基于CCA 和WT 的油庫閥門內漏聲發射信號去噪
宗福興1,稅愛社1,汪輝1,陳帆1,楊國瑞2
( 1. 后勤工程學院后勤信息與軍事物流工程系重慶401311 ; 2. 后勤工程學院學員旅重慶401311)
摘要: 基于聲發射原理的油庫閥門內漏檢測作為一種高效率、低成本的動態無損檢測方法取得了越來越多的應用。由于該方法本身的特點,在檢測過程中不可避免地會采集到大量的噪聲信號。如不能有效地消除這些噪聲信號,就會嚴重影響閥門內漏率估計的準確性并會造成閥門內漏的誤診。然而目前還沒有方法能夠實現對這些噪聲信號的去除。針對該問題,在分析噪聲對閥門內漏定量模型影響的基礎上,提出了一種基于雙傳感器的閥門內漏聲發射檢測模式,并利用互相關和小波變換的方法實現檢測信號的去噪。通過內漏模擬實驗表明,該方法能夠有效地去除各類噪聲的干擾,較大程度保存內漏信號的波形和時頻特性,實現內漏率定量估計精度的提高。
關鍵詞: 聲發射; 互相關分析; 小波變換; 閥門內漏; 去噪
中圖分類號: TP274 + . 2 TH137. 8 + 6 文獻標識碼: A 國家標準學科分類代碼: 510. 40
Denoising method for acoustic emission signal in oil depot internal valve leakage inspection based on CCA and WT
Zong Fuxing1,Shui Aishe1,Wang Hui1,Chen Fan1,Yang Guorui2
1.Department of Logistics Information & Logistics Engineering,Logistic Engineering University,
Chongqing 401311,China; 2. Troop of Cadet,Logistic Engineering University,Chongqing 401311,China)
Abstract: The internal leakage inspection of the oil depot valve based on acoustic emission ( AE) principle,which is a new dynamic nondestructive testing technology with high efficiency and low cost,is more and more applied. During the process of acoustic emission testing on valve leakage,a lot of noise signals would be collected. Due to the characteristics of the method,the evaluation accuracy of the valve leakage rates would be seriously affected. What's more,no approaches have been developed to reduce the noise signals. To solve this problem,a dual-sensor testing method,which combines cross-correlation with wavelet transform to denoise the testing signal,was proposed.
The result of the simulation experiment using the method shows that it could effectively reduce various noise interference,preserve the timefrequency
characteristics of signal greatly,and improve the accuracy of the valve leakage quantitative estimation.
