一、球形容器声发射信号的人工神经网络分析技术研究（论文文献综述）
张国强[1]（2021）在《基于声发射技术的颗粒粒径在线监测研究》文中研究说明在现代工业生产过程中,固体颗粒粒径的在线监测越来越受到人们的重视。在火力发电领域,煤粉粒径是燃煤发电过程中的重要参数,直接影响着锅炉燃烧效率、磨煤机能耗以及污染物排放等,因此实现煤粉颗粒粒径的在线连续监测对于燃煤电厂的经济高效运行至关重要。声发射技术具有灵敏准确、实时在线、结构简单以及易于维护等优点,是近年来实现颗粒粒径在线测量的研究热点。现有的研究虽然初步验证了基于声发射技术的颗粒粒径测量方法的有效性,但对于该方法的机理研究仍相对滞后,阻碍着测量方法的进一步发展。因此亟需从机理层面出发,对声发射法颗粒粒径测量开展深入的研究。单颗粒碰撞声发射信号特征的研究是深入了解基于声发射技术的颗粒粒径测量方法的基础,能够方便地开展信号特征参数提取、粒径反演模型优化等工作,从而加深对粒径测量机理的认识,指导颗粒粒径测量系统的设计与优化,实现颗粒粒径的在线测量。本文的主要研究内容如下:（1）分析单颗粒碰撞声发射信号的时频域特征,研究声发射信号在波导杆上传递时的传播模式,探究颗粒粒径、碰撞速度、颗粒种类以及碰撞位置等因素对碰撞声发射信号特征的影响规律,从而增进对碰撞声发射信号的认识与理解。（2）采用参数分析法对颗粒碰撞声发射信号的峰值、振铃计数、持续时间、能量、上升时间、持续时间、能量以及有效值电压等时域特征参数进行提取,从而可以量化分析颗粒粒径与颗粒速度对这些声发射特征参数的影响。通过对各个时域特征参数应用于颗粒粒径反演可能性的评估表明,峰值与能量是最适合用来实现颗粒粒径测量的信号特征。（3）对基于声发射信号峰值的颗粒粒径反演模型进行改进与完善。为精确地实现颗粒粒径测量,颗粒撞击波导杆的过程根据Stronge非弹性碰撞理论进行描述,可以得到更加准确的碰撞接触力,进而建立声发射信号峰值与颗粒粒径之间的定量关系。分别采用平均粒径为0.4mm、0.6mm、0.8mm、1.0mm和1.2mm的玻璃珠在不同速度（22 m/s、32 m/s和37 m/s）下与波导杆发生碰撞,并采集相应的单颗粒碰撞声发射信号。通过与基于Hertz弹性碰撞理论的颗粒粒径反演模型得到的粒径测量结果对比,改进后的模型可以得到更加精确的颗粒粒径测量结果。不同实验条件下,所有实验颗粒的测量粒径能够与参考粒径基本保持一致,两者的相对误差大部分低于±10%。此外,颗粒种类对声发射法颗粒粒径测量结果的影响也进行了探究。（4）通过对颗粒非弹性碰撞过程中能量耗散的研究,提出一种基于声发射信号能量的粒径反演模型,从而实现颗粒粒径的测量。采用玻璃珠作为实验颗粒,在单颗粒碰撞实验装置上开展研究,验证所提方法的有效性。实验结果表明,所提的粒径测量模型能够根据碰撞声发射信号能量推导出颗粒粒径信息。不同实验条件下,测量粒径与参考粒径之间的最大相对误差为-13%。（5）针对气力输送管道中的颗粒粒径在线监测问题,采用基于局部能量的峰值检测方法对碰撞声发射信号的峰值信息进行提取,利用改进的颗粒粒径反演算法计算粒径信息。实验结果表明,对于粒径范围分别为10～246 μm、61～395 μm与116～750 μm的石英砂颗粒,绝大多数的测量粒径分布结果的绝对误差低于±5%,验证了颗粒粒径测量系统的有效性。
兰凌霄[2]（2021）在《基于视觉的压力容器焊缝识别及缺陷分类》文中认为依据国家相关规定,在役大型压力容器需要定期进行检测。目前传统的人工检测存在耗时费力、效率不高等问题,而采用检测机器人进行智能检测可以有效解决这些弊端。但在对压力容器进行视觉检测试验时,其内部的焊缝因长期使用受到了不同程度的磨损、腐蚀,给焊缝识别造成了干扰;在运用TOFD超声检测仪进行缺陷分类时,易受到检测人员主观判断的影响。为保证机器人沿着既定的焊缝运行并对焊缝缺陷进行准确分类,本文针对以上两个问题展开研究。焊缝图像识别研究方面,利用工业相机对焊缝图像进行采集,通过图像增强、图像平滑、边缘检测等算法技术,将获取到的图像进行预处理,剔除干扰因素,增强实用图像特征,提高焊缝识别度。然而对处理好的图片运用霍夫变化直线检测进行识别并对其参数进行自适应,效果仍不明显。研究采用灰度梯度和灰度分布的焊缝图像识别方法对比分析,提出基于LBP算子纹理特征的检测机器人视觉识别方法。该方法利用焊缝云纹等纹理特征,利用焊缝与其他区域纹理特征差别大的特点,用巴氏距离对LBP直方图进行比较,并采取阈值分割法将焊缝区域与其他区域明显区分,较好地解决了在大型压力容器上不同类型的焊缝因锈迹、光斑等干扰造成识别不太精准的问题。焊缝缺陷分类研究方面,通过描述焊缝缺陷的类别以及目前所用到的缺陷检测方式,基于卷积神经网络图像分类技术,提出一种运用改进的Alex Net框架模型对TOFD超声检测仪得到的图片进行分类。通过与基于纹理特征的SVM支持向量机分类相比,较好地解决了焊缝缺陷识别分类效率较低、准确率不高的弊端。最后,对上述两种改进方法用爬壁机器人进行实体检测,实验结果表明两个方案可行。
刘琪华[3]（2020）在《基于声发射技术的储罐罐底腐蚀状况检测及评价方法研究》文中进行了进一步梳理随着石油化工行业的发展,我国石油的需求量及产出量都在增加,对石油储备的要求也越来越高。作为石油的主要存储容器,常压金属储罐的储罐数量及罐区规模都在日益增大,与此同时,储罐的安全性问题越来越受到人们的重视。作为储罐安全评估中重要的一环,储罐底板腐蚀情况的评价一直是人们关心的重点。相比于传统的开罐检测方法,声发射检测技术作为一种动态、在线、整体的检测方法,具有检测时间短、经济损耗低的优点。在交通运输部天津水运工程科学研究院的实验帮助下,本文针对声发射检测技术在储罐安全评价中的应用,对储罐的腐蚀状况进行了检测及评价方法的研究。基于在役常压储罐罐底真实状况,设计并完成了金属腐蚀实验。以腐蚀速率作为研究对象,分别对储罐罐底板常用材料Q235B钢材在0.1g/L的氯离子溶液、自来水和石脑油沉积水中的腐蚀状况以天和周为时间单位进行了实验与分析。为研究腐蚀过程中的声发射信息,基于声发射检测原理,搭建了声发射信号采集装置,进行了实验室声发射信号采集实验。选取与金属腐蚀实验相同的实验条件设置,对模拟储罐进行持续的声信号采集,对采集到的声信号进行处理与计算,得到声发射信号特性参数信息。而后分别对金属腐蚀速率与声发射撞击、振铃以及信号能量进行皮尔逊相关分析,结果表明,金属腐蚀速率与这三种声发射信号特性参数均高度相关。分析了金属储罐的声发射检测与评价方法,确定了可以表征储罐底板腐蚀情况的声发射特性参数,分析并整理了需重点监管的、沉积水腐蚀性强的危险化学品,结合储罐自身信息,建立了储罐底板腐蚀评价方法。然后分别基于RBF神经网络和BP神经网络建立了储罐底板腐蚀评价模型。使用40组在役储罐信息及其现场检测数据对网络进行训练与测试,其中训练样本25组,测试样本15组。测试结果表明,RBF神经网络模型准确率为73.33%,BP神经网络模型准确率为93.33%。对3个不同的在役储罐进行声发射检测,利用准确率更高的基于BP神经网络的腐蚀评价模型对储罐进行评价,比较模型输出与声发射检测专家给出的评价结果。结果表明,利用BP神经网络构建的基于声发射检测的储罐罐底腐蚀评价模型准确率高,利用该模型对储罐底板进行腐蚀评价较为可靠。
