2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩117頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、傳統(tǒng)固定聲傳感器方式的泄漏檢測方法可用于供水管道中的泄漏定位。然而,這些方法需要部署大量的傳感器,因此難以在埋地長管線上進行應(yīng)用,也很難實現(xiàn)提早預(yù)警以及評估泄漏尺寸大小。有鑒于此,本團隊研發(fā)了以聲學(xué)傳感器為核心的管內(nèi)聲學(xué)泄漏檢測裝置,該裝置依托水流運動,記錄所有音頻信號并通過分析檢測微小泄漏。該自漂流式裝置內(nèi)部搭載的高靈敏度聲學(xué)傳感器,能夠檢測帶壓供水管道中的微小泄漏。由于管內(nèi)環(huán)境有許多因素干擾水聲信號,例如水流噪音等。因此,對管內(nèi)泄漏

2、的檢測及其泄漏量的分析仍具有很大的挑戰(zhàn)性。本文提出了一種新的基于小波變換的管內(nèi)水聲信號泄漏檢測方法。在這種方法中,首先監(jiān)測相對較長時間間隔內(nèi)的水聲信號,通過短時傅立葉變換(STFT)獲取泄漏信號特征,通過準(zhǔn)確地選擇母小波(調(diào)諧小波)獲得在時頻域中目標(biāo)信號的定位。然后,提出了組合小波分析和神經(jīng)網(wǎng)絡(luò)的算法結(jié)構(gòu),利用小波變換分析泄漏信號并利用人工神經(jīng)網(wǎng)絡(luò)進行分類。該研究表明,時域方法難以表征帶噪聲泄漏信號的完整特征,選擇合適的母小波來提取供水

3、管道中噪聲事件特征具有重要作用。本文提出的方法已在工程中獲實際應(yīng)用,并在設(shè)計的實驗平臺上進行了測試,對自漂流式的裝置采集的聲學(xué)信號進行分析。采集到的聲學(xué)信號被用于識別干擾信號(瞬時管道振動,水流噪聲,管道固有頻率和背景噪聲)和泄漏特征信號。仿真結(jié)果表明,基于神經(jīng)網(wǎng)絡(luò),并通過選擇合適的母小波可定位泄漏特征信號和背景噪聲的位置,該方法提高了提取特征的分類性能。此外,還驗證了通過結(jié)合管內(nèi)聲學(xué)裝置及優(yōu)化后的小波變換和神經(jīng)網(wǎng)絡(luò)方法,可以高效可靠地

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論