【摘 要】
：
为了获得准确的压力管道泄漏点的位置,方便更快处理,减少损失,提出了一种泄漏声源定位方法。该方法首先对上下游两个传感器采集到的信号使用集合经验模态分解(EEMD)和互相关法进行去噪处理,对去噪后的信号进行傅里叶变换,根据其频谱通过选频算法得到观测频率;对去噪信号进行经验模态分解(EMD),选取观测频率的能量最大的本征模态(IMF)分量做为观测信号,使用观测信号进行互相关计算得到时延,再由时延与波速完成定位。实验结果表明,该方法可以较好地去除噪声干扰,定位精度能够满足工程需要。
论文部分内容阅读
为了获得准确的压力管道泄漏点的位置,方便更快处理,减少损失,提出了一种泄漏声源定位方法。该方法首先对上下游两个传感器采集到的信号使用集合经验模态分解(EEMD)和互相关法进行去噪处理,对去噪后的信号进行傅里叶变换,根据其频谱通过选频算法得到观测频率;对去噪信号进行经验模态分解(EMD),选取观测频率的能量最大的本征模态(IMF)分量做为观测信号,使用观测信号进行互相关计算得到时延,再由时延与波速完成定位。实验结果表明,该方法可以较好地去除噪声干扰,定位精度能够满足工程需要。
其他文献
针对传统桥梁结构损伤诊断方法在时间联合序列信号特征提取及损伤识别方面不理想的问题,提出一种基于联合卷积神经网络(convolutional neural network, CNN)和长短时记忆神经网络(long short-term memory, LSTM)模型的桥梁结构损伤诊断方法,通过CNN对动挠度、动应变进行传感器拓扑相关特征提取后,再利用LSTM网络进一步提取时间维度相关性特征,实现了健康、损伤预警、一级损伤和二级损伤4种特定工况下桥梁损伤的识别。实验结果表明,该方法对桥梁结构损伤的诊断准确率高
为了改善传统的波纹补偿器故障诊断方式,实现远程且实时监测波纹补偿器的故障情况,设计了一种基于移动终端的波纹补偿器故障诊断系统.系统选用传感器、采集卡等硬件完成对温度、振动信号的采集以及模拟信号到数字信号的转变,使用工控机内的LabVIEW软件完成数据的分析与处理,存储数据并提取故障特征参数;等待系统平稳运行后,通过上传程序将数据上传至服务器,然后移动终端接入服务器下载数据并显示故障特征参数.实验结果表明,系统能够对波纹补偿器的工作状况实现远程且实时的故障诊断,有效避免由于波纹补偿器损坏造成的安全事故,极大
某异形拱桥在服役期间拱肋、吊杆、桥台及桥墩等部位出现不同程度病害,对结构安全造成一定影响。文中对这些病害进行分析说明,同时借助空间有限元软件建模分析评价其承载能力,证明该桥在该阶段达到公路-Ⅱ级荷载的要求,但安全储备不足;通过对比分析多种吊杆更换方法选出最合适的方法,并阐述吊杆更换方案和监控方案。
针对DeeplabV3+网络模型在服饰图像分割研究中存在上下文信息利用不充分、目标边界处理粗糙,难以满足生产生活中的真实需求等问题,提出并实现了一种融合多注意力机制的DeeplabV3+服饰分割的算法。该方法以DeeplabV3+网络为基础,使用特征金字塔替代空间金字塔,结合注意机制融合图像相邻尺度下的上下文信息,为服饰图像分割提供更多的空间注意力信息。为验证本算法的效果,在Human Parsi
针对传统卡尔曼滤波算法难以解决非线性非高斯系统目标跟踪的问题,采用重要性重采样方法对粒子滤波算法进行改进,给出了从高维概率密度函数中抽取粒子的详细方案,建立了一维强非线性UNGM模型以及非高斯机动目标模型,使用改进的滤波算法在非线性以及非高斯模型下进行了仿真研究,并与4种非线性滤波算法的性能进行了比较分析。实验结果表明,改进的粒子滤波算法在估计度和滤波稳定性方面具有明显优势,并且可以很好地处理非高斯条件下机动目标的跟踪问题。
针对非正交多址接入(non-orthogonal multiple access, NOMA)协作的全双工-设备间(full-duplex-device to device, FD-D2D)通信系统,提出基于信干比的最佳转发节点的选举算法(SBFS)。先计算D2D数据源端(D2D-S)的信干比(SINR),再从可用的FD-D2D通信对中选择具有最大SINR的D2D-S节点分享蜂窝频谱,作为蜂窝用户与基站间的转发节点,进而提高蜂窝传输效率。同时,D2D-S端采用自干扰抑制技术消除自干扰,并采用功率分割策略分
为降低移动物联网部署过程中存在的数据融合性能不强、网络能耗难以控制的不足,提出了一种基于凝聚机制的移动物联网数据融合算法。首先,针对移动物联网路由抖动现象,设计了基于凝聚机制的数据融合爬取方法,将具有相似特性的数据进行融合传输,从而提高数据融合质量。其次,针对路径转折所导致的传输波动问题,设计了基于偏转方法的骨干传输路径修正机制,通过动态调整下一跳节点来增强网络对链路抖动的适应,强化动态链路对传输
由于不同仪器传递函数的差异,会出现同物不同谱,同谱不同物等现象,因此在旧仪器建好的模型不能被新仪器上采集的数据集直接共享使用.传统方法是在新仪器上采集大量数据重新建模,此过程费时费力,导致光谱的模型利用率低.针对这些问题,采用卷积神经网络(convolutional neural network,CNN)架构建模,完成从源域到目标域跨仪器的模型迁移研究.实验中m5spee光谱仪采集的样本选用CNN构建网络,将其作为预训练模型,使用迁移训练进行微调,保留原模型卷积层的关键参数,连接新的全连接层,能够使原模型
针对恶劣工况下,荧光测温设备自身的系统噪声会随着工作环境变化而发生大幅变化问题,提出一种基于B样条最小二乘拟合的改进型希尔伯特-黄变换.该算法通过B样条最小二乘拟合抑制模态混叠效应,采用ARM Cortex-M7处理器实现基于上述算法的荧光寿命温度传感器,并构建实验平台完成传感器标定和测温精度验证.最后,与小波变换、希尔伯特-黄变换进行对比实验,结果显示,在温度低于0℃和高于30℃时,测温误差比小波变化算法和希尔伯特-黄变换算法降低30％以上,表明该方法能够有效的抑制系统噪声和环境变化引起的噪声变化.
针对机载旋转部件测试中稳定的电源传输方式,设计了一种适用于各种高速转动场合下的松耦合方式近距式感应供电传输方式,为特殊旋转环境下的测量设备供电难题提供思路。基于松耦合方式的分离式变压器原理,巧妙采取了U型铁芯与铺设导磁体减小电磁信号损耗,提高极低电磁耦合环境条件下电源传输功率的需求。经过理论分析与试验测试,对发射调制频率和初次级线圈匝比进行试验,结果为传输功率达到不小于2 W,传输效率不小于10%。通过装机测试,结果表明,该方法的可行性与有效性对于各类旋转部件供电设计具有一定的参考意义。