陈杰[4]（2020）在《基于深度置信网络的列车车轴故障诊断研究》文中指出随着中国轨道交通运输业的飞速发展,高速列车由于其速度、舒适性、安全性、大承载能力和低能耗的优点而获得了快速地发展,现已成为人类交通的主要组成部分。车轴是列车运行的重要组成部分,承载着来自车体和轨道的载荷,车轴在运行中会产生疲劳裂纹,随着疲劳裂纹的加深车轴会发生瞬时断裂的情况,要求车轴在规定的运行工况下必须保证足够的安全性、可靠性和使用寿命,因此能够准确的诊断和预测疲劳裂纹对列车的安全运行有着至关重要的作用。在背景噪声和车轴受到敲击的情况下如何快速且准确的识别出车轴的疲劳裂纹是一个巨大的挑战。首先采集车轴的声发射信号,通过时域分析法和频域分析法提取声发射信号的时域和频域特征,提取的特征能够准确地表达车轴故障的内在信息。本文提出了一种基于深度置信网络（Deep Belief Network,DBN）的车轴故障诊断模型,实验结果表明DBN网络的故障诊断准确率要比传统的浅层网络高。然后对于DBN网络训练时间长和准确率不高的问题,加入了主成分分析（Principal Component Analysis,PCA）对原始故障特征集进行降维处理,以消除数据之间的关联性和复杂度,选取PCA处理后贡献率达到90%以上的主成分,获得低维故障数据集,然后通过建立DBN模型进行故障诊断,结果表明PCA与DBN相结合的故障诊断方案具有较高的故障诊断准确率。最后对于车轴疲劳裂纹的声发射信号发展趋势进行DBN预测,分别通过单步预测和多步预测进行预测研究,结果表明DBN在时间预测方面具有良好的性能。针对DBN网络隐藏层节点数人工设置复杂的问题,本文加入了粒子群算法（Particle Swarm Optimization,PSO）进行隐藏层节点数优化,实验结果表明经过PSO优化隐藏层节点数的DBN网络具有良好的故障诊断准确率和预测精度。
张璐莹[5]（2020）在《碳纤维复合材料损伤模态识别方法研究》文中研究表明随着科学技术不断进步,对材料性能提出了更好的要求,碳纤维复合材料由于具有比强度和比刚度高等优点,在航空航天、压力容器、风力发电、船舶、新能源等领域得到广泛应用。然而,纤维复合材料失效机理复杂,包括纤维断裂、基体开裂、界面脱粘和分层失效等,尤其是在使用过程中多种损伤失效相互混合、交叠给检测工作带来很大困难,具有重大的安全隐患。声发射检测技术常用来对碳纤维复合材料损伤进行检测,但声发射常规分析方法的损伤模式识别率低。因此开展损伤物理机制与声发射源的对应关系研究,从声源瞬态波形中提取损伤模态波形特征,并且掌握不同损伤类型的模态变化规律,对实现复合材料损伤声发射动态表征,进而实现在用复合材料容器及设备的损伤状态在线监测与智能评价具有重要意义。本文构建多激励模式声发射信号实验系统,以Lamb波理论为基础,借助经验模态分解和连续小波能量谱实现声发射波形模态分离,并将群速度频散曲线与小波能谱图相关联,实现不同激励声源模态特征识别。利用快速傅里叶变换对分离出的模态分量进行频域转换,得到不同模态的峰值频率范围。针对分离后的模态进行不同传播距离下的频率特征衰减试验,选择峰值频率和中心频率范围为判断指标,得到不同距离、不同激励作用下的频率特征变化情况。以碳纤维复合材料损伤机理为依据,首先针对纤维断裂和基体开裂两种典型损伤类型,设计了纤维束拉断和环氧树脂拉断声发射监测实验,采用特征参量经历关联分析得到两类损伤声发射时域参量的分布范围。并提取得到两种损伤类型声发射信号的峰值频率和能量分布。其次对两种损伤进行模态声发射特性分析,获得纤维断裂损伤和基体开裂的模态波形特征。最后构建了模态特征参量窗幅值TWA（Time Window Amplitude）和窗能量TWE（Time Window Energy）,通过时间窗函数进行模态参量特征值提取及时间-载荷经历分析,分析不同载荷下数值变化规律。建立碳纤维复合材料层合板面内弯曲损伤模型,利用H-P失效准则对碳纤维复合材料层合板进行面内弯曲数值模拟,以数值模拟结果为依据,设计面内弯曲损伤声发射监测实验。分析得到复合材料分层损伤声发射信号模态特征。在此基础上,针对碳纤维复合材料容器（气瓶）承压损伤过程,以三维Hashin失效准则为基础,内聚力模型与子层压板相结合进行了多尺度损伤数值模拟,获得纤维缠绕层基体开裂及纤维断裂损伤演化规律。搭建气瓶水压声发射监测实验系统,通过时域参量-载荷关联分析得到气瓶纤维缠绕层典型损伤参量变化趋势和数值范围。以TWA参量为基础提出气瓶损伤信号模态特征判据算法,实现不同模态类型的有效分离,并以分离后的模态参量随载荷的累计计数率实现了不同损伤类型演化趋势的准确表征。在K均值聚类算法对损伤声发射信号预分类处理的基础上,针对损伤信号模态特征设计了以模态上升时间、峰值幅度、峰值频率、持续时间等模态特征参数作为损伤模式识别输入样本,通过主成分分析法将多维输入数据进行空间降维处理,以相关向量机算法为基础构建复合材料气瓶损伤信号模态识别算法,并根据算法进行不同源信号交叉识别有效实现了损伤信号智能模式识别。将分离后的气瓶损伤模态TWE与载荷进行经历分析,得到不同损伤阶段其时域分布规律,并采用最小二乘法对其TWE时间累计计数变化曲线进行数据拟合,提取TWEb值作为不同损伤阶段的评价参量,结果表明TWEb值对损伤变化过程较敏感且趋势变化的单一,能够实现气瓶损伤的有效评价。