Keywords: acoustic emission; cross-correlation analysis; wavelet transform; valve internal leakage; denoising
1 引言
閥門在油庫起著封閉、隔離、截流、分流等作用,是油庫中使用數量最多的設備之一[1]。密封面損傷等原因導致閥門內漏時有發生,從而造成混油或跑油,已清空儲罐油氣濃度超限,引發火災爆炸事故和環境污染等。由于閥門內漏具有不可見性,常規的檢測方法無法及時準確的對閥門內漏作出判斷。聲發射技術是一種動態無損檢測方法,可以在不停產的狀況下對油庫閥門的泄漏情況進行快速檢測和在線監測,提前提供閥門內漏信息,為修復或更換受損閥門提供決策[2]。
隨著對閥門內漏危害的重視,閥門內漏聲發射檢測得到了應用和推廣。其中,閥門內漏的定性檢測和定量估計成為研究的重點和難點。文獻[3-5]對閥門內漏聲發射檢測進行了研究,建立了多個獨立變量的多元回歸模型,如壓力、漏孔大小等,并對影響泄漏檢測的因素進行了總結。文獻[6]通過理論推導建立聲發射信號均方值PA與閥門內漏率Q 之間的關系模型。文獻[7]提出了利用檢測數據回歸的方法,建立聲發射信號特征參數與內漏率Q 的回歸模型。但上述方法存在的共同問題是內漏率定量估計的誤差較大,以文獻[6]中的實驗數據為例,實際內漏率為6 L /min的50. 8 mm 閘閥內漏實驗通過理論模型得到的內漏率約為7. 4L /min,相對誤差高達23%。究其原因,就是在聲發射信號采集的過程中存在大量的機械、電磁等噪聲,造成信號均方值的計算出現較大偏差,影響了內漏率的計算精度。去噪是閥門內漏檢測的前提,研究實用高效的聲發射信號去噪方法,不僅能夠大幅度提升內漏率的估計精度,同時能夠改進最小內漏率的檢測閾值,降低閥門內漏的誤報率。
目前,對如何有效去除閥門內漏聲發射檢測信號的噪聲,提高閥門內漏率估計精度的研究還未見文獻介紹。本文以Kaewwaewnoi 定量估計模型為閥門內漏定量估計方法,在目前僅使用單一聲發射傳感器檢測的基礎上,在閥門上游安裝前置傳感器,利用互相關分析的方法去除檢測傳感器中的上游機械噪聲,同時,利用小波變化對非平穩信號的良好去噪效果,實現檢測信號電磁噪聲的消除,最終達到提高信號信噪比,改善內漏率估計精度的目的。實驗結果表明,文中方法能夠有效地去除各類噪聲的干擾,較大程度保存內漏信號的波形和時頻特性,同時提高內漏率的定量估計精度。
2 閥門內漏定量估計及噪聲的影響分析
2.1 閥門內漏聲發射檢測原理
油庫部分閥門由于長時間工作在高壓環境,輸送介質中雜質沖蝕、劃傷、擠壓等原因致使密封面受損變形,導致閥門發生內漏。閥門內漏的聲發射聲源是流體通過密封面噴射形成的湍流、汽蝕和紊流等現象,其中湍流為主聲源[8]。
閥門內漏時的聲源會發出瞬態彈性波,此彈性波沿閥體傳播到材料表面,引起可以用聲發射傳感器探測的表面位移,探測器由于壓電效應會將材料的機械振動轉化為電信號,經前置放大器濾波、放大后,被聲發射采集卡采集輸入到主控制單元進行分析處理和記錄。對記錄的聲發射信號特征參數和波形進行分析和判斷,就可以確定閥門的泄漏情況[9]。
2.2 Kaewwaewnoi 定量估計模型[6]
文獻[6]在前期研究的基礎上,根據Lighthill 方程,Parseval 理論以及通過閥門的液體體積流速等理論,推導出可反映內漏率與聲發射信號均方值、壓力、閥門尺寸等因素間的理論關系,設p1為閥門入口壓力; ρ 為液體密度; D 為閥門尺寸; v 為液體中的聲速; Q為體積內漏率; cv為閥門的流量系數,常量; Δp 為通過閥門的壓降; S 為比重; C1為與檢測系統等有關的常量,則Kaewwaewnoi 定量估計模型為:
式中: 均方值
為閥門內漏聲發射信號,包含N 個采樣點。
定量估計模型建立了閥門內漏率與聲發射信號之間的理論關系,可通過采集的聲發射信號估計內漏率。
2.3 定量估計模型影響因素分析
為分析定量估計模型的影響因素,對式( 1) 取對數后求微分得:
在實際應用中,由于dµ < < µ,dρ < < ρ,dp1 < < p1,dD < < D,這些參數對閥門定量檢測的影響可忽略,式( 2) 可簡化為:
