燃气调压器是燃气输运过程中控制燃气压力和流量的关键设备。传统测量方式是用表头直接监控流量和压力,以此诊断调压器故障,这种方法的缺点是准确率低和实时性差。本文针对这个问题,提出了一种基于声发射(Acoustic Emission,AE)传感的调压器故障诊断方法,这种方法能够将故障诊断周期从24小时降低到秒的数量级,同时将故障