[发明专利]基于声发射技术的加压气力输送流型检测装置和方法

权利要求书

1.一种基于声发射技术的加压气力输送流型检测装置，其特征在于：包括加压气力输送管道测试段（1），声发射接收探头（2），前置放大器（3），主放大器（4），数据采集器（5）和计算机（6）；其中，有若干个声发射接收探头（2）分别紧贴安装于加压气力输送管道测试段（1）外管壁上，声发射接收探头（2）与前置放大器（3）、主放大器（4）、数据采集器（5）以及计算机（6）依次连接。

2.根据权利要求1所述的基于声发射技术的加压气力输送流型检测装置，其特征在于：所述声发射接收探头（2）数量为四个。

3.根据权利要求1所述的基于声发射技术的加压气力输送流型检测装置，其特征在于：所述声发射接收探头（2）的安装位置是沿加压气力输送管道测试段（1）外管壁同一圆周均匀分布的。

4.一种采用权利要求1、2或3任意一项所述的加压气力输送流型检测装置进行加压气力输送流型检测的方法，其特征在于包括如下步骤：

1）数据采集：安装于加压气力输送管道测试段（1）外管壁的四个声发射接收探头（2）接收加压气力输送管内颗粒与管壁、颗粒与颗粒之间的碰撞和摩擦产生的声发射信号，声信号通过各级放大器放大，再通过数据采集器送入计算机；

2）对声发射信号进行Hilbert-Huang变换分析，提取相应的特征值，具体为：

Hilbert-Huang变换分析过程包括经验模态分解EMD和Hilbert变换；

首先，对采集得到的声发射信号进行分解，可得到一系列固有模态函数Intrinsic mode function，IMF，并满足下列条件：在整个数据段，极值点和过零点的数目必须相等或至多相差一个；在任意一数据点，局部最大值的包络和局部最小值的包络的均值为零；通过不断剔除信号的极小值和极大值连接的上下包络线的均值，原始声发射信号x(t)可分解为：

x(t)=Σi=1nIi(t)+rn(t)---(1)]]>

式中，I_i(t)为分解得到的IMF分量；r_n(t)为常数或单调函数；

接着，对每一个IMF做Hilbert变换

Li(t)=1π∫-∞∞Ii(τ)t-τdτ---(2)]]>

式中，L_i(t)为I_i(t)的Hilbert变换。

解析信号Z_i(t)

Zi(t)=Ii(t)+jLi(t)=ai(t)ejθj(t)---(3)]]>

其中，

幅值ai(t)=Ii2(t)+Li2(t)---(4)]]>

相角θi(t)=arctan(Li(t)Ii(t))---(5)]]>

每个IMF分量的瞬时频率为

ωi(t)=12πdθi(t)dt---(6)]]>

根据不同频段IMF分量的能量分布来进行流型的分析和判别，以各频段的能量占信号总能量的百分比作为特征值来表征流动形态的信息，引入能量特征值e并定义为：

eh=EhE,em=EmE,el=ElE---(7)]]>

式中E_h、E_m、E_l分别表示高、中、低频段的能量，E表示总能量，相应的，e_h、e_m和e_l分别代表高、中、低频段能量百分比；能量计算公式如下：

Ei=∫-∞+∞|Ii(t)|2dt---(8)]]>

3）采用广义回归神经网络（GRNN），将步骤2）得到的能量特征值e作为输入，输出与流型对应，即悬浮流为（0,0,0,1），分层流为（0,0,1,0），沙丘流为（0,1,0,0），柱塞流为（1,0,0,0），建立神经网络并对其进行训练，训练好的网络可完成从能量特征值e空间到流型空间的映射，从而建立管内流型与声发射信号特征的关联；在流型未知的情况下，利用训练好的神经网络反推管内流型，实时在线检测管内流型变化。

5.根据权利要求4所述的加压气力输送流型检测的方法，其特性在于：所述步骤1）中数据采集的采样频率设定在200kHz以上，采样时间持续30s以上。