式( 3) 表明閥門內漏定量模型的主要影響因素為信號均方值PA和壓差Δp。dPA 與聲發射信號中的噪聲有關,dΔp 與儀表精度有關。假設聲發射信號x( n) 包含真正信號s( n) 和噪聲u( n) 。Ps表示s( n) 的均方值,Pu表示u( n) 的均方值,則閥門內漏聲發射檢測信號的均方值可表示為:
定量模型的相對誤差為:
式中: γQ為閥門內漏率的相對誤差,Δpmax為壓差的最大量程,dΔp /Δpmax為壓力表的精度。信號信噪比( SNR) 定義為: SNR = 10lg( Ps /Pu) ( 6)
將信噪比SNR 代入式( 5) ,整理得:
式中: KΔp是與壓力表有關的常數。
內漏率定量檢測相對誤差γQ與影響因素SNR,Δp 的關系如圖1 所示。由圖可知γQ隨SNR 和Δp 的增大而減小。由于對于特定檢測實驗,Δp 是一定的,對相對誤差的影響也是一定的,因此要提高定量模型的估計準確性只有通過提高聲發射信號的信噪比,即實現聲發射信號的去噪。
![001.jpg 001.jpg](//images.pv001.com/news/2016-7/30/20160730222853725372.jpg)
圖1 相對誤差rQ Q與SNR R和Δp p的關系
Fig.1 1The erelationship pbetween nrelative eerror r,SNRandΔp
2.4 閥門聲發射檢測主要噪聲源
閥門內漏聲發射檢測干擾噪聲主要有: :環境噪聲、機械噪聲、電磁噪聲等,這些噪聲隨機地分布在整個采樣時間范圍內[10]。為了剔除這些噪聲,在信號采集時,通過幅值、頻率設定和帶通濾波器的過濾,濾除了大量低幅值噪聲和閥門內漏聲發射信號頻率范圍以外的噪聲信號。然而,仍有部分噪聲被保存下來,影響了閥門內漏的檢測,本節對聲發射信號存留的主要噪聲進行分析,并提出相應的去噪方法。
1) 機械噪聲的影響分析
在對閥門進行內漏檢測時閥門是關閉的,但閥門上游仍然充滿液體,由于液體流動加之輸油泵的運行會導致輸送管道出現機械振動。同時,外界環境的干擾特別是來自閥門上游方向的干擾,都會被引入聲發射檢測信號,最終造成結果出現偏差。
閥門關閉時,采集聲發射信號如圖2 2所示,其信號均方值PA= =38.352 2mµ2 ,當閥門上游出現一輕微擾動時,采集到的信號如圖3 所示,其信號均方值PA = 566.584mµ2。2幀信號均方值相差16倍,不僅會造成內漏率估計出現較大偏差,而且可能造成閥門內漏的誤報。
![001.jpg 001.jpg](//images.pv001.com/news/2016-7/30/20160730222912711271.jpg)
圖2閥門關閉時檢測傳感器采集的信號
Fig 2The acquired signal of test-sensor when the valve is closed
圖3出現擾動時檢測傳感器采集的信號
Fig.3 The acquired signal of test-sensor when the disturbance appears
由圖2、圖3可知,僅由單一傳感器無法準確判斷檢測到的聲發射信號是由機械噪聲引起還是閥門內漏造成,更無法實現這類噪聲的去除,本文采取在閥門上游側安裝前置傳感器的方法濾除該類噪聲。圖4 4為與圖3信號采集同時安裝的前置傳感器采集到的信號。
圖4出現擾動時前置傳感器采集的信號
Fig.4The acquired signal of front-sensor when the disturbance appears
圖3和圖4中可直觀的看出,紅色方框內的信號波形類似,應屬于同一聲發射事件,同時圖4中信號的幅值明顯大于圖3的信號,而且對采集到的聲發射數據分析得圖3、圖4中的2幀信號采集時間差Δt=-1.6749ms,即前置傳感器先于檢測傳感器檢測到該信號,信號來自閥門上游。
互相關分析方法能夠精確確定2信號的相似程度,利用互相關方法可以在檢測傳感器接收到的信號中準確定位來自上游的機械噪聲干擾,從而實現對該類噪聲的去除。
2) 電磁噪聲的影響分析
在閥門內漏聲發射檢測時,放大器和濾波器等設備的靜電感應、電磁感應會引入電磁噪聲,圖5為圖2中數據傅里葉變化得到的頻譜圖,從圖5可以看出,雖然信號是在靜止條件下采集的,但信號量仍較大,頻率成分復雜,主要集中于70kHz左右。
