吳文凱，徐科軍，葉國(guó)陽(yáng)

（合肥工業(yè)大學(xué) 電氣與自動(dòng)化工程學(xué)院，安徽 合肥 230009）

1 引言

閥門(mén)在當(dāng)代電力、石油化工等行業(yè)應(yīng)用廣泛，其密封性的好壞，對(duì)工業(yè)生產(chǎn)系統(tǒng)的安全和高效運(yùn)行影響巨大。閥門(mén)泄漏往往是重大工業(yè)生產(chǎn)事故的隱患，同時(shí)也會(huì)造成生產(chǎn)資源的浪費(fèi)和自然環(huán)境的污染［1］。為了防止閥門(mén)泄漏造成的安全事故，學(xué)者們將聲發(fā)射技術(shù)引入閥門(mén)內(nèi)漏的在線檢測(cè)，這種無(wú)損檢測(cè)技術(shù)能夠?yàn)殚y門(mén)的維護(hù)提供前瞻性的預(yù)測(cè)和分析［2，3］。聲發(fā)射技術(shù)探測(cè)到的信號(hào)能量來(lái)自被測(cè)對(duì)象本身，因此，對(duì)于閥門(mén)內(nèi)部泄漏問(wèn)題具有良好的適用性［4］。為了實(shí)現(xiàn)聲發(fā)射技術(shù)的在線檢測(cè)，必須構(gòu)建閥門(mén)內(nèi)漏檢測(cè)的數(shù)學(xué)模型，即確立聲發(fā)射信號(hào)特征量與泄漏量之間的關(guān)系［5］。

目前，對(duì)閥門(mén)泄漏聲發(fā)射信號(hào)進(jìn)行處理主要分為兩類方法。一類是回歸建模的方法，即建立閥門(mén)泄漏聲發(fā)射信號(hào)特征量與泄漏量之間準(zhǔn)確的定量數(shù)學(xué)模型，即根據(jù)分析得到的聲發(fā)射信號(hào)特征量定量計(jì)算泄漏量。例如：Kaewwaewno W 等建立了基于聲發(fā)射源幾何分布關(guān)系的閥門(mén)液體泄漏速率預(yù)測(cè)模型，在其研究過(guò)程中推導(dǎo)出信號(hào)均方根（RMS）和泄漏率Q之間的關(guān)系，為閥門(mén)泄漏故障特征庫(kù)的建立及閥門(mén)泄漏率定量診斷奠定了理論基礎(chǔ)［6］；Ye G Y等研究了泄漏率為0～1 000 mL／min，壓力為0.35，0.50，0.80 MPa時(shí)，閥門(mén)泄漏聲發(fā)射信號(hào)的標(biāo)準(zhǔn)差與閥門(mén)泄漏率之間的關(guān)系，采用最小二乘線性擬合方法建立數(shù)學(xué)模型，建模的最佳擬合度為0.980 8［7］。雖然根據(jù)回歸建模方法可以得到閥門(mén)泄漏量的經(jīng)驗(yàn)公式；但是，由于被測(cè)對(duì)象、測(cè)試手段和實(shí)驗(yàn)條件等多方面因素的影響，經(jīng)驗(yàn)公式計(jì)算的泄漏量與實(shí)際泄漏量之間的誤差較大。另一類是分類建模的方法，即對(duì)閥門(mén)泄漏按照泄漏量大小劃分等級(jí)，建立閥門(mén)泄漏聲發(fā)射信號(hào)特征量與泄漏等級(jí)之間準(zhǔn)確的分類數(shù)學(xué)模型。例如：李振林等針對(duì)天然氣的球閥泄漏問(wèn)題，提出了核主成分分析和支持向量機(jī)分類器的泄漏識(shí)別方法，該方法得到的分類模型預(yù)測(cè)準(zhǔn)確率可達(dá)96.5%［8］；Zhu S B等采用因子分析與kmedoids聚類方法，對(duì)球閥的氣體泄漏量進(jìn)行分類，分析結(jié)果的準(zhǔn)確度為96.28%［9］。

