基于经验模态分解和随机森林的阀门泄漏模式识别方法OA北大核心CSTPCD

作为核电站的一类关键设备,阀门泄漏会给系统安全、稳定运行造成影响。利用声发射技术识别阀门泄漏,区分出内、外两种不同泄漏模式有助于后续针对性维修,对维修经济性提升具有重要意义。针对上述问题,本文提出了一种基于经验模态分解(EMD)和随机森林的阀门泄漏模式识别方法。首先,对泄漏声发射信号进行EMD处理以获得处于不同频段的分量信号;其次,对各分量信号进行傅里叶变换获取其频谱,并从频谱中提取谱能量比作为特征;最后,基于随机森林算法建立智能识别模型以实现内漏和外漏的自动识别。利用试验数据对方法进行了验证,结果表明,该方法提取的谱能量比特征能够量化内漏、外漏两种模式下声发射信号频谱差异,建立的基于随机森林的模型能够有效实现两种泄漏模式的识别。