本发明专利技术公开了一种泄漏孔喷流噪声识别方法和装置，该方法包括如下步骤：A、采集模拟管路中不同流速下、不同形状泄漏孔处的声发射信号；B、从预处理后的声发射信号中提取每种喷流噪声信号的梅尔频率倒谱系数和时频熵；C、将梅尔频率倒谱系数和时频熵构建成特征数值矩阵，将特征数值矩阵作为泄漏孔喷流噪声识别模型的输入变量，对模型进行训练；D、通过训练后的模型对不同流速下的泄漏及泄漏孔的形状进行识别。本发明专利技术通过采集到的泄漏孔异常声音信号，提取频域声纹特征梅尔频率倒谱系数和时域特征时频熵，将组合后的特征参量作为模型的输入，对不同流速状态下的不同形状的泄漏孔进行识别，可有效提高识别的准确率。可有效提高识别的准确率。可有效提高识别的准确率。
【技术实现步骤摘要】
泄漏孔喷流噪声识别方法、装置、电子设备及存储介质
[0001]本专利技术涉及工业无损检测
，特别涉及泄漏孔喷流噪声识别方法、装置、电子设备及存储介质。
技术介绍
[0002]原油深度加工过程中装置容易出现泄漏孔故障，不仅影响石油产品产量和质量，严重的可能引发重大安全事故。因此，模拟在高流速的环境下对不同形状泄漏孔喷流噪声进行测试，可以为在运行过程中泄漏孔穿孔大小的安全范围提出具体指标，为保障实际工况正常运行发挥着至关重要的作用。
[0003]声发射(Acoustic Emission，AE)是材料局部因能量的快速释放而发出瞬态弹性应力波的现象。其作为一种无损监测手段，广泛应用于工业领域中。介质泄漏与泄漏孔摩擦形成声发射信号，但现有技术中很少有利用声发射技术对原油深加工过程中形成的泄漏孔进行监测的技术方案，更少有针对不同流速、对不同形状的泄漏孔采用通过特征参数组合的方式作为算法模型的输入，对泄漏孔进行识别的技术方案。
[0004]现有技术中有通过采集音频数据对泄漏情况进行检测的方案。例如，中国专利申请CN111022941A公开了一种基于LSTM循环神经网络的天然气管道泄漏检测方法。该方法包括如下步骤：采集管道泄漏音频数据；对音频数据采用改进的梅尔频率倒谱系数MFCC方法进行特征提取；构建一个基于长短期记忆LSTM循环神经网络的天然气管道泄漏检测模型；对管道微泄漏检测模型进行训练及参数优化，并验证模型的鲁棒性。该方案采用单一的梅尔频率倒谱系数作为模型的输入参量，对泄漏孔的识别效率和精确度有待进一步提高。
[0005]因此，亟需一种应用声发射技术原理，通过算法模型对泄漏孔喷流噪声进行有效识别，且能大幅提高在不同流速下、针对不同形状的泄漏孔的识别精确度。
[0006]公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
[0007]本专利技术的目的在于提供一种泄漏孔喷流噪声识别方法和装置，通过采集到的泄漏孔异常声音信号，提取频域声纹特征梅尔频率倒谱系数和时域特征时频熵，将组合后的特征参量作为模型的输入对不同流速状态下的不同形状的泄漏孔进行识别，可有效提高识别的准确率。
[0008]为实现上述目的，根据本专利技术的第一方面，本专利技术提供了一种泄漏孔喷流噪声识别方法，包括如下步骤：A、采集模拟管路中不同流速下、不同形状泄漏孔处的声发射信号；B、从预处理后的声发射信号中提取每种喷流噪声信号的梅尔频率倒谱系数和时频熵；C、将梅尔频率倒谱系数和时频熵构建成特征数值矩阵，将特征数值矩阵作为泄漏孔喷流噪声识别模型的输入变量，对模型进行训练；D、通过训练后的模型对不同流速下的泄漏及泄漏孔的形状进行识别。
[0009]进一步，上述技术方案中，步骤B中的预处理可具体包括：对声发射信号进行VMD分解，再对分解后的同类IMF分量进行组合重构。预处理还可包括降噪处理和预加重处理。
[0010]进一步，上述技术方案中，步骤B中的梅尔频率倒谱系数的提取过程如下：将原始的声发射信号转变为时域信号，通过离散傅里叶变换或快速傅里叶变换将所述时域信号转化为线性频谱；将线性频谱通过梅尔频率滤波器组转换为梅尔频谱，对梅尔频谱取对数能量并获取对数频谱；将对数频谱进行离散余弦变换得到梅尔频率倒谱系数的矩阵。
[0011]进一步，上述技术方案中，步骤B中的时频熵的提取过程如下：对声发射信号的每一帧做Hilbert变换，获取每一帧相对应的幅值函数和相位函数；通过幅值函数和相位函数计算每一帧的瞬时频率和瞬时幅值；将每一帧的瞬时频率相同的点的幅值叠加，构造时频矩阵；将时频矩阵划分为H块面积相等的区域；设每块的能量为E
j
，整个时频平面的能量为TE，对H块区域的能量进行归一化处理，即：
[0012][0013]在满足所述归一化条件的情况下，所述时频熵的计算公式如下：
[0014][0015]通过公式(1)计算并提取时频熵数值。
[0016]进一步，上述技术方案中，步骤C中的将梅尔频率倒谱系数和时频熵构建成特征数值矩阵可具体为：设梅尔频率倒谱系数的矩阵为A＝M
×
N，其中M为一段信号的帧数，N为滤波器组系数；计算矩阵A的转置矩阵B＝N
×
M；计算矩阵C＝M
×
M并获取矩阵C的最大特征值所对应的特征列向量D＝M
×
