基于小波-BP神经网络的阀门内漏率量化方法

摘要

由于环境因素和载荷作用,阀门运行过程中会出现多种缺陷,进而导致阀门内漏.声发射技术具有检测速度快、检测方便及无需停产等优点,可以实现阀门内漏状态的定性与定量评价.通过试验采集了阀门内漏声发射信号,选择了8个特征参数作为特征集.将基于因子分析的降维技术用于阀门内漏声发射信号处理,实现了对阀门内漏样本特征集的降维处理.采用小波分解将已降维的样本特征集分解为4个特征子集.将小波分解后的样本特征子集输入误差反向传播神经网络模型,并通过平均绝对误差、均方根误差和皮尔森相关系数3项评价指标对模型结构进行了优化,优化后的模型对阀门内漏率的定量预测误差小于10％.研究结果表明,小波-BP神经网络模型可以实现对阀门内漏率的定量表征,并具有较高的鲁棒性.该技术可以为天然气阀门的安全运行提供技术支持.