基于改进深度神经网络的阀门故障诊断研究

在处理含有复杂的噪声成分水声信号时,采用传统的信号处理方法存在一定的困难,并影响水下采油树阀门泄漏故障诊断精度,针对这一问题,提出了一种基于改进的深度神经网络(DNN)的非接触式阀门故障诊断方法。首先,基于阀门泄漏理论,在COMSOL仿真环境下,结合轴对称自由射流模型、四极子声源远场声压求解算法,建立了阀门泄漏射流声场模型;然后,基于降噪的基本理论,建立了DNN降噪基本模型,将时频域信号输入到构造好的DNN模型中进行了降噪处理,以最小化信号中的噪声成分;最后,利用经过降噪处理后的水声信号,将其输入构建好的卷积神经网络中,实现了故障诊断目的;设计并进行了水声实验,以验证基于改进的深度神经网络(DNN)的故障诊断方法的有效性。研究结果表明:经过DNN处理后的水声信号,其噪声成分明显降低,其归一化均方误差值由0.4992最低降至0.0110,降幅达97.80%;经过DNN处理后的信号,其故障诊断准确率也达到了98.89%,证明了该方法能有效地诊断阀门的泄漏故障。

基于CFD模拟的输气管道阀门流噪声仿真

将输气管道中的气体流经阀门时的流场在CFD(Computational Fluid Dynamics)软件中进行三维仿真模拟,建立了输气管道阀门流噪声的产生模型。对气体流经阀门的流场进行稳态模拟和瞬态模拟,结果表明:湍流中的流体脉动(如压力、速度脉动)是流体流噪声产生的根本原因。将模拟仿真得到的阀门流场分布通过Lighthill波动方程转换得到偶极子声源,从而对阀门管段进行流体噪声分析,得到阀门流噪声产生、传播、衰减规律。通过试验对仿真模拟得到的阀门声场进行验证,表明了利用Fluent软件对气体流经阀门的流场和声场进行模拟仿真的可行性。研究成果可为输气管道音波法泄漏检测提供技术支持,为输气管道阀门噪声控制方法的制定提供理论依据。