分類建模方法避免了回歸方法精確定量建模的困難，而只是判斷被測(cè)泄漏量是否在某個(gè)已劃分的泄漏范圍內(nèi)，這與實(shí)際檢漏過(guò)程中只需要判斷閥門(mén)是否超過(guò)允許泄漏標(biāo)準(zhǔn)的要求是契合的。但是，目前分類的建模方法主要應(yīng)用于閥門(mén)氣體介質(zhì)泄漏的檢測(cè)，還沒(méi)有應(yīng)用于閥門(mén)液體介質(zhì)泄漏的檢測(cè)［10］?？紤]到液體閥門(mén)在工業(yè)現(xiàn)場(chǎng)也被廣泛使用，且液體與氣體這兩種介質(zhì)的性質(zhì)有所不同。所以，本文提出應(yīng)用支持向量機(jī)方法對(duì)閥門(mén)液體泄漏信號(hào)進(jìn)行泄漏等級(jí)的分類建模研究。為建立閥門(mén)內(nèi)漏時(shí)聲發(fā)射信號(hào)特征量與閥門(mén)內(nèi)漏不同等級(jí)之間的支持向量機(jī)分類模型，在重慶川儀自動(dòng)化有限公司提供的液壓閥門(mén)檢漏平臺(tái)上進(jìn)行閥門(mén)泄漏聲發(fā)射信號(hào)采集實(shí)驗(yàn)，對(duì)信號(hào)進(jìn)行預(yù)處理，提取信號(hào)特征量，再進(jìn)行支持向量機(jī)分類建模，數(shù)據(jù)處理結(jié)果表明支持向量機(jī)分類建模方法對(duì)閥門(mén)液體泄漏檢測(cè)是有效的。

2 閥門(mén)內(nèi)漏聲發(fā)射檢測(cè)機(jī)理

聲發(fā)射是物體或材料損傷時(shí)迅速釋放能量而產(chǎn)生應(yīng)力波的一種物理現(xiàn)象，而聲發(fā)射信號(hào)則是聲發(fā)射現(xiàn)象發(fā)生時(shí)信號(hào)被傳感器捕捉并經(jīng)系統(tǒng)處理后以另一種形式出現(xiàn)的電信號(hào)［1］。聲發(fā)射是正在擴(kuò)展的材料缺陷（裂紋）的指示器，只有當(dāng)物體的缺陷擴(kuò)展成永久損傷之后才會(huì)產(chǎn)生聲發(fā)射［11］。當(dāng)閥門(mén)密封面出現(xiàn)磨損或者裂痕時(shí)，泄漏的流體通過(guò)有破損的密封面便會(huì)產(chǎn)生聲發(fā)射信號(hào)。液體在閥門(mén)泄漏的過(guò)程中，激發(fā)的聲發(fā)射信號(hào)是連續(xù)型聲發(fā)射信號(hào)，該信號(hào)攜帶著液體泄漏的信息，經(jīng)過(guò)液體介質(zhì)、閥門(mén)內(nèi)壁和耦合劑的傳播之后被聲發(fā)射傳感器采集。

通過(guò)大量實(shí)驗(yàn)研究閥門(mén)泄漏聲發(fā)射信號(hào)，分析得出聲發(fā)射信號(hào)具有如下特點(diǎn)：1）閥門(mén)泄漏時(shí)所產(chǎn)生聲發(fā)射信號(hào)頻率成分復(fù)雜，信號(hào)能量主要集中在超聲頻帶。并且，泄漏聲發(fā)射信號(hào)頻帶會(huì)受到許多其他因素的影響，如進(jìn)口壓力大小、閥門(mén)類型、泄漏大小、閥體內(nèi)介質(zhì)類型等。2）閥門(mén)泄漏所產(chǎn)生聲發(fā)射信號(hào)波形都具有一個(gè)陡峭的尖峰，超聲頻帶信號(hào)能量最多，信號(hào)集中的具體頻帶由閥門(mén)類型及流體介質(zhì)決定。3）閥門(mén)泄漏聲發(fā)射信號(hào)是一種隨機(jī)信號(hào)，波形十分復(fù)雜。傳播路徑、傳輸介質(zhì)和環(huán)境噪聲等因素都會(huì)對(duì)聲發(fā)射信號(hào)造成影響［4，12～17］。

3 閥門(mén)內(nèi)漏聲發(fā)射信號(hào)采集實(shí)驗(yàn)

