基于信号增强的缓慢泄漏检测方法

目前管道泄漏检测方法可有效检测突发泄漏,对于缓慢泄漏则存在检测灵敏度低、定位不准确等问题。基于此,提出了一种基于信号增强的缓慢泄漏检测方法。通过信号压缩(抽取及移位)克服缓慢泄漏压力信号下降平缓的缺点;根据声波信号具有波形尖锐突出、对突发泄漏敏感的优点,通过建立以压力为输入、虚拟声波为输出的声波信号变送器模型,将压力信号转换为声波信号,克服了泄漏压力信号容易被淹没在管道压力波动及背景噪声中的缺点,实现了缓慢泄漏信号的增强;利用临近插值方法重构虚拟声波信号,基于延时互相关分析实现了缓慢泄漏的准确定位。实验结果表明,该方法具有显著的信号增强效果和定位精度,实现了缓慢泄漏的准确检测。

基于慢变流理论的管网泄漏检测模型的建立

提出一种基于慢变流理论的给水管网泄漏诊断与定位模型,即首先对管网施加随时间缓慢变化的压力激励,如果管网中存在泄漏,随着压力的不同泄漏程度也不一样,进而影响到管网中其他节点压力和管段流量等参数的变化;依据系统辨识反问题分析方法,实时监测管网监测点处的状态参数,运用贝叶斯算法对模型的预测参数——泄漏位置和泄漏量的概率值大小进行寻优,寻找模型计算值与测量值之间吻合程度最好的预测参数,得到最可能的泄漏位置与泄漏量。通过对算例管网的计算结果表明,采用该模型能够对漏失点和漏失量进行满足概率要求的准确诊断。

铝合金扁锭弯曲的成因及预防措施

结合某厂竖井铸造生产3003、1100等铝合金扁锭的实际情况,对铝合金扁锭生产过程中出现弯曲现象的各种原因进行分析,提出了合理的预防及控制措施。

一种基于神经网络的轮胎慢漏气时间序列预测方法

轮胎胎压不足的状况一旦发生,易导致行车过程中车辆的失控并带来不可逆的交通伤亡事故。而轮胎的慢漏气故障是一种常见的交通事故诱因,且该诱因不易察觉。因此,为了及时预测到轮胎的慢漏气故障,本研究以某型纯电动车的轮胎胎压时间序列变化数据为基准数据,实现改进的长短期记忆网络,建构基于神经网络的轮胎慢漏气时间序列预测模型。首先,分别进行原始时间序列的正常胎压变化趋势与异常胎压变化趋势的数据筛选与清洗等工作;其次,分别基于变分模态分解及自适应差分进化算法,实现长短期记忆网络的模型训练;最终,分别基于慢漏气时间序列校验集,进行消融实验的预测结果评估与可视化样例的对比分析。消融实验结果相较于基础的长短期记忆网络提升了15%左右的性能,可视化样例中大部分的慢漏气时间预测差值波动范围在6h内。综合实验结果可验证本研究所实现的基于神经网络的轮胎慢漏气时间序列预测模型的优越性。