圖5閥門關閉信號的頻譜圖
Fig.5Thespectrumofthesignalwhenthevalveisclosed
圖6 為模擬閥門內漏較大,入口壓力較小時采集的一幀聲發射信號,圖7 為信號對應的傅里葉變化后的頻率分布情況。從圖7中可以看出,閥門內漏率較大時信號頻率成分相對集中,主要位于35kHz左右的低頻部分,而圓圈部分頻率和幅值與閥門關閉時的聲發射信號相同,因此這部分信號應為傳感器、放大器等引入的電磁噪聲。
圖6 閥門內漏聲發射信號
Fig. 6 The acoustic emission signal of internal valve leakage
圖7閥門內漏聲發射信號頻譜圖
Fig. 7 The spectrum of acoustic emissionsignal of internal valve leakage
這類噪聲的頻率無法提前確定,一般的頻率鑒別去噪方法效果不理想。小波去噪的原理是把帶有噪聲的聲發射信號進行小波分解,聲發射信號與噪聲在小波變換下的行為各不相同,從而將二者分離開來,實現噪聲的去除。
3 互相關分析
相關性分析是時域中描述信號特性的一種重要方法,通常被用來分析信號的統計特性。對于2 2個采集時間間隔很短的聲發射信號波形,通過進行相關性分析,可以辨識出它們之間的相似程度,判斷它們是否來自同一次聲發射事件,結合信號到達傳感器的時間就可以判斷信號是否由閥門上游傳來。
設2個傳感器接收的聲發射信號分別為x(t)、y(t),則2信號的互相關函數Rx,y(τ)表達式為:
當τ=τ0,使得取得最大值時,Rx,y(τ)表示其中一個信號在延時τ0 后2路信號相關程度最高。將該處的互相關函數進行歸一化計算得到互相關系數:
由許瓦茲(Schwartz)不等式得互相關系數在0~1,越接近1表示2個信號近似程度越高,表示這2個信號來自于同一個聲發射源的可能性越大。
由于信號到達不同傳感器的路徑存在很大的差異 ,因此,即便是來自于同一個聲發射事件,每一個傳感器記錄下來的信號波形也不會完全相同。圖8 為圖3、圖4中2幀信號的互相關分析的結果,圖中信號互相關系數ρ=0.64,相似度較高,可以確定為一個聲發射事件。
圖8幀信號的互相關分析
Fig.8 Cross-correlation analysis of two frame signals
采用互相關分析方法不僅通過計算信號之間的互相關系數,得知2個傳感器接收到的信號的近似程度,而且可以比較精確地確定同一聲發射信號到達2個傳感器的時間差,從而便于實現噪聲信號的去除[11]。
4 小波變化去噪方法
小波變換是一種信號的時間-頻率分析方法,在時域和頻域都具有表征信號局部特征的能力,是目前廣泛應用的信號處理方法[12-14]。
小波基函數的定義為:對于函數ψ(t)∈L2(R),L2(R)表示平方可積的實數空間,其傅里葉變換為ψ(w),若ψ(w)滿足:
則稱ψ(t)為小波基函數或母小波。連續小波變換是將ψ(t)作平移b,在不同伸縮尺度a下與被分析信號X(t)作內積運算,得到:
式中:a為尺度因子,b為時間因子。
選擇a=a0m,b=nb0 a0m(a0>1,b0∈R,m,n∈Z) ),實現對a和b進行離散化處理,得到的離散小波變換。這種離散化體現了小波變換的“數學顯微鏡”功能,選擇適當的放大倍數a0m,則離散小波的定義式為:
![001.jpg 001.jpg](//images.pv001.com/news/2016-7/30/20160730224184908490.jpg)
若a0=2,b0=1,離散小波變換就稱為二進制小波變換:
二進制小波變換是將任意函數用小波函數展開,展開函數都由1個小波基函數的伸縮得到。隨著尺度因子變化,可以得到函數在不同尺度下的展開特性。尺度越小,空間分辨率越高。
由于在閥門內漏聲發射檢測時信號量較大,為滿足快速數據處理的要求,保證良好的時頻分析特性,同時保證小波基在時域上具有緊支性,在頻域上具有快速衰減性,采用Daubechies s小波的Db5的離散小波基[15]。
5 模擬實驗及結果分析