閥門(mén)內(nèi)漏聲發(fā)射信號(hào)采集實(shí)驗(yàn)的實(shí)驗(yàn)平臺(tái)由2部分組成，其中，液壓閥門(mén)試驗(yàn)臺(tái)由重慶川儀調(diào)節(jié)閥有限公司提供，聲發(fā)射信號(hào)采集與處理系統(tǒng)由本文搭建。實(shí)驗(yàn)裝置框圖如圖1所示，閥門(mén)泄漏檢測(cè)實(shí)驗(yàn)平臺(tái)現(xiàn)場(chǎng)如圖2所示。

圖1 實(shí)驗(yàn)裝置框圖Fig.1 Block diagram of experimental device

圖2 閥門(mén)泄漏檢測(cè)實(shí)驗(yàn)平臺(tái)Fig.2 Valve Leak Detection Platform

液壓閥門(mén)檢漏平臺(tái)通過(guò)液壓系統(tǒng)推動(dòng)夾緊工作盤(pán)固定閥門(mén)，并通過(guò)增壓水泵和水循環(huán)系統(tǒng)來(lái)給閥門(mén)提供恒定的前端壓力，調(diào)節(jié)增壓水泵功率控制閥門(mén)的前端壓力。聲發(fā)射信號(hào)采集與處理系統(tǒng)由聲發(fā)射傳感器、電壓放大器、抗混疊濾波器、數(shù)據(jù)采集、線性電源和筆記本電腦組成。聲發(fā)射傳感器為美國(guó)物理聲學(xué)公司的R15a壓電式傳感器，其工作頻率范圍為50～400 kHz，能夠有效地檢測(cè)閥門(mén)泄漏信號(hào)。電壓放大器對(duì)聲發(fā)射傳感器的輸出信號(hào)具有放大作用，放大倍數(shù)為40 dB，能夠提高整個(gè)系統(tǒng)中的信噪比。數(shù)據(jù)采集卡選用的是NI公司開(kāi)發(fā)的高性能數(shù)據(jù)采集卡，采樣頻率為1.25 MHz。聲發(fā)射傳感器的固定方式為磁夾固定。聲發(fā)射信號(hào)采集系統(tǒng)的工作過(guò)程為：傳感器捕捉信號(hào)后傳輸至電壓放大器，進(jìn)行阻抗變換和放大，然后通過(guò)截止頻率為600 kHz抗混疊濾波器后，由數(shù)據(jù)采集卡以1.25 MHz的頻率進(jìn)行采樣，轉(zhuǎn)換成數(shù)字信號(hào)。最后，采用Matlab程序?qū)?shù)字信號(hào)進(jìn)行分析。

在重慶川儀調(diào)節(jié)閥有限公司的工業(yè)生產(chǎn)現(xiàn)場(chǎng)，選擇型號(hào)為HTS、公稱直徑為50 mm、流量系數(shù)為17的單座閥（簡(jiǎn)稱閥門(mén)HTS50）進(jìn)行實(shí)驗(yàn)。在泄漏實(shí)驗(yàn)中，為了使實(shí)驗(yàn)?zāi)軌蚍从硨?shí)際工況下的閥門(mén)泄漏現(xiàn)象，一般可以選擇以下方法進(jìn)行模擬：1）選擇生產(chǎn)中出現(xiàn)的閥門(mén)次品進(jìn)行實(shí)驗(yàn)；2）對(duì)泄漏檢測(cè)合格的閥門(mén)產(chǎn)品進(jìn)行人為損壞來(lái)模擬實(shí)際泄漏；3）通過(guò)調(diào)節(jié)閥門(mén)來(lái)控制閥門(mén)的開(kāi)度以模擬實(shí)際泄漏。由于生產(chǎn)技術(shù)的提高，鮮有不合格的閥門(mén)出現(xiàn)，對(duì)合格閥門(mén)進(jìn)行破壞實(shí)驗(yàn)成本高，所以，本實(shí)驗(yàn)采用調(diào)節(jié)手輪的方法來(lái)進(jìn)行泄漏實(shí)驗(yàn)。

將閥門(mén)HTS50安裝在液壓閥門(mén)試驗(yàn)平臺(tái)上，利用磁夾將聲發(fā)射傳感器固定在閥體平面處。在閥體與傳感器之間涂抹耦合劑以減少信號(hào)能量損失。傳感器安裝如圖3所示。

