
[0004]本发明的技术方案如下:
O分别从实验室、工程现场采集阀门内漏检测所需的实验数据:
实验室内采集，针对不同类型(球阀、闸阀、截止阀)、不同材质(碳钢、不锈钢、铸铁)的阀门，人工预制阀门内漏缺陷(密封划痕、穿孔、关不紧)，通过改变密封划痕的形状尺寸、阀体穿孔的形状尺寸以及阀门的开度，模拟缺陷的损伤程度；然后针对所有缺陷的阀门，以阀门类型、阀门材质、阀门尺寸、工艺参数(阀前压力、阀后压力、温度)、介质特性(密度、粘度和介质相态)为变量组合V，用宽频传感器以IMHz的采样频率采集阀门内漏声发射信号，包括特征量信号与波形流信号。标记内漏缺陷类型和测试阀门的内漏速率。
[0005]工程现场采集，针对工程现场发生内漏的阀门，记录变量组合V中的数值，采集阀门内漏声发射信号，根据工程现场状况，对于内漏缺陷类型和内漏速率已知的内漏阀门，标记阀门内漏缺陷类型标签及内漏速率标签，其他数据，不作标记。
[0006]2)将步骤I)采集的实验数据添加到样本集R。样本集R包括标签数据样本集L、无标签数据样本集U。
[0007]R中样本包含对象数据、测试数据与标签数据三类。
[0008]其中对象数据包含阀门类型、阀门材质、介质相态三个属性，测试数据包括阀门尺寸、阀前压力、阀后压力、温度、介质密度、介质粘度、声发射信号数据，标签数据包括内漏缺陷类型标签、内漏速率标签，分别记为L,、Ln。
[0009]对于实验中和工程现场中内漏缺陷类型与内漏速率已知的阀门，添加其步骤I)中采集的数据至标签数据样本集L中；对于工程现场中阀门内漏缺陷类型、内漏速率无法获取的阀门，仅将工程现场采集的对象数据与测试数据，添加至无标签数据样本集U中。
[0010]3)提取样本集R中所有声发射信号的幅值平均值、有效值电压(RMS)、平均信号电平(ASL)、峰值频率。选用db8小波基对声发射波形流信号进行了 5层小波包分解，
将原始信号分解到32个子频段上，根据每个子频段能量的大小，选取31.25^46.875KHz, 46.875^62.5 KHz, 62.5^78.125 KHz, 78.125^93.75 KHz,93.75~109.375 KHz, 109.375~125 KHz, 125~140.625 KHz, 140.625~156.25 KHz,156.25~171.875 KHz, 171.875~187.5 KHz十个能量最大的子频段”
子频段信号的能量计算公式如下:
【权利要求】
1.阀门内漏缺陷类型识别与内漏速率计算的方法，其特征在于，包括以下步骤: 1)分别从实验室、工程现场采集阀门内漏检测所需的实验数据: 实验室内采集，针对不同类型(球阀、闸阀、截止阀)、不同材质(碳钢、不锈钢、铸铁)的阀门，人工预制阀门内漏缺陷(密封划痕、穿孔、关不紧)，通过改变密封划痕的形状尺寸、阀体穿孔的形状尺寸以及阀门的开度，模拟缺陷的损伤程度；然后针对有缺陷的阀门，以阀门类型、阀门材质、阀门尺寸、工艺参数(阀前压力、阀后压力、温度)、介质特性(密度、粘度和介质相态)为变量组合V，用宽频传感器以IMHz的采样频率采集阀门内漏声发射信号，包括特征量信号与波形流信号；标记内漏缺陷类型和测试阀门的内漏速率； 工程现场采集，针对工程现场发生内漏的阀门，记录变量组合V中的数值，采集阀门内漏声发射信号，根据工程现场状况，对于内漏缺陷类型和内漏速率已知的内漏阀门，标记阀门内漏缺陷类型标签及内漏速率标签，其他数据，不作标记； 2)将步骤I)采集的实验数据添加到样本集R,样本集R包括标签数据样本集L、无标签数据样本集U，R中样本包含对象数据、测试数据与标签数据三类，其中对象数据包含阀门类型、阀门材质、介质相态三个属性，测试数据包括阀门尺寸、阀前压力、阀后压力、温度、介质密度、介质粘度、声发射信号数据，标签数据包括内漏缺陷类型标签、内漏速率标签，分别记为L,、Ln ;对于实验中和工程现场中内漏缺陷类型与内漏速率已知的阀门，添加其步骤O中采集的数据至标签数据样本集L中；对于工程现场中阀门内漏缺陷类型、内漏速率无法获取的阀门，仅将工程现场采集的对象数据与测试数据，添加至无标签数据样本集U中； 3)提取样本集R中所有声发射信号的幅值平均值、有效值电压(RMS)、平均信号电平(ASL)、峰值频率，选用db8小波基对声发射波形流信号进行了 5层小波包分解，将原始信号分解到32个子频段上，根据每个子频段能量的大小，选取31.25~46.875KHz, 46.875~62.5KHz, 62.5^78.125 KHz, 78.125^93.75 KHz, 93.75~109.375 KHz, 109.375~125 KHz,125~140.625 KHz, 140.625^156.25 KHz, 156.25^171.875 KHz, 171.875~187.5 KHz 十个频率段的能量，子频段信号的能量计算公式如下:
2.根据权利要求1所述的阀门内漏缺陷类型识别与内漏速率计算的方法，其特征在于:所述步骤6)中所述基于主动学习，从未知标签的数据中，选择对模型影响较大的数据点，主动学习的步骤如下: (1)将保局投影后Xl的低维特征数据与内漏速率标签Ln组合为B(x, y)，其中X为X3l样本数据，y为对应的泄漏量标签，以B (x,y)为训练数据，，选用RBF核函数，用微粒群算法确定模型的最优参数，训练得到最初的回归模型M0 ； (2)利用模型Mtl，输入降维后的无标签数据集Χ3υ中的数据xu，得到其对应的泄漏量预测值yu，将(xu，Yu)数据添加到数据集B (x, y)中，得到新的标记样本集Bnew，利用Bnrat中所有数据训练SVR模型，得到新的回归模型Mnev,然后用新模型Mmw计算原数据集B中X，获得新标签数据yMW ； (3)计算新的回归模型Mnew在数据集L上的均方根误差(RMSE)，计算公式如下:
【文档编号】G06F19/00GK103488906SQ201310459628
【公开日】2014年1月1日 申请日期:2013年9月30日 优先权日:2013年9月30日
【发明者】徐长航, 曹国梁, 陈国明, 任乐峰, 李国瑞, 史焕地, 艾素萍, 韩国星, 张丽珍 申请人:中国石油大学(华东)