根據閥門內漏聲發射檢測中噪聲的特點,本文采用雙傳感器的模式進行信號采集,即在原有單一檢測傳感器的基礎上,在閥門上游側在安裝前置傳感器。由于不同內漏聲源產生的聲發射信號波形各不相同,為了能夠直觀反映文中方法的去噪效果和對原有信號特征的影響,設計了以標準聲發射信號為聲源的模擬實驗,同時通過對閥門內漏聲發射檢測實驗信號的去噪處理,驗證對漏率定量估計的改進效果。
5.1 實驗平臺搭建
為有效驗證文中去噪方法,搭建了圖9所示的油庫閥門內漏模擬實驗平臺,包括閥門內漏系統和聲發射檢測系統兩部分。
圖9模擬實驗原理圖
Fig.9 Principle diagram of simulation experiment
1)閥門內漏系統:采用直徑為50mm的管道搭建模擬管路,最大耐壓10MPa。選擇DN50閘閥作為模擬內漏閥門,泄漏介質為水,變頻泵用于產生入口壓力保持在100~700kPa的水流,計量罐用于計量閥門的實際漏率。
2)聲發射檢測系統:實驗采用Vallen多通道全波形聲發射檢測儀實時采集信號。主要儀器及參數如表1所示,其中聲發射信號發生器可產生不同頻率和幅值的標準聲發射信號,可用于傳感器調試及驗證實驗。
表1信號采集儀器及其主要參數
Table 1 The signal acquisition instrumentsand the main parameters
檢測時,將前置傳感器和檢測傳感器用耦合劑分別粘貼在閥門上下側的法蘭處,用以檢測閥門內漏時產生的信號。
5.2 標準聲發射激勵信號仿真實驗
利用聲發射信號發生器產生頻率為60kHz,幅值為50dB的標準聲發射信號,信號波形如圖10所示。將該信號作為檢測聲源,通過互相關分析和小波變化的方法對檢測信號進行去噪處理。
![001.jpg 001.jpg](//images.pv001.com/news/2016-7/30/20160730224896669666.jpg)
圖10 標準聲發射信號
Fig.10 Standard acoustic emission signal
1)互相關分析。圖11為前置傳感器和檢測傳感器檢測到的信號,對圖中①號信號與② 、③號信號分別進行互相關分析得ρ12=0.12,ρ13=0.54,可以確定①號與③號信號由同一聲發射事件產生,同時經過對采集信號進行分析得t13 =2.5355ms,即①號和③號信號是由閥門上游引起的干擾信號。
圖11 前置和檢測傳感器的檢測信號
Fig.11 The test signals of front-sensor and test-sensor
將圖11中檢測傳感器檢測信號的噪聲信號去除,得到不含有上游干擾的檢測信號,波形如圖12所示。
圖12去除上游干擾后信號
Fig.12The signal ofter removing upstream disturbance
2)小波變化。采用Daubechies小波的Db5的小波基對圖12中的信號進行小波去噪,經過離散小波分解和小波重構后的信號如圖13所示。
圖13小波重構信號
Fig.13Reconstructed signal with wavelet
對原始檢測信號和去噪后信號進行傅里葉變化得圖14。由圖可以看出,經過文中方法濾波的信號頻率集中在60kHz附近,即標準聲發射信號的頻率,因此基于互相關和小波變化的去噪方法能夠有效還原檢測信號,并保存了原始信號的時頻特性。
圖14 去噪前后檢測信號頻譜圖
Fig.14Spectrum of before deniosing and after
5.3 閥門內漏模擬實驗
為驗證文中方法對閥門內漏聲發射檢測內漏率估計精度的改進效果,本節在入口壓力p1=500kPa的條件下,通過閥門不完全關閉的方法,模擬內漏率為1~6L/min n的閥門內漏實驗。查表得流量參數cv=346[16]。
圖15為檢測信號去噪前后聲發射信號均方值及由模型計算得到的信號均方值關系圖,由圖可以看出經濾波后的信號均方值有明顯降低。
圖15去噪前后檢測信號漏率與均方值關系圖
Fig.15The relationship between the leakage rate and PA of the test signal before denoising and after
