论文部分内容阅读
基于大型常压立式金属储罐底板在线声发射检测及定位的原理，针对声发射检测过程中因声源性质不明确导致的罐底完整性评价结果不准确的问题，采用小波分析方法对罐底声发射信号进行了分解．通过提取声发射信号在不同小波分解频带上的特征频谱系数，与声发射波形参数共同作为BP神经网络学习样本集的特征向量，对神经网络的模式识别性能进行了优化．采用该神经网络对罐底裂纹、腐蚀、泄漏、机械噪声和电磁噪声等不同性质的声发射源进行判别时，其正确识别率均在90％以上，使基于声发射在线检测技术的储罐底板结构完整性评价技术更趋于完善和实用化．