圖3 傳感器安裝圖Fig.3 Sensor installation diagram

調(diào)節(jié)手輪使閥門(mén)處于密封狀態(tài)，開(kāi)啟增壓水泵使閥門(mén)正常工作，轉(zhuǎn)動(dòng)調(diào)壓扳手給予閥門(mén)適當(dāng)?shù)膲毫Γ３衷搲毫?，然后轉(zhuǎn)動(dòng)手輪使閥門(mén)開(kāi)始泄漏，采集聲發(fā)射信號(hào)，同時(shí)測(cè)量泄漏量。調(diào)節(jié)手輪逐漸減小開(kāi)度，并采集聲發(fā)射信號(hào)和測(cè)量泄漏量。重復(fù)以上過(guò)程直至閥門(mén)關(guān)死不再泄漏，然后調(diào)節(jié)閥門(mén)前端壓力，繼續(xù)下一輪實(shí)驗(yàn)。

實(shí)驗(yàn)過(guò)程中使閥門(mén)HTS50分別在0.60，0.65，0.70，0.75 MPa的壓力下進(jìn)行泄漏實(shí)驗(yàn)。液體泄漏范圍在0～575 mL／min以內(nèi)。測(cè)量泄漏量的方法是使用量筒測(cè)量泄漏液體的體積，使用手機(jī)進(jìn)行計(jì)時(shí)，然后計(jì)算泄漏量。為了提高數(shù)據(jù)采集的準(zhǔn)確性，數(shù)據(jù)采集卡設(shè)置采集時(shí)長(zhǎng)為2 s，每次采集2 500 000點(diǎn)數(shù)據(jù)。

4 實(shí)驗(yàn)數(shù)據(jù)預(yù)處理及特征提取

4.1 實(shí)驗(yàn)數(shù)據(jù)預(yù)處理

由于聲發(fā)射傳感器采集的閥門(mén)內(nèi)漏聲發(fā)射信號(hào)具有隨機(jī)信號(hào)的特點(diǎn)，還含有電機(jī)噪聲和其它環(huán)境噪聲，因此，除了在硬件上要對(duì)信號(hào)進(jìn)行放大和抗混疊低通濾波之外，還要對(duì)轉(zhuǎn)換成的數(shù)字信號(hào)進(jìn)行預(yù)處理，從而確定信號(hào)的特征頻帶。

對(duì)采集到的聲發(fā)射信號(hào)進(jìn)行頻譜分析，如圖4所示。當(dāng)泄漏量為零時(shí)，信號(hào)在0～30 kHz的頻帶內(nèi)具有較高的幅值，隨著泄漏量的增加，該頻段內(nèi)的信號(hào)幅值無(wú)明顯變化，因此確定噪聲頻帶主要是在0～30 kHz內(nèi)。而在頻帶40～320 kHz內(nèi)，信號(hào)的幅值隨著泄漏量的增加逐漸抬升，因此確定信號(hào)的特征頻帶為40～320 kHz。因此，在預(yù)處理時(shí)，選擇通帶頻率為40～320 kHz的巴特沃斯濾波器對(duì)信號(hào)進(jìn)行濾波，從而為信號(hào)的特征提取做準(zhǔn)備。濾波前后的時(shí)域信號(hào)如圖5所示。

圖4 閥門(mén)泄漏聲發(fā)射信號(hào)頻譜圖Fig.4 Acoustic emission signal spectrum of valve leakage

圖5 閥門(mén)泄漏聲發(fā)射信號(hào)濾波前后圖Fig.5 Pre-filter and back-filter charts of acoustic emission signal for valve leakage

4.2 聲發(fā)射信號(hào)特征提取

為了更多地挖掘閥門(mén)泄漏聲發(fā)射信號(hào)所攜帶的泄漏信息，本文計(jì)算了標(biāo)準(zhǔn)差Sstd、均方根Rrms和方差Vvar3個(gè)特征量來(lái)表征聲發(fā)射信號(hào)的波動(dòng)特性；計(jì)算了平均值Mmean和熵Eentr2個(gè)特征量來(lái)表征聲發(fā)射信號(hào)所包含的能量；計(jì)算了峰度Kkurt和峭度Sskew2個(gè)特征量來(lái)表征聲發(fā)射信號(hào)的沖擊特性。從3個(gè)不同角度對(duì)信號(hào)進(jìn)行特征提取，為支持向量機(jī)算法提供必要的分類建模依據(jù)［17］。特征量計(jì)算公式如表1所示。以信號(hào)特征量標(biāo)準(zhǔn)差Sstd計(jì)算過(guò)程為例進(jìn)行說(shuō)明：