刘召[6]（2020）在《压力管线与气瓶绕线式防爆裂预警技术研究》文中认为压力管线与气瓶在长期运行后,容易产生腐蚀进而产生裂纹缺陷。这些裂纹缺陷在工况条件下极易发生扩展,导致压力管线与气瓶的破裂甚至爆炸,对人民的生命财产安全产生了巨大威胁,为此本文探究了压力管线和气瓶的绕线式在线监控技术的基本方法。该技术的基本方法是:在压力管线和气瓶的外壁紧密缠绕导电丝,缠绕的导电丝形成回路,并且导电丝与节点监测盒相连。一旦压力管线和气瓶结构存在危险发生变形,变形引起紧密缠绕在压力管线和气瓶外壁的导电丝断裂,报警器发讯,实现报警功能。采用计算机模拟研究与实验研究相结合的方法对裂纹缺陷的尺寸与变形量的关系,系统报警后的安全裕量等相关的一系列问题进行了研究。计算机模拟研究使用基于计算机图形学与数值模拟的方法,建立适于有限元模拟的几何模型与物理模型,利用有限元分析软件ABAQUS进行分析,并对其正确性进行了验证;实验研究过程中,首先通过对含不同尺寸裂纹缺陷气瓶进行爆破实验,验证了模拟的准确性和该预警系统的准确性和可靠性;然后对含缺陷的气瓶进行了精确地变形量的测量,验证了计算机模拟总结出的变形规律的正确性。通过计算机模拟与实验研究可得出:在裂纹缺陷存在的情况下,随着缺陷的增长,在缺陷部位的变形逐渐增大,计算临界变形量的变化出现两个方向的峰值;当缺陷长度较小时,在缺陷部位的变形量较小,计算临界变形量曲线仅有一个方向的峰值,这说明短缺陷附近的结构对缺陷的扩展有明显的抑制作用,即短缺陷影响区域有限,且在局部变形不规则;当缺陷长度较大时,在缺陷的中心部位产生了最大变形,计算临界变形量出现了两个方向的峰值,这说明当缺陷长度达到一定程度后,缺陷附近结构对缺陷中部扩展的抑制作用减退,中部结构发生了整体的变形;当缺陷长度达到一定程度,在缺陷的中心位置存在变形的最大值,从中心位置沿轴向变形逐渐减小,从中心位置沿环向变形先减小后增大;在靠近缺陷的位置轴向应变值为负值,这与筒体在内压作用下,由于曲率的影响,缺陷自由边会向外膨胀的“膨胀效应”表现相同,实验规律与计算机模拟一致;在一定范围内,缺陷越短,预警系统的压力安全裕量越大,缺陷长度超过400mm后,随缺陷继续加长,压力安全裕量的变化趋于稳定;压力管线与气瓶绕线式防爆裂预警技术预警灵敏、可靠,可为预警后的安全处置留下宝贵的压力区间。
杨刚[7]（2020）在《典型缺陷局部放电超声信号的特征与模式识别方法研究》文中提出电气设备是电力系统中重要的一环,无论是承载输变电任务的变压器和电力电缆等,还是作为高速列车能源传输纽带的车载高压电缆,由于其在生产、运行过程中无法完全避免绝缘缺陷,导致带电运行时发生局部放电现象。局部放电作为设备绝缘故障的重要起因和早期表现形式,常用于反映设备内绝缘状态。局部放电检测方式多种多样,相比于脉冲电流法、超高频检测法等传统的局放检测法,超声波检测法具有不影响设备运行方式、抗电磁干扰能力强等优点。虽然局部放电超声波信号的衰减特性使信号幅值与放电量对应存在困难,但其具有丰富的放电类型特征信息,可应用于局部放电类型识别。因此,本文开展了典型缺陷模型局部放电超声波信号特征的分析,以及特征量提取和模式识别方法的研究。本文对局部放电超声波信号的产生机理、介质中衰减方式进行了分析。总结电气设备在运行过程中出现的典型缺陷,如电极结构的毛刺、绝缘介质分层、绝缘层含气隙或划伤、绝缘表面附着导电微粒等,可将上述四种典型缺陷等效为尖端放电、沿面放电、气隙放电和悬浮放电。在实验室条件下设计并制作了四种典型局部放电模型,搭建了无电晕试验平台和超声波信号采集系统。利用小波阈值去噪法对采集到的超声波信号进行去噪处理,并探究了小波变换中母小波函数、分解层数选择,以及阈值参数中阈值选取规则、阈值重调方式、阈值函数对去噪效果的影响,将最优小波阈值参数应用于局部放电超声波信号去噪处理,能较好去除信号中的噪声。对不同类型局部放电超声波信号进行时频域分析,结果表明:四种类型局部放电超声波信号时域波形形状存在较大差异,不同类型局部放电超声波信号能量分布在不同频段。利用声发射特征的上升时间、持续时间、能量以及振幅等构成2/3D关联图谱,不同类型局部放电超声波信号在特征关联图谱中以不同簇的形式分布。基于不同类型局部放电超声波信号时域波形差异,提取了上升时间、持续时间、事件峰值因数、事件波形因数等18个初选波形特征参量,利用主成分分析法对初选特征参量进行去冗余处理,最终得到互相独立的4个新主成分指标。对同一超声波信号样本还提取了多尺度（10个尺度）模糊熵参量。将波形特征参量主成分指标和10个尺度下的模糊熵值分别作为分类识别输入特征向量。设计并优化了适用于少样本训练的支持向量机（SVM）算法,分别利用两种输入特征向量进行了分类识别训练和测试,训练和测试分别为100个样本,结果表明采用多尺度模糊熵特征向量识别率略高,达到92%。综上所述,通过提取典型缺陷局部放电超声波信号的波形特征参量和多尺度模糊熵参量,结合优化的支持向量机分类算法,可以有效地识别局部放电类型。
付佳[8]（2020）在《圆筒形容器表面声源定位方法研究》文中进行了进一步梳理近些年容器的安全问题被人们所关心,在工业中容器使用频率最高的和范围最广的是圆筒形容器。比如储存化学液体和运输油气的罐子都是圆筒形容器罐,罐身主体部分多为二维板类结构。在长期工作的环境下,这些容器容易因为反复施加压力出现材料损伤而发生爆炸。一旦发生爆炸会引发火灾和中毒等事件。在实际应用中很多圆筒形容器是用作储存仓和反应仓,如果因为材料断裂出现泄漏或者保护层脱落,那么就会造成经济损失和人身安全问题。因此监测这些有危害的声发射源就成了亟待解决的问题。无损检测技术是一种成熟并且不损伤材料本身的检测方法,各种无损检测技术在圆筒形容器的制造和定期检验中得到广泛的应用。而声发射技术是无损检测中的一种常用的方法,在容器健康监测中被广泛的应用。随着工业的发展和环境的要求,很多容器材料都为复合型材料,在容器材料内部声速分布不再是均匀的,我们就需要考虑容器材料的各向异性。本文首先简要阐述了二维各向异性板声源定位的发展与近况。总结了其他学者在二维板上的声源定位方法,在此基础上将二维平面声源定位方法,应用在圆筒形容器表面。在不知道容器材料结构性质的情况下,利用新三角时差算法对圆筒形容器表面进行声源定位。在未知声源位置的前提下,利用六个传感器分成两组测出声源到每个传感器的时间。实验以更具创新性的方式进行,实验中采取单发单收的实验方法,利用单通道的脉冲信号发射接收仪和示波器模拟声源定位。通过对传感器接收到的信号进行记录分析,得到传感器的到达时差并记录数据,把所测得的数据代入反演程序中算出声源位置。其次,针对新三角时差法的传感器的摆放方式只能为直角等腰三角形且摆放方式的操作要求较高、而且在实际应用中会受到容器结构的限制,本文将采用传感器任意三角形摆放方式的时差法。这一方法也是利用六个传感器分为两组进行测量。通过接收传感器的到时,带入反演程序中计算声源位置。通过实验结果分析这一方法应用在圆筒形容器表面的可行性。这一方法的优点是不再限定传感器的摆放方式。通过实验对比证明这一方法也可以很快的预测声源位置,并且具有新三角时差技术的无需大量的计算和求解非线性方程组的优势。分别对两种方案的实验结果进行了分析,结果表明这两种方法均不受材料结构性质的影响,能够快速准确地定位出声源位置。实验中采取单发单收的实验方法,利用单通道声发射仪就可以模拟声源定位实验,实验操作简单,大大减少了成本。实验结果验证本文两种声源定位的方法可以用来监测以圆筒形为主体的容器,提前预知危险的声发射源位置。这一方法在实际生产应用中有很大的潜在应用价值。本文的研究结果为圆筒形容器表面声源定位方法提供理论基础和实验依据,为其应用奠定理论方法基础。
