[发明专利]阀门内漏缺陷类型识别与内漏速率计算的方法

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。

主权项

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1MHz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1）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_q、L_n；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1）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, 46.875~62.5 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十个频率段的能量，子频段信号的能量计算公式如下：其中，S_k（t）每一频段的重构系数；然后对样本集R中的所有样本，以阀门尺寸、阀前压力、阀后压力、温度、介质密度、介质粘度；幅值平均值、有效值电压（RMS）、平均信号电平（ASL）、峰值频率以及十个子频带的能量值共20个变量为输入参数，构建n*20的输入矩阵X1；4）通过流行学习方法对输入矩阵X1中测试数据进行保局投影(LPP)降维，提取低维空间特征，形成低维特征空间；首先按照不同维度对输入矩阵X1进行归一化处理，得到归一化处理后的矩阵X2，然后利用保局投影算法对X2进行降维处理得到矩阵X3，其中由标签数据样本集L降维获得的样本集记为X3_L，由无标签数据样本集U降维获得的样本集记为X3_U；5）对于由阀门类型、阀门材质、介质相态三个属性组合的不同研究对象，利用支持向量分类（SVC）方法，分别建立相应研究对象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，然后输入保局投影后X3_L中低维特征数据与内漏缺陷类型标签L_q，训练得到阀门内漏缺陷类型识别模型；6）对于由阀门类型、阀门材质、介质相态三个属性组合的不同研究对象，建立支持向量回归（SVR）阀门内漏速率计算模型，基于主动学习的方法，从降维后的无标签数据集X3_U中挑选对模型影响较大的数据点，然后通过实验采集获得内漏速率标签并加入到已标记样本集L，最后利用更新后的样本集L重新建立阀门内漏速率回归计算模型M_end；7）阀门内漏缺陷类型识别及内漏速率预测，按照变量组合V中要求采集被测阀门的相关数据，经过2）、3）、4）处理后得到该数据样本的降维后样本，然后将该降维后的样本分别输入5）、6）中建立的阀门内漏缺陷类型识别模型、阀门内漏速率回归计算模型，从而得到该阀门内漏缺陷类型和内漏速率。