將去噪前后信號的均方值代入定量估計模型得到估計內漏率與實際內漏率的誤差圖,如圖16所示。
圖16去噪前后檢測信號估計誤差
Fig.16The estimated error of the test signal before deniosing and after
由圖16得,去噪后的信號應用于閥門內漏率估計的結果比未去噪信號精度更高,平均提高0.3584L/min,因此文中去噪方法對閥門內漏定量檢測具有較為有效地應用效果。同時,由于現場檢測的干擾噪聲比實驗室條件下強度更高,將該方法應用于實際現場會取得更好的估計精度提高效果。
6 結論
油庫閥門內漏聲發射檢測信號經常受到機械、電磁等噪聲干擾,這些噪聲不僅使內漏率估計出現較大偏差,還會造成閥門內漏的誤報。本文首先分析了閥門內漏率估計的影響因素,并對主要噪聲源的特征及對內漏檢測的影響進行了研究,針對單一傳感器無法有效識別和去除來自閥門上游噪聲信號的問題,提出了雙傳感器的聲發射檢測模式,并利用互相關分析方法實現上游噪聲的去除。同時,利用小波變化的方法去除檢測信號中電磁噪聲。模擬實驗表明,文中方法算法簡單,易于實現,不僅能夠有效地去除聲發射信號中各類噪聲的干擾,并能較大程度保存內漏聲發射信號時頻特性,同時能有效提高內漏率的估計精度。
參考文獻
[1]王軍,宋發春,范繼義.油庫閥門故障原因的分析及預防[J].油氣儲運,2004,23(10): :51-53.
WANG J,SONG F CH,FAN J JY.Analysis on valve failure and accident prevention in tank farm[J].Oil l& &gas storage and transportation,2004,23(10):51-53.
[2]高倩霞,李錄平,饒洪德,等.閥門泄漏率的聲發射測定技術研究[J].動力工程學報,2012,32(1):42-46 .
GAO QX,LI L P,RAOH D,et al.Acoustic emission theory and testing technology for quantitative diagnosis of valve leakages[J].Journal of Chinese Society of Power Engineering,2012,32(1):42-46.
[3]NAKAMURA T,TERADA M.Development of leak mo-nitoring system for pressurizer valves[J].Progress in Nu-clear Energy,1985,15:175-179.
[4]PUTTMER A,RAJARAMAN V.P3F-6 acoustic emis-sion based online valve leak detection and testing[C].Ultrasonics Symposium,2007. .IEEE. .IEEE,2007: :1854-1857.
[5]LEE SG,PARKJ H,YOOK KB,et al.Evaluation of in-ternal leak in valve using acoustic emission method[J].Key Engineering Materials,2006,326: 661-664.
[6]KAEWWAEWNOI W,PRATEEPASEN A,KAEWTR-AKULPONG P.Investigation of the relationship between internal fluid leakage through a valve and the acoustic emission gene-rated from mthe leakage[J].Measurement,2010,43(2):274-282.
[7]MELAND DE,THORNHILL N F,LUNDE E,et al.Quantification of valve leakage rates[J].AIChE EJournal,2012,58(4):1181-1193.