刘伟龙[9]（2020）在《基于声学的气固两相流质量流量测量研究》文中研究表明气固两相流广泛存在于电力、制药、冶金等多个领域。颗粒质量流量作为气固两相流重要参数之一,能够对其进行测量对工业过程的检测与控制具有重要意义。国内外众多学者采用不同的测量手段对其进行了大量研究。声学法作为其中一种研究方法,由于其自身优势得到了各国研究人员的重视。例如:超声波具有频率范围较宽,可进行多重频率的选择;穿透性强,无需对两相流进行二次处理即可测量;非接触式,可实现移动式在线测量等特点。而声发射法对颗粒特征参数极为敏感,具有安全性高,无需信号发生装置,设备简单等特点。本文工作主要围绕在气固两相流中颗粒质量流量的声学测量法理论及应用进行研究。首先利用超声（主动式声学法）对气固两相流进行研究。超声测量研究又分为超声衰减系数和超声声速两个研究方向:1.通过将超声衰减系数的计算与蒙特卡罗算法结合来对颗粒质量流量进行预测;2.通过研究不同的气固两相流参数对超声声速的影响,对超声声速法测量颗粒质量流量的可行性进行了研究。然后,对气固两相流运行过程中颗粒与探针碰撞产生的声发射（被动式声学法）信号进行研究,建立了颗粒质量流量与声发射信号之间的关系。论文的主要研究内容及结论如下:基于Hertz碰撞理论和Zener碰撞理论,对两相流中声发射信号的产生机理进行了研究。推导了信号主频的计算方法以及声发射能量的计算方法,并将描述颗粒分布的Rosin-Rammler函数引入到声发射能量计算中,建立了新的声发射能量计算模型,为声发射能量的精确计算提供一定的理论依据。基于单颗粒弹性散射与吸收理论,利用超声衰减系数结合蒙特卡罗统计算法来对气固两相流颗粒质量流量进行预测,建立了超声衰减系数-蒙特卡罗计算模型。结果表明,该方法能够准确的预测单颗粒表面的声压分布以及稀相气固两相流中的声衰减系数,以此为依据对颗粒体积分数进行测量,进一步求取颗粒质量流量。通过对比可知,该方法可以为稀相气固两相流颗粒质量流量的测量提供理论依据。基于多种两相流超声模型,对多种物性参数对不同模型声速的影响进行了研究。结果表明连续相声速的变化对超声声速的测量结果影响程度最大。从连续相来说,其它参数的影响程度基本在同一个数量级,其中密度的影响程度较大。从颗粒相来说,颗粒相声速变化的影响程度最小,而颗粒相密度的影响程度最大。对比不同相的同一参数,连续相参数的影响要大于颗粒相。因此在测量过程中,要更为精确的测量连续相的物性参数。将实验结果与数值模拟结果进行对比,在实验测量范围内,声速法的平均误差为5.92%。结果表明超声声速可以用来作为测量颗粒质量流量的有效测量手段之一。在声发射实验研究方面,提出了基于侵入式网型探针的声发射信号采集方法,通过此方法来规避传统贴壁式测量方法中管道特性参数对声发射信号产生的影响。并将EEMD算法和MSECF参数引入到声发射信号测量中,利用声发射技术对颗粒质量流量进行测量。通过对比四种探针布置方式可知,网型探针信号相对误差在1.5%,网型探针采集的声发射信号指标要优于T型探针和贴壁式探针。对于贴壁式探针,在有机玻璃管道表面采集的信号相对误差在5.8%,而在不锈钢管道表面采集到的信号相对误差在0.3%。与贴壁式探针相比,网型探针具有固定特性参数,其规避了管道参数对声发射信号的影响,采集到的声发射信号仅受到颗粒参数的影响。该方法更具有普适性,适合于不同管道参数下的气固两相流颗粒质量流量测量。利用EEMD算法提取有效IMF分量,在单粒径情况下建立IMF分量与颗粒质量流量的关系。该方法的最大误差在7.61%,平均误差在5%以下,均要低于小波包分析方法的误差。在多粒径情况下,引入MSECF来对颗粒粒径进行区分,然后再通过IMF分量与颗粒质量流量的线性关系式确定颗粒质量流量。此外,还可通过IMF分量与BP神经网络结合进行颗粒质量流量测量。通过对隐含层层数、各层神经元个数进行探究表明,输入层为IMF1～IMF4,隐含层为两层,每层神经元的个数为13时该神经网络性能参数达到最优,该联合模型的平均误差在8.22%,可由此来对颗粒质量流量进行测量。研究表明,在采用网型探针结构,EEMD算法的情况下,该技术可以作为测量颗粒气固两相流中颗粒质量流量的有效手段之一。
闫盛楠[10]（2019）在《流化床内基于神经网络方法的非球形颗粒两相流模拟研究》文中认为气固流态化系统广泛应用于能源、化工、食品、航天等工业领域。在气固流态化系统中,颗粒通常呈现不规则的非球形。在传统的研究方法中为了简化计算,研究者们通常将颗粒假设为球形颗粒。然而,在很多实际的颗粒系统中,球形颗粒的假设已不能真实的反映流态化系统中的颗粒流动行为,严重地影响了流化床反应器的设计、优化、模化和实际运行。因此,开展典型流化床内非球形颗粒气固两相流体动力特性的研究是十分必要的。数值模拟方法是一种常用的预测复杂气固两相流态化系统中流体动力特性的有效方法。本课题中拟采用欧拉-欧拉双流体模型,开展典型流化床内非球形颗粒气固两相流体动力学特性研究。非球形颗粒气固两相流体动力学数值模拟研究方法中的难点之一在于,由于颗粒形状复杂,气固间的曳力系数难以有效预测,球形颗粒的气固曳力系数不能准确地反映真实的曳力情况。鉴于人工智能方法的飞速发展,本课题中拟采用人工神经网络方法建立非球形颗粒曳力系数预测方法和关联式,并将该关联式嵌入到欧拉-欧拉双流体模型中,应用于几种典型气固流化床系统流体动力行为的预测。通过人工神经网络预测方法对非球形颗粒气固曳力系数进行预测及分析。首先比较反向传播（BP）神经网络模型和径向基函数（RBF）神经网络模型对Song等的实验结果进行预测。结果表明,采用RBF方法预测非球形颗粒气固曳力系数误差较小,计算效率较高。同时应用RBF神经网络模型,对不同球形度下的气固曳力系数进行预测和分析。研究结果表明,人工神经网络可以用于非球形颗粒气固曳力系数的预测研究,研究结果可为复杂形状颗粒气固曳力系数的预测提供一种有效的手段,可进一步发展非球形颗粒的双流体模型。应用PIV技术对喷动床内非球形颗粒气固流动特性进行实验研究,获得非球形颗粒在喷动床内喷动区、喷泉区和环隙区各区域的速度分布,以及曳力分布等特性。实验结果表明,随着入口喷动气速的增加,喷动区高度范围变化不大,喷泉区高度范围逐渐增大。应用建立的非球形颗粒两相流模型进行喷动床内气固两相流体动力特性数值模拟研究,模拟结果与本文实验结果进行对比分析,数值模拟结果与实验结果符合较好,进一步验证所建立的气固曳力系数关联式的适用性。将基于人工神经网络模型得到的曳力系数关联式嵌入欧拉-欧拉双流体模型,数值模拟鼓泡流化床内非球形颗粒流体动力行为,分析颗粒速度、颗粒温度、各向同性分布、扁平因子分布等。数值模拟结果同实验结果符合较好,表明该曳力模型的适用性。颗粒在床内呈现环核流动,即在中心区域上升,在两侧边壁区域下降。颗粒形状对于颗粒水平方向速度影响甚微,对于垂直方向速度有一定影响,但这种影响并不是单调的函数关系。不同颗粒球形度对颗粒高频脉动能量分布影响较大,但对颗粒低频脉动能量分布影响较小。将基于人工神经网络模型得到的曳力系数关联式嵌入欧拉-欧拉双流体模型中,数值模拟提升管内非球形颗粒的流体动力行为,分析球形度、颗粒密度和颗粒尺寸对提升管内气固两相流体动力特性的影响。数值模拟结果同实验数据符合较好,再一次表明该曳力模型的适用性。颗粒球形度的差异显着影响提升管内颗粒的颗粒浓度分布以及颗粒聚团介尺度结构的形成。不同颗粒球形度对颗粒高频脉动能量分布影响较大,但对颗粒低频脉动能量分布影响较小。