1）將濾波后的數(shù)據(jù)分段，分為1 250段，每段2 000點(diǎn)。

2）根據(jù)式（1）計(jì)算每段數(shù)據(jù)的標(biāo)準(zhǔn)差，得到1 250個(gè)標(biāo)準(zhǔn)差，如圖6所示。

圖6 每段數(shù)據(jù)的標(biāo)準(zhǔn)差Fig.6 Standard deviation for each segment of data

式中：xi為濾波后時(shí)域信號(hào)；μ為每段數(shù)據(jù)的平均值；N為每段數(shù)據(jù)包含的點(diǎn)數(shù)。

3）對(duì)計(jì)算得到的1 250個(gè)標(biāo)準(zhǔn)差進(jìn)行從小到大的排序，排序之后如圖7所示。為了進(jìn)一步減少統(tǒng)計(jì)變異性和隨機(jī)噪聲的干擾，選取排序后的前20個(gè)標(biāo)準(zhǔn)差的均值作為特征量標(biāo)準(zhǔn)差最終的取值。

圖7 排序后的標(biāo)準(zhǔn)差Fig.7 standard deviation after sorting

4）以此類推，分別計(jì)算其余6個(gè)特征量，特征量計(jì)算公式如表1所示。

表1 特征量計(jì)算公式Tab.1 Characteristic quantity formula

5 支持向量機(jī)建模

支持向量機(jī)（support vector machine，SVM）是以統(tǒng)計(jì)學(xué)理論作為支撐，以結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則為優(yōu)化策略，尋求使經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍之和最小的學(xué)習(xí)機(jī)器。將最優(yōu)分類超平面的構(gòu)造計(jì)算轉(zhuǎn)化為二次優(yōu)化問(wèn)題，解決了容易在神經(jīng)網(wǎng)絡(luò)中出現(xiàn)的局部極值問(wèn)題［18］。因此，選擇SVM方法對(duì)閥門(mén)液體泄漏數(shù)據(jù)進(jìn)行處理。

支持向量機(jī)方法適用于閥門(mén)液體泄漏實(shí)驗(yàn)數(shù)據(jù)小樣本和非線性的特點(diǎn)，并且訓(xùn)練得到的分類模型泛化能力強(qiáng)，能滿足實(shí)際工程中在線檢漏的需要。

5.1 支持向量機(jī)原理

線性二分類問(wèn)題是支持向量機(jī)算法的研究起點(diǎn)。存在兩類線性可分的樣本點(diǎn)，如圖8所示。

圖8 最優(yōu)超平面示意圖Fig.8 Optimal Hyperplane Diagram

假設(shè)樣本點(diǎn)集合為｛（xi，yi），i＝1，2，…，l｝，其中l(wèi)為樣本數(shù)，一類樣本點(diǎn)yi＝－1，另一類的樣本點(diǎn)yi＝1，需要尋找到一個(gè)最優(yōu)超平面。

式中：w為權(quán)值向量；x為輸入向量；b為偏置項(xiàng)。使式（2）到2類樣本的間隔最大，其中且兩類樣本點(diǎn)滿足：

式（4）可以轉(zhuǎn)化為L(zhǎng)angrange問(wèn)題：

式中：αi＞0為L(zhǎng)angrange系數(shù)，i＝1，2，…，l。

式中xr和xs為2個(gè)類別中任意一對(duì)支持向量。計(jì)算得出最優(yōu)超平面的函數(shù)表達(dá)式為

為了避免模型對(duì)于SVM模型的過(guò)擬合，需要引入松弛變量ξ，允許少數(shù)樣本被錯(cuò)分，以此提高模型的預(yù)測(cè)準(zhǔn)確率。

在實(shí)際問(wèn)題中，非線性樣本的分類建模需要利用核函數(shù)K（xi，xj）＝Φ（xi）Φ（xj）減少計(jì)算量。利用核函數(shù)方法得到的最優(yōu)分類函數(shù)為：