[8]JAFARI S SM,MEHDIGHOLI H,BEHZAD M.Valve fault diagnosis in internal lcombustion engines using acoustic emission and artificial neural network[J].Shock kand dVibration,2014.
[9]JAFARI S M,MEHDIGHOLI H,BEHZAD M.Investi-gation of the relationship between engine valve leakage and acoustic emission measured on the cylinder head ig-noring gcombustion effects[J].Proceedings of the Institu-tion of Mechanical Engineers,Part tE:Journal of Process Mechanical Engineering,2014.
[10]文玉梅,謝仁峰,楊進,等.管道泄漏檢測中的噪聲自適應抑制[J].儀器儀表學報,2012,33(10):2228-2233.WEN Y M,XIE R F,YANG GJ,et al.Adaptive noise suppression in pipeline leak kdetection[J].Chinese Jour-nal of Scientific Instrument,2012,33 (10):2228-2233.
[11]王偉魁,曾周末,孫立瑛,等.基于相關分析的聲發射儲罐罐底檢測降噪方法[J].振動與沖擊,2010, 29(8): 178-180.WAN W K,ZENG ZH M,SUN L Y,et al.Denoising method for acoustic emission testing of tank bottom based on cross-correlation analysis[J].Journal of vibration and shock,2010,29(8):178-180.
[12]杜云朋,王建斌,靳小強.超聲導波管道檢測的小波模極大值去噪法[J].電子測量與儀器學報,2013,27(7):683-687.DU Y P,WANG J B,JIN X Q.Defect detection of ultra-sonic guided wave pipeline using de-noising method based on wavelet modulus maximum[J].Journal of electronic measurement and instrument,2013,27(7):683-687.
[13]TO A C,MOORE J R,GLASER S D.Wavelet de-noising techniques with applications to experimental ge-ophysical data[J].Signal Processing,2009,89(2):144-160.
[14]孫立瑛,李一博,靳世久,等.基于小波包和HHT T變換的聲發射信號分析方法[J].儀器儀表學報,2008,29(8):1577-1582. SUN L Y,LI Y B,JIN SH J,et al. Acoustic emission signal processing method based on wavelet package and HHT transform[J].Chinese Journal of Scientific Instru-ment,2008,29(8):1577-1582.
[15]郭艷平,解武波,鄭小平.基于小波的聲發射信號特征分析[J].蘭州交通大學學報,2008,27(3) 123-125.
GUO Y P,XIE W B,ZHENG GX P.Research on the fea-tures of acoustic emission signal based don wavelet[J].Journal of Lanzhou Jiaotong University,2008,27 (3)123-125.
[16]LYONS J L,ASKLAND C L.Lyons'encyclopedia of valves[M].Van Nostrand Reinhold Company,1975.
作者簡介
宗福興,2012年于后勤工程學院獲得學士學位,現為后勤工程學院碩士研究生, ,主要研究方向為智能檢測與控制技術,聲發射檢測技術等。
E-mail: [email protected]
Zong Fuxing received bachelor degree from
Logistical Engineering University in 2012.He is currently a mas-ter student in Logistical Engineering University.His research in-terests include intelligent detection and
control technology and a-coustic emission testing technology.
稅愛社( (通訊作者) ),1986 6年于重慶大學獲得學士學位,1999 9年于后勤工程學院獲得碩士學位,2014 4年于重慶大學獲得博士學位,現為后勤工程學院教授、碩士生導師,主要研究方向為智能檢測與控制技術, ,油料儲運自動化系統等。
E-mail: [email protected]
Shui Aishe (Corresponding gauthor)received bachelor degree from Chongqing University in 1986,master degree from Logistical Engineering University in 1999,doctor degree from Chongqing University in 2014.She is currently a professor and master super-visor in Logistical Engineering gUniversity.Her research interests include intelligent detection and control technology,oil storage and transportation automation system.