阀门作为控制管路运输的重要附件,它的运行情况涉及范围很广。一旦阀门发生泄漏,可能会对管道运输造成一定的影响。同时,声发射技术作为一种新兴的无损检测技术,可以用于运行中阀门的性能检测中。本文主要工作如下:(1)充分调研阀门内漏检测的相关技术的进展,在原有的研究基础上,优化设计出一套性能更优的阀门内漏检测仪器;(2)本文基于SPSS 22.0(Statistical Product and Service Solutions)软件,针对实验室开发的检测仪器采集到的阀门内漏声发射信号的高维特征变量,通过因子分析来对这些变量进行降维,以获得较低维度的样本特征集;(3)基于因子分析得到的低维样本特征集,进行小波三层分解,增加样本数量,提高阀门内漏量化模型的稳定性。本文采用试错法确定神经网络模型的结构。通过比较三种阀门内漏速率模型(基于降维得到的样本特征集构建的小波-BP神经网络模型、基于降维样本特征集的BP神经网络模型(error Back Propagation Neural Network),以及基于未降维样本特征集的小波-BP神经网络模型所构建的阀门内漏速率量化模型)的预测性能。选择性能最优的基于降维得到的样本特征集构建的小波-BP神经网络阀门内漏速率量化模型,作为阀门内漏速率量化预测模型;(4)最后对阀门内漏检测仪器进行了实验室模拟实验和现场试验,检验了仪器的性能,可以为输气管道安全运行提供安全保障。