支持向量機(jī)算法中常用的核函數(shù)是線性核函數(shù)、多項(xiàng)式核函數(shù)、Sigmoid核函數(shù)和RBF核函數(shù)，本文采用RBF核函數(shù)進(jìn)行訓(xùn)練建模。

5.2 支持向量機(jī)分類建模過(guò)程

1）計(jì)算特征量。計(jì)算得到每個(gè)泄漏量下聲發(fā)射信號(hào)的7個(gè)特征量，組成支持向量機(jī)的特征數(shù)據(jù)矩陣x，即

式中：Sstd（i）、Rrms（i）、Vvar（i）、Mmean（i）、Eentr（i）、Kkurt（i）、Sskew（i）分別為xi的7個(gè)特征量的值。

2）添加標(biāo)簽。根據(jù)GB／T 4213—9調(diào)節(jié)閥泄漏標(biāo)準(zhǔn)，計(jì)算得到本文所研究閥門(mén)的四級(jí)泄漏量Q。在實(shí)際工業(yè)生產(chǎn)中，以四級(jí)泄漏量Q為標(biāo)準(zhǔn)來(lái)判斷閥門(mén)是否需要維修，因此，為每個(gè)泄漏量下閥門(mén)泄漏小聲發(fā)射信號(hào)劃分的泄漏等級(jí)是：小泄漏范圍為0～Q；中等泄漏范圍為Q～2Q；大泄漏范圍為2Q～3Q；特大泄漏范圍為大于3Q。樣本添加標(biāo)簽的規(guī)則如表2所示。確定標(biāo)簽之后，可以得到樣本標(biāo)簽矩陣Y＝［y1，y2，…，yi，…］T，其中yi為xi的標(biāo)簽值。

表2 樣本標(biāo)簽添加規(guī)則Tab.2 Sample Label Addition Rules

3）選擇訓(xùn)練樣本。將樣本集分為測(cè)試樣本集和訓(xùn)練樣本集，將泄漏量從小到大排序之后均勻挑選其中2／3的樣本作為訓(xùn)練樣本，剩余1／3樣本作為測(cè)試樣本。由訓(xùn)練樣本集的特征矩陣和訓(xùn)練樣本集標(biāo)簽矩陣計(jì)算得到SVM分類函數(shù)模型。將測(cè)試集本的特征矩陣輸入到上述計(jì)算得到SVM模型中即可對(duì)測(cè)試樣本集進(jìn)行分類。

4）SVM建模。通過(guò)數(shù)據(jù)處理過(guò)程，得到SVM建模所需輸入的特征矩陣和標(biāo)簽矩陣。SVM建模過(guò)程為：輸入特征矩陣歸一化；利用交叉驗(yàn)證法選取SVM建模的最優(yōu)C和g參數(shù)；對(duì)訓(xùn)練樣本數(shù)據(jù)進(jìn)行建模。得到模型之后，輸入測(cè)試集特征矩陣，得到預(yù)測(cè)標(biāo)簽，并計(jì)算準(zhǔn)確率。

通過(guò)測(cè)試樣本集標(biāo)簽的預(yù)測(cè)正確率來(lái)判斷SVM模型的好壞。預(yù)測(cè)準(zhǔn)確率為，其中l(wèi)1為預(yù)測(cè)正確的測(cè)試樣本數(shù)，l2為測(cè)試集樣本數(shù)。預(yù)測(cè)準(zhǔn)確率越高，說(shuō)明SVM模型越準(zhǔn)確。

5.3 網(wǎng)格搜索法SVM 參數(shù)尋優(yōu)與建模

SVM建模過(guò)程中C、g參數(shù)的選擇決定了算法速度和模型好壞。其中，C是懲罰系數(shù)，即對(duì)誤差的寬容度。C過(guò)大或過(guò)小，泛化能力變差。參數(shù)g是RBF核函數(shù)的參數(shù)，用于確定模型訓(xùn)練的快慢。

網(wǎng)格搜索法就是分別給定C參數(shù)和g參數(shù)的范圍，定步長(zhǎng)劃分參數(shù)范圍，組成C和g二維參數(shù)矩陣，依次利用每對(duì)參數(shù)進(jìn)行試驗(yàn)，由預(yù)測(cè)準(zhǔn)確率來(lái)確定最優(yōu)的C和g參數(shù)。