1；获取一段信号的所有帧样本，通过计算出的每一帧的时频熵数值构建特征列向量E＝M
×
1；将梅尔频率倒谱系数的特征列向量D与时频熵的特征列向量E采用直接叠加的方式进行组合，得到步骤C中的特征数值矩阵。
[0017]进一步，上述技术方案中，泄漏孔喷流噪声识别模型可以采用高斯混合模型。
[0018]进一步，上述技术方案中，降噪处理可具体为：基于matlab小波工具箱中db4小波函数对原始的声发射信号进行四层分解，分解为不同频段的声信号；将不同频段的声信号进行拟合处理并滤除高频的噪声干扰；针对相关度高的分解函数进行重构。
[0019]进一步，上述技术方案中，预加重处理可具体为：对声发射信号的高频部分加重进而提高信号的高频分辨率，使得信号的频谱保持在整个频段中并使用相同的信噪比分析频谱。
[0020]根据本专利技术的第二方面，本专利技术提供了一种泄漏孔喷流噪声识别装置，包括：信号采集模块，用于采集模拟管路中不同流速下、不同形状泄漏孔处的声发射信号；变量提取模块，用于从预处理后的声发射信号中提取每种喷流噪声信号的梅尔频率倒谱系数和时频熵；矩阵构建及训练模块，用于将梅尔频率倒谱系数和时频熵构建成特征数值矩阵，将特征数值矩阵作为泄漏孔喷流噪声识别模型的输入变量，对模型进行训练；形状识别模块，用于通过训练后的模型对不同流速下的泄漏及泄漏孔的形状进行识别。
[0021]进一步，上述技术方案中，还可包括预处理模块，该预处理模块进一步包括：VMD分
解子模块，用于对声发射信号进行VMD分解，再对分解后的同类IMF分量进行组合重构；降噪处理子模块，用于将声发射信号分解为不同频段的声信号，并将不同频段的声信号进行拟合处理，滤除高频的噪声干扰；预加重处理子模块，用于对声发射信号的高频部分加重进而提高信号的高频分辨率。
[0022]根据本专利技术的第三方面，本专利技术提供了一种泄漏孔喷流噪声识别电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如前述的泄漏孔喷流噪声识别方法。
[0023]根据本专利技术的第四方面，本专利技术提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使所述计算机执行如前述的泄漏孔喷流噪声识别方法。
[0024]与现有技术相比，本专利技术具有如下一个或多个有益效果：
[0本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种泄漏孔喷流噪声识别方法，其特征在于，包括如下步骤：A、采集模拟管路中不同流速下、不同形状泄漏孔处的声发射信号；B、从预处理后的所述声发射信号中提取每种喷流噪声信号的梅尔频率倒谱系数和时频熵；C、将所述梅尔频率倒谱系数和时频熵构建成特征数值矩阵，将所述特征数值矩阵作为泄漏孔喷流噪声识别模型的输入变量，对所述模型进行训练；D、通过训练后的所述模型对不同流速下的泄漏及泄漏孔的形状进行识别。2.根据权利要求1所述的泄漏孔喷流噪声识别方法，其特征在于，所述步骤B中的所述预处理具体包括：对所述声发射信号进行VMD分解，再对分解后的同类IMF分量进行组合重构。3.根据权利要求2所述的泄漏孔喷流噪声识别方法，其特征在于，所述预处理还包括：降噪处理和预加重处理。4.根据权利要求1所述的泄漏孔喷流噪声识别方法，其特征在于，所述步骤B中的所述梅尔频率倒谱系数的提取过程如下：将原始的所述声发射信号转变为时域信号，通过离散傅里叶变换或快速傅里叶变换将所述时域信号转化为线性频谱；将所述线性频谱通过梅尔频率滤波器组转换为梅尔频谱，对所述梅尔频谱取对数能量并获取对数频谱；将所述对数频谱进行离散余弦变换得到所述梅尔频率倒谱系数的矩阵。5.根据权利要求4所述的泄漏孔喷流噪声识别方法，其特征在于，所述步骤B中的所述时频熵的提取过程如下：对所述声发射信号的每一帧做Hilbert变换，获取每一帧相对应的幅值函数和相位函数；通过所述幅值函数和相位函数计算每一帧的瞬时频率和瞬时幅值；将所述每一帧的瞬时频率相同的点的幅值叠加，构造时频矩阵；将所述时频矩阵划分为H块面积相等的区域；设每块的能量为E
j
，整个时频平面的能量为TE，对H块区域的能量进行归一化处理，即：在满足所述归一化条件的情况下，所述时频熵的计算公式如下：通过所述公式(1)计算并提取所述时频熵数值。6.根据权利要求5所述的泄漏孔喷流噪声识别方法，其特征在于，所述步骤C中的将所述梅尔频率倒谱系数和时频熵构建成特征数值矩阵具体为：设所述梅尔频率倒谱系数的矩阵为A＝M
×
N，其中M为一段信号的帧数，N为滤波器组系数；计算所述矩阵A的转置矩阵B＝N
×
M；计算矩阵C＝M
×
M并获取所述矩阵C的最大特征值
所对应的特征列向量D＝M
×
1；获取所述一段信号的所有帧样本，通过计算出的每一帧的所述时频熵数值构建特征列向...
【专利技术属性】
技术研发人员：邱枫，杨哲，李明骏，屈定荣，陈文武，许述剑，
申请(专利权)人：中石化安全工程研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。