[发明专利]阀门内漏流量量化回归预测方法及装置在审
申请号: | 201410803345.0 | 申请日: | 2014-12-19 |
公开(公告)号: | CN104502024A | 公开(公告)日: | 2015-04-08 |
发明(设计)人: | 谭东杰;李振林;李柏松;张海峰;张兴;林嵩;杨喜良;董学刚;刘治超;陈鑫;任小龙;张丽稳;郭茂磊 | 申请(专利权)人: | 中国石油天然气股份有限公司 |
主分类号: | G01M3/00 | 分类号: | G01M3/00 |
代理公司: | 北京华沛德权律师事务所11302 | 代理人: | 刘杰 |
地址: | 100007北京市东*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 阀门 流量 量化 回归 预测 方法 装置 | ||
1.一种阀门内漏流量量化回归预测方法,应用于一阀门内漏检测装置,其特征在于,所述方法包括:
获得阀门在不同内漏流量下对应的多个泄漏源信号;
将从所述多个泄漏源信号中获得的与所述多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个所述泄漏源信号时的阀门压差,均确定为模型特征参数;
采用交叉验证方法获得最优模型参数;
基于所述模型特征参数、所述最优模型参数、核函数建立阀门内漏量化回归预测模型。
2.如权利要求1所述的方法,其特征在于,与所述多个泄漏源信号相关的参数,包括:对所述多个泄漏源信号进行三层小波包分解后,基于分解得到的每个频带信号分别求取的熵、能量、均方根、平均值、标准差和峰值。
3.如权利要求1所述的方法,其特征在于,所述获得阀门在不同内漏流量下对应的多个泄漏源信号,包括:
通过声发射传感器对所述阀门在不同内漏流量下的声发射信号进行采集;
采用离散傅里叶变换,或者离散傅里叶逆变换对多个所述声发射信号进行降噪处理,获得所述阀门在内漏过程中的所述多个泄漏源信号。
4.如权利要求1所述的方法,其特征在于,在所述将从所述多个泄漏源信号中获得的与所述多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个所述泄漏源信号时的阀门压差,均确定为模型特征参数之后,所述方法还包括:
采用主成分分析法对所述模型特征参数进行特征参数预处理。
5.如权利要求1-4中任一权项所述的方法,其特征在于,在所述基于所述模型特征参数、所述最优模型参数、核函数建立阀门内漏量化回归预测模型之后,所述方法还包括:
采集第一阀门在内漏过程中的阀门上游噪声信号和阀门下游含噪声发射信号;
基于所述上游噪声信号和所述阀门下游含噪声发射信号进行噪声处理,获得所述第一阀门的声发射信号;
将所述第一阀门的声发射信号经过所述阀门内漏量化回归预测模型进行处理,以得到所述第一阀门的当前阀门内漏流量值,其中,所述阀门内漏量化回归预测模型植入阀门内漏检测装置中。
6.一种阀门内漏检测装置,其特征在于,包括:
第一获得单元,用于获得阀门在不同内漏流量下对应的多个泄漏源信号;
参数确定单元,用于将从所述多个泄漏源信号中获得的与所述多个泄漏源信号相关的参数,以及测量出的阀门尺寸和测量出的采集每个所述泄漏源信号时的阀门压差,均确定为模型特征参数;
第二获得单元,采用交叉验证方法获得最优模型参数;
建立单元,用于基于所述模型特征参数、所述最优模型参数、核函数建立阀门内漏量化回归预测模型。
7.如权利要求6所述的装置,其特征在于,与所述多个泄漏源信号相关的参数,包括:对所述多个泄漏源信号进行三层小波包分解后,基于分解得到的每个频带信号分别求取的熵、能量、均方根、平均值、标准差和峰值。
8.如权利要求6所述的装置,其特征在于,所述第一获得单元,具体用于:
通过声发射传感器对所述阀门在不同内漏流量下的声发射信号进行采集;
采用离散傅里叶变换,或者离散傅里叶逆变换对多个所述声发射信号进行降噪处理,获得所述阀门在内漏过程中的所述多个泄漏源信号。
9.如权利要求6所述的装置,其特征在于,所述装置还包括:
预处理单元,用于采用主成分分析法对所述模型特征参数进行特征参数预处理。
10.如权利要求6-9中任一权项所述的装置,其特征在于,所述装置还包括:
采集单元,用于采集第一阀门在内漏过程中的阀门上游噪声信号和阀门下游含噪声发射信号;
噪声处理单元,用于基于所述上游噪声信号和所述阀门下游含噪声发射信号进行噪声处理,获得所述第一阀门的声发射信号;
回归预测处理单元,用于将所述第一阀门的声发射信号经过所述阀门内漏量化回归预测模型进行处理,以得到所述第一阀门的当前阀门内漏流量值,其中,所述阀门内漏量化回归预测模型植入所述阀门内漏检测装置中。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油天然气股份有限公司;,未经中国石油天然气股份有限公司;许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410803345.0/1.html,转载请声明来源钻瓜专利网。