二、球形容器声发射信号的人工神经网络分析技术研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、球形容器声发射信号的人工神经网络分析技术研究（论文提纲范文）
（1）基于声发射技术的颗粒粒径在线监测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 颗粒粒径在线测量的研究进展 |
| 1.2.2 基于声发射技术的颗粒粒径在线测量的研究现状 |
| 1.3 研究内容及方法 |
| 1.4 论文组织结构 |
| 第2章 单颗粒碰撞声发射信号特征研究方法 |
| 2.1 颗粒碰撞声发射信号 |
| 2.1.1 声发射理论基础 |
| 2.1.2 典型的单颗粒碰撞声发射信号 |
| 2.2 声发射信号处理方法 |
| 2.2.1 参数分析法 |
| 2.2.2 波形分析法 |
| 2.3 本章小结 |
| 第3章 单颗粒碰撞声发射信号特征分析 |
| 3.1 实验装置及条件 |
| 3.1.1 实验装置 |
| 3.1.2 实验条件 |
| 3.2 单颗粒碰撞声发射信号时频域特征 |
| 3.2.1 信号时域特征 |
| 3.2.2 信号频域特征 |
| 3.3 影响单颗粒碰撞声发射信号的因素分析 |
| 3.3.1 颗粒粒径 |
| 3.3.2 碰撞速度 |
| 3.3.3 颗粒种类 |
| 3.3.4 碰撞位置 |
| 3.4 本章小结 |
| 第4章 基于声发射信号时域特征参数的颗粒粒径测量 |
| 4.1 测量原理 |
| 4.2 实验装置及条件 |
| 4.2.1 实验装置 |
| 4.2.2 实验条件 |
| 4.3 时域特征参数提取与分析 |
| 4.4 基于声发射信号峰值的颗粒粒径测量 |
| 4.4.1 非弹性碰撞理论 |
| 4.4.2 颗粒粒径反演模型 |
| 4.4.3 实验结果与讨论 |
| 4.5 基于声发射信号能量的颗粒粒径测量 |
| 4.5.1 颗粒碰撞声发射信号能量 |
| 4.5.2 颗粒粒径反演模型 |
| 4.5.3 实验结果与讨论 |
| 4.6 本章小结 |
| 第5章 气力输送管道中颗粒粒径的在线监测 |
| 5.1 实验平台及条件 |
| 5.1.1 实验平台 |
| 5.1.2 实验条件 |
| 5.2 信号峰值检测算法 |
| 5.3 实验结果与分析 |
| 5.3.1 原始声发射信号 |
| 5.3.2 颗粒粒径测量结果 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）基于视觉的压力容器焊缝识别及缺陷分类（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 焊缝图像识别和缺陷分类的发展现状 |
| 1.2.1 焊缝图像识别 |
| 1.2.2 缺陷识别分类 |
| 1.3 主要内容与研究流程 |
| 1.3.1 主要研究内容 |
| 1.3.2 具体研究流程 |
| 第二章 焊缝图像采集及预处理 |
| 2.1 焊缝图像的采集 |
| 2.2 焊缝图像的增强 |
| 2.2.1 直方图均衡化 |
| 2.2.2 灰度拉伸算法 |
| 2.3 焊缝图像的滤波处理 |
| 2.3.1 中值滤波 |
| 2.3.2 小波滤波 |
| 2.3.3 中值滤波与小波变换相结合改进方法 |
| 2.4 焊缝图像边缘检测 |
| 2.4.1 焊缝图像的边缘检测试验 |
| 2.5 本章小结 |
| 第三章 焊缝特征提取与识别 |
| 3.1 焊缝特征提取 |
| 3.2 霍夫直线检测 |
| 3.3 基于纹理特征焊缝提取 |
| 3.3.1 纹理特征 |
| 3.3.2 灰度共生矩阵(GLCM) |
| 3.3.3 灰度-梯度共生矩阵 |
| 3.3.4 基于LBP纹理特征的焊缝识别方法 |
| 3.3.5 试验以及结果讨论 |
| 3.4 本章小结 |
| 第四章 焊缝缺陷分类 |
| 4.1 焊缝缺陷 |
| 4.2 焊缝质量检测 |
| 4.3 图像分类的方法 |
| 4.3.1 距离度量法 |
| 4.3.2 支持向量机(SVM) |
| 4.3.3 神经网络(Neural Network) |
| 4.4 SVM分类识别缺陷试验 |
| 4.4.1 SVM分类识别试验 |
| 4.4.2 样本的特征提取 |
| 4.4.3 SVM分类识别 |
| 4.4.4 分类识别结果分析 |
| 4.5 基于深度学习的焊缝缺陷分类方法 |
| 4.5.1 试验环境 |
| 4.5.2 图像识别模型设计 |
| 4.5.3 数据库设计 |
| 4.5.4 网络结构设计 |
| 4.5.5 结果与分析 |
| 4.6 本章小结 |
| 第五章 图像识别及缺陷分类实验 |
| 5.1 机器人检测方案 |
| 5.2 焊缝跟踪识别实验 |
| 5.3 焊缝质量检测实验 |
| 5.4 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文及取得的科研成果 |
| 个人简历 |
（3）基于声发射技术的储罐罐底腐蚀状况检测及评价方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 储罐罐底声发射检测技术研究现状 |
| 1.3 论文的主要研究内容 |
| 第2章 储罐罐底腐蚀声发射检测 |
| 2.1 声发射检测技术 |
| 2.1.1 声发射检测 |
| 2.1.2 声发射信号特性 |
| 2.2 储罐罐底声发射检测 |
| 2.3 本章小结 |
| 第3章 金属腐蚀速率测量 |
| 3.1 腐蚀实验设计 |
| 3.1.1 实验方法 |
| 3.1.2 实验器材 |
| 3.1.3 实验方案 |
| 3.2 腐蚀速率测量 |
| 3.2.1 氯离子腐蚀 |
| 3.2.2 自来水腐蚀 |
| 3.2.3 石脑油沉积水腐蚀 |
| 3.2.4 实验数据分析 |
| 3.3 本章小结 |
| 第4章 腐蚀声发射信号采集与分析 |
| 4.1 声发射信号采集 |
| 4.2 声发射信号处理 |
| 4.2.1 数据筛选 |
| 4.2.2 声发射信号特性 |
| 4.3 声发射特性参数与金属腐蚀速率相关性研究 |
| 4.4 本章小结 |