分別對(duì)閥門(mén)HTS50在前端壓力為0.6，0.65，0.7，0.75 MPa下的試驗(yàn)數(shù)據(jù)進(jìn)行建模，各個(gè)壓力下的最優(yōu)參數(shù)如表3所示，參數(shù)尋優(yōu)如圖9所示。

表3 參數(shù)尋優(yōu)結(jié)果Tab.3 Parameter optimization results

圖9 參數(shù)尋優(yōu)結(jié)果Fig.9 results of parameter optimization

圖9中最高峰對(duì)應(yīng)的訓(xùn)練模型準(zhǔn)確率最高，對(duì)應(yīng)的C和g參數(shù)就是最優(yōu)參數(shù)。最優(yōu)參數(shù)如表3所示，利用最優(yōu)參數(shù)建立SVM分類數(shù)學(xué)模型。

5.4 支持向量機(jī)分類結(jié)果

在前端壓力為0.6，0.65，0.7，0.75 MPa對(duì)閥門(mén)HTS50進(jìn)行了實(shí)驗(yàn)，預(yù)測(cè)結(jié)果如圖10所示。4個(gè)壓力下SVM模型的預(yù)測(cè)準(zhǔn)確率如表4所示。表4指出SVM模型在壓力為0.75 MPa時(shí)預(yù)測(cè)準(zhǔn)確度最高為100%，在壓力為0.65 MPa時(shí)預(yù)測(cè)準(zhǔn)確度最低為93.1%，這說(shuō)明支持向量機(jī)分類建模方法能夠在不同壓力下對(duì)閥門(mén)泄漏情況進(jìn)行識(shí)別。由圖10可以看到分類出現(xiàn)錯(cuò)誤的數(shù)據(jù)都是處于分類邊界上的點(diǎn)，這與支持向量機(jī)原理是一致的。在SVM模型訓(xùn)練過(guò)程中，為了達(dá)到結(jié)構(gòu)風(fēng)險(xiǎn)最小化的效果，少數(shù)邊界上的點(diǎn)是允許被錯(cuò)分的，這樣能強(qiáng)化模型的泛化能力，因此在預(yù)測(cè)時(shí)錯(cuò)誤的點(diǎn)都處于邊界附近。

圖10 實(shí)驗(yàn)結(jié)果Fig.10 Experimental results

表4 SVM模型的預(yù)測(cè)準(zhǔn)確率Tab.4 Prediction accuracy of SVM model

6 結(jié)論

分析了閥門(mén)液體泄漏聲發(fā)射的機(jī)理，根據(jù)實(shí)際工況下閥門(mén)泄漏的情況，設(shè)計(jì)了閥門(mén)液體泄漏實(shí)驗(yàn)。確定了閥門(mén)液體泄漏聲發(fā)射的信號(hào)頻帶為40～20 kHz。對(duì)采集到的聲發(fā)射信號(hào)進(jìn)行頻譜分析，發(fā)現(xiàn)在頻帶40～20 kHz內(nèi)隨著泄漏量的增大，信號(hào)的頻譜幅值相應(yīng)增大。

提出將SVM應(yīng)用于閥門(mén)液體泄漏狀態(tài)分類的具體實(shí)現(xiàn)方法：對(duì)閥門(mén)液體泄漏聲發(fā)射信號(hào)提取多個(gè)特征量組成輸入特征矩陣，定義了添加閥門(mén)泄漏等級(jí)標(biāo)簽的規(guī)則，對(duì)SVM訓(xùn)練參數(shù)進(jìn)行尋優(yōu)，建立了輸入信號(hào)特征和泄漏等級(jí)標(biāo)簽的分類模型。SVM分類建模方法的數(shù)據(jù)處理結(jié)果表明，閥門(mén)泄漏等級(jí)的預(yù)測(cè)準(zhǔn)確率均在93%以上。相比于回歸方法，SVM分類方法更符合實(shí)際工況閥門(mén)泄漏在線檢測(cè)的要求。

液體與氣體的性質(zhì)不同、閥門(mén)種類不同以及閥門(mén)液體泄漏實(shí)驗(yàn)與氣體泄漏實(shí)驗(yàn)的條件也不同，從而液體的聲發(fā)射信號(hào)與氣體的有較大差異，所以，研究閥門(mén)液體泄漏聲發(fā)射信號(hào)分類模型是有實(shí)際意義的。