| 第5章 储罐底板腐蚀声发射检测与评价 |
| 5.1 罐底声发射检测 |
| 5.2 罐底腐蚀评价 |
| 5.2.1 评价参数 |
| 5.2.2 评价体系 |
| 5.3 基于RBF神经网络的储罐罐底腐蚀评价 |
| 5.3.1 基于RBF神经网络的腐蚀评价模型 |
| 5.3.2 罐底腐蚀评价 |
| 5.4 基于BP神经网络的储罐罐底腐蚀评价 |
| 5.4.1 基于BP神经网络的腐蚀评价模型 |
| 5.4.2 数据预处理 |
| 5.4.3 罐底腐蚀评价 |
| 5.5 现役储罐罐底腐蚀状况评价 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 发表文献和参加科研情况说明 |
| 致谢 |
（4）基于深度置信网络的列车车轴故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 概述 |
| 1.2 论文研究背景及意义 |
| 1.3 课题研究现状 |
| 1.3.1 车轴的无损检测技术 |
| 1.3.2 声发射检测技术的研究现状 |
| 1.3.3 深度学习在故障诊断领域的研究现状 |
| 1.4 课题来源及研究内容 |
| 1.4.1 课题来源 |
| 1.4.2 本文的主要研究内容 |
| 第二章 车轴声发射信号特征提取 |
| 2.1 引言 |
| 2.2 时域分析 |
| 2.3 频域分析 |
| 2.4 车轴声发射信号特征提取 |
| 2.4.1 实验数据说明 |
| 2.4.2 FFT变换 |
| 2.4.3 时域特征提取与分析 |
| 2.4.4 频域特征提取与分析 |
| 本章小结 |
| 第三章 基于DBN的车轴故障诊断 |
| 3.1 引言 |
| 3.2 深度学习 |
| 3.2.1 深度学习的核心思想 |
| 3.2.2 深度学习的典型网络模型 |
| 3.3 深度置信网络 |
| 3.3.1 受限玻尔兹曼机 |
| 3.3.2 RBM训练 |
| 3.3.3 DBN结构 |
| 3.4 基于深度置信网络的车轴故障诊断方案 |
| 3.4.1 故障诊断过程 |
| 3.4.2 深度置信网络的主要参数设置 |
| 3.4.3 DBN模型验证 |
| 3.5 不同神经网络的故障诊断准确率对比分析 |
| 本章小结 |
| 第四章 基于PCA与 DBN的车轴故障诊断 |
| 4.1 引言 |
| 4.2 主成分分析 |
| 4.3 基于PCA与 DBN的车轴故障诊断方案 |
| 4.3.1 PCA降维 |
| 4.3.2 DBN模型验证 |
| 4.4 不同降维技术的对比分析 |
| 4.5 基于PSO优化的车轴故障诊断方案 |
| 4.5.1 粒子群算法 |
| 4.5.2 利用PSO算法优化DBN网络参数 |
| 本章小结 |
| 第五章 基于DBN的车轴疲劳裂纹时间序列预测 |
| 5.1 引言 |
| 5.2 时间序列预测的基础理论 |
| 5.2.1 时间序列预测概述 |
| 5.2.2 时间序列预测的基本流程 |
| 5.2.3 时间序列预测的评价指标 |
| 5.3 基于深度置信网络的时间序列预测 |
| 5.3.1 DBN时间序列预测模型 |
| 5.3.2 DBN时间序列预测的基本流程 |
| 5.4 基于DBN的单步时间序列预测 |
| 5.4.1 参数设置 |
| 5.4.2 单步预测结果分析 |
| 5.5 基于DBN的多步时间序列预测 |
| 5.5.1 多步预测研究思路及参数设置 |
| 5.5.2 多步预测结果对比分析 |
| 5.6 基于PSO改进的DBN单步时间序列预测 |
| 5.6.1 PSO参数设置 |
| 5.6.2 结果对比分析 |
| 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
（5）碳纤维复合材料损伤模态识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 复合材料声发射检测的优势与发展 |
| 1.2.1 复合材料损伤声发射表征 |
| 1.2.2 复合材料容器损伤声发射监测 |
| 1.3 国内外研究现状 |
| 1.3.1 复合材料损伤时频分析研究现状 |
| 1.3.2 复合材料损伤模式识别研究现状 |
| 1.3.3 复合材料模态声发射研究现状 |
| 1.4 现阶段研究中存在的主要问题 |
| 1.5 本文研究主要内容 |
| 第二章 复合材料损伤声发射信号Lamb波模态特征提取 |
| 2.1 引言 |
| 2.2 模态声发射基础机理分析 |
| 2.2.1 声发射信号的波形特征 |
| 2.2.2 Lamb波理论 |
| 2.2.3 瞬态波形模态分离方法 |
| 2.2.4 声发射信号Lamb波模态识别 |
| 2.3 典型声发射信号模态特征分析 |
| 2.3.1 实验装置及传感器布置 |
| 2.3.2 突发型信号模态分析 |
| 2.3.3 连续型信号模态分析 |
| 2.4 典型声发射信号模态分量传播特性分析 |
| 2.4.1 声发射模态分量频域特性 |
| 2.4.2 突发型信号传播频谱特性 |
| 2.4.3 连续型信号传播频谱特性 |
| 2.5 本章小结 |
| 第三章 碳纤维复合材料典型损伤模式声发射特征提取 |
| 3.1 引言 |
| 3.2 碳纤维复合材料损伤机理分析 |
| 3.2.1 碳纤维复合材料损伤概述 |
| 3.2.2 碳纤维复合材料层合板损伤特征 |
| 3.3 碳纤维复合材料损伤声发射信号时域特征提取 |
| 3.3.1 声发射信号时域特征 |
| 3.3.2 碳纤维复合材料损伤时域信号参量分析 |
| 3.4 碳纤维复合材料损伤声发射信号频域特征提取 |
| 3.5 碳纤维复合材料损伤模态特征提取 |
| 3.5.1 MAE模态特征参量定义 |
| 3.5.2 MAE绝对能量系数求解 |
| 3.5.3 纤维拉断声发射信号模态特征提取 |
| 3.5.4 基体开裂声发射信号模态特征提取 |
| 3.6 本章小结 |
| 第四章 碳纤维复合材料容器损伤声发射表征方法研究 |
| 4.1 引言 |
| 4.2 碳纤维复合材料层合板损伤机制声发射表征 |
| 4.2.1 碳纤维复合材料层合板损伤数值模拟 |
| 4.2.2 碳纤维复合材料层合板面内弯曲试验 |
| 4.2.3 碳纤维复合材料层合板损伤时频参量分析 |
| 4.3 碳纤维复合材料层合板损伤模态特征分析 |
| 4.4 碳纤维复合材料容器损伤声发射特性分析 |
| 4.4.1 碳纤维复合材料容器损伤数值模拟 |
| 4.4.2 碳纤维复合材料容器损伤声发射监测实验 |
| 4.4.3 碳纤维复合材料容器损伤声发射参量分析 |
| 4.5 碳纤维复合材料容器损伤模态声发射分析 |
| 4.5.1 气瓶损伤模态类型判据 |
| 4.5.2 气瓶损伤模态分布规律 |
| 4.6 本章小结 |
| 第五章 碳纤维复合材料声发射模式识别与损伤评价 |
| 5.1 引言 |
| 5.2 模态声发射信号模式识别 |
| 5.2.1 相关向量机原理及模型 |
| 5.2.2 特征参数优选 |
| 5.2.3 基于主成分分析的数据降维 |
| 5.2.4 基于相关向量机的模式识别 |
| 5.3 碳纤维复合材料气瓶损伤评价 |
| 5.3.1 模态窗能量时域评价 |
| 5.3.2 模态特征参量拟合评价 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读博士期间发表论文及取得的科研成果 |
| 致谢 |
（6）压力管线与气瓶绕线式防爆裂预警技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 研究现状 |
| 1.2.1 声发射技术 |
| 1.2.2 分布式光纤传感技术 |
| 1.2.3 红外热成像技术 |
| 1.2.4 数字图像相关技术 |
| 1.2.5 对比分析 |
| 1.3 本文主要研究内容及意义 |
| 2 绕线式防爆裂预警系统简介 |
| 2.1 原理简介 |
| 2.2 系统组成 |
| 2.2.1 探测线 |
| 2.2.2 节点监控盒 |
| 2.2.3 中央控制显示盘及通讯模块 |
| 2.3 安装过程 |
| 2.4 研究重点 |
| 2.5 本章小结 |
| 3 变形量的模拟研究 |
| 3.1 模拟简介 |
| 3.1.1 流程简介 |
| 3.1.2 断裂判据 |
| 3.2 材料参数及计算方案 |
| 3.2.1 材料参数 |
| 3.2.2 计算方案 |
| 3.3 矩形槽裂纹缺陷 |
| 3.4 纯裂纹缺陷 |
| 3.5 本章小结 |
| 4 实验研究 |
| 4.1 超压爆破验证 |
| 4.1.1 研究目的 |
| 4.1.2 试件加工 |
| 4.1.3 爆破实验 |
| 4.2 变形监测实验 |
| 4.2.1 研究目的 |
| 4.2.2 实验原理及前期准备 |
| 4.2.3 疲劳实验 |
| 4.2.4 爆破实验 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（7）典型缺陷局部放电超声信号的特征与模式识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 局部放电检测研究现状 |
| 1.2.2 局部放电特征参量提取研究现状 |
| 1.2.3 局部放电模式识别研究现状 |
| 1.3 目前存在的问题 |
| 1.4 论文的主要研究内容 |
| 第2章 局部放电超声波信号产生机理及试验研究 |
| 2.1 局部放电超声波产生机理 |
| 2.2 局部放电超声波信号的衰减 |
| 2.3 局部放电试验系统 |
| 2.3.1 局部放电试验模型设计 |
| 2.3.2 试验平台搭建 |
| 2.3.3 超声波信号采集系统 |
| 2.4 试验方案 |
| 2.4.1 加压方式 |
| 2.4.2 试验流程 |
| 2.5 本章小结 |
| 第3章 局部放电超声波信号预处理及分析 |
| 3.1 超声波信号去噪处理 |
| 3.1.1 小波阈值去噪原理 |
| 3.1.2 母小波函数初选 |
| 3.1.3 探寻最佳母小波和分解层数 |
| 3.1.4 阈值处理参数寻优 |
| 3.1.5 局部放电超声信号去噪效果 |
| 3.2 局部放电超声波信号时频域分析 |
| 3.2.1 典型缺陷局部放电超声波信号时域波形差异 |
| 3.2.2 典型缺陷局部放电超声波信号能量的频域分布 |
| 3.3 声发射特征参数分析 |
| 3.3.1 声发射特征参数的定义 |
| 3.3.2 四种缺陷局部放电声发射特征参数关联图谱 |
| 3.4 本章小结 |
| 第4章 典型缺陷局部放电信号特征参量提取 |
| 4.1 波形特征参量提取 |
| 4.1.1 波形特征参量定义 |
| 4.1.2 波形特征参量提取步骤及结果 |
| 4.2 基于主成分分析的特征参量降维 |
| 4.2.1 主成分分析法简介 |
| 4.2.2 主成分提取结果分析 |
| 4.3 多尺度模糊熵特征参量提取 |
| 4.3.1 多尺度模糊熵基本原理 |
| 4.3.2 多尺度模糊熵计算参量的选取 |
| 4.3.3 多尺度模糊熵特征参量提取结果 |
| 4.4 本章小结 |
| 第5章 局部放电识别研究 |
| 5.1 支持向量机理论 |
| 5.1.1 SVM算法 |
| 5.1.2 核函数 |
| 5.1.3 SVM参数 |
| 5.2 支持向量机核参数优化 |
| 5.3 局部放电识别测试 |
| 5.4 本章小结 |
| 总结 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
（8）圆筒形容器表面声源定位方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 第二章 声发射检测的理论与仪器设备 |
| 2.1 声发射检测的基本原理 |
| 2.1.1 声发射信号的产生 |
| 2.1.2 声发射波的传播过程 |
| 2.1.3 声发射波的信号处理 |
| 2.2 声发射检测的方法 |
| 2.2.1 一维时差定位技术 |
| 2.2.2 二维时差定位技术 |
| 2.3 声发射检测的实验仪器 |
| 2.4 本章小结 |
| 第三章 利用新三角时差法在圆筒形容器表面的声源定位 |
| 3.1 新三角时差法的理论公式 |
| 3.2 实验研究 |
| 3.3 实验结果及分析 |
| 3.4 本章小结 |
| 第四章 利用任意三角形时差法在圆筒形容器表面的声源定位 |
| 4.1 任意三角形时差法的理论公式 |
| 4.2 实验研究 |
| 4.3 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 总结 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（9）基于声学的气固两相流质量流量测量研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 气固两相流测量方法 |
| 1.2.1 光学法 |
| 1.2.2 静电法 |
| 1.2.3 电容法 |
| 1.2.4 数字图像法 |
| 1.2.5 声学法 |
| 1.2.6 放射法 |
| 1.3 国内外研究现状 |
| 1.3.1 声发射技术 |
| 1.3.2 超声技术 |
| 1.4 论文主要研究工作 |
| 第2章 两相流中的声学基础理论研究 |
| 2.1 引言 |
| 2.2 声学基本参量 |
| 2.2.1 声压与质点速度 |
| 2.2.2 声能量与声能量密度 |
| 2.2.3 声速 |
| 2.2.4 声衰减 |
| 2.3 两相流中声发射基础理论研究 |
| 2.3.1 声发射信号主频模型 |
| 2.3.2 声发射信号的能量模型 |
| 2.4 两相流中超声基础理论研究 |
| 2.4.1 流体中的波动方程 |
| 2.4.2 固体中的波动方程 |
| 2.5 本章小结 |
| 第3章 基于超声衰减法的颗粒质量流量测量研究 |
| 3.1 引言 |
| 3.2 超声两相流传播模型 |
| 3.2.1 均相模型 |
| 3.2.2 超声传播模型 |
| 3.2.3 耦合相模型 |
| 3.2.4 光学类比模型 |
| 3.3 蒙特卡罗模型 |
| 3.4 数值模拟结果 |
| 3.5 本章总结 |
| 第4章 基于超声声速法的两相流质量流量测量研究 |
| 4.1 引言 |
| 4.2 超声声速影响因素研究 |
| 4.2.1 物性参数的影响 |
| 4.2.2 过程参数的影响 |
| 4.3 实验系统 |
| 4.4 实验结果及讨论 |
| 4.5 本章总结 |
| 第5章 基于声发射法的颗粒质量流量测量研究 |
| 5.1 引言 |
| 5.2 声发射信号的处理方法 |
| 5.2.1 傅里叶变换分析 |
| 5.2.2 小波变换分析 |
| 5.2.3 小波包变换分析 |
| 5.2.4 EEMD算法 |
| 5.2.5 BP神经网络 |
| 5.3 实验系统 |
| 5.3.1 气固两相流系统 |
| 5.3.2 给料系统 |
| 5.3.3 声发射采集系统 |
| 5.3.4 采集方式 |
| 5.3.5 实验工况 |
| 5.4 实验结果与讨论 |
| 5.4.1 采样方式的选取 |
| 5.4.2 声发射信号与颗粒质量流量 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（10）流化床内基于神经网络方法的非球形颗粒两相流模拟研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 物理量名称及符号表 |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 典型流化床型 |
| 1.2.1 喷动床特点及应用 |
| 1.2.2 鼓泡流化床特点及应用 |
| 1.2.3 提升管特点及应用 |
| 1.3 流化床内气固两相流数值模拟 |
| 1.3.1 格子玻尔兹曼模型 |
| 1.3.2 离散单元模型 |
| 1.3.3 双流体模型 |
| 1.4 流化床气固流动非侵入实验技术 |
| 1.4.1 静电学方法 |
| 1.4.2 颗粒追踪方法 |
| 1.4.3 可视化方法 |
| 1.4.4 其他非侵入式测量方法 |
| 1.5 人工神经网络方法特点及应用 |
| 1.6 国内外文献综述简析 |
| 1.7 本文的主要研究内容 |
| 第2章 基于人工神经网络的非球形颗粒两相流模型 |
| 2.1 引言 |
| 2.2 气固两相流动模型 |
| 2.3 基于人工神经网络的非球形颗粒曳力系数预测 |
| 2.3.1 人工神经网络原理 |
| 2.3.2 基于人工神经网络的曳力系数预测方法 |
| 2.3.3 曳力系数曲线拟合 |
| 2.4 模型验证 |
| 2.4.1 初始及边界条件 |
| 2.4.2 床层压降 |
| 2.5 本章小结 |
| 第3章 喷动床内非球形颗粒两相流特性研究 |
| 3.1 引言 |
| 3.2 实验装置及原理 |
| 3.2.1 实验装置 |
| 3.2.2 实验原理 |
| 3.2.3 实验操作步骤 |
| 3.2.4 实验工况设置 |
| 3.3 数学模型 |
| 3.4 结果和讨论 |
| 3.4.1 模型验证 |
| 3.4.2 喷动气速的影响 |
| 3.4.3 初始床高的影响 |
| 3.4.4 壁面反射系数的影响 |
| 3.4.5 摩擦应力模型的影响 |
| 3.5 本章小结 |
| 第4章 鼓泡流化床内非球形颗粒两相流模拟研究 |
| 4.1 引言 |
| 4.2 数学模型 |
| 4.3 模型验证 |
| 4.3.1 颗粒速度分布 |
| 4.3.2 颗粒温度分布 |
| 4.3.3 各向同性分布 |
| 4.3.4 扁平因子分布 |
| 4.4 球形度对床内气固两相流动特性影响 |
| 4.4.1 球形度对曳力系数的影响 |
| 4.4.2 球形度对空隙率的影响 |
| 4.4.3 球形度对颗粒速度的影响 |
| 4.4.4 球形度对颗粒温度的影响 |
| 4.4.5 球形度对各向同性的影响 |
| 4.4.6 球形度对扁平因子的影响 |
| 4.5 本章小结 |
| 第5章 提升管内非球形颗粒两相流模拟研究 |
| 5.1 引言 |
| 5.2 数学模型 |
| 5.3 模型验证 |
| 5.4 结果与讨论 |
| 5.4.1 球形度的影响 |
| 5.4.2 颗粒密度的影响 |
| 5.4.3 颗粒尺寸的影响 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录A |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
四、球形容器声发射信号的人工神经网络分析技术研究（论文参考文献）
- [1]基于声发射技术的颗粒粒径在线监测研究[D]. 张国强. 华北电力大学(北京), 2021
- [2]基于视觉的压力容器焊缝识别及缺陷分类[D]. 兰凌霄. 内蒙古工业大学, 2021(01)
- [3]基于声发射技术的储罐罐底腐蚀状况检测及评价方法研究[D]. 刘琪华. 天津大学, 2020(02)
- [4]基于深度置信网络的列车车轴故障诊断研究[D]. 陈杰. 大连交通大学, 2020(06)
- [5]碳纤维复合材料损伤模态识别方法研究[D]. 张璐莹. 东北石油大学, 2020(03)
- [6]压力管线与气瓶绕线式防爆裂预警技术研究[D]. 刘召. 大连理工大学, 2020(02)
- [7]典型缺陷局部放电超声信号的特征与模式识别方法研究[D]. 杨刚. 西南交通大学, 2020(07)
- [8]圆筒形容器表面声源定位方法研究[D]. 付佳. 吉林大学, 2020(01)
- [9]基于声学的气固两相流质量流量测量研究[D]. 刘伟龙. 华北电力大学(北京), 2020(06)
- [10]流化床内基于神经网络方法的非球形颗粒两相流模拟研究[D]. 闫盛楠. 哈尔滨工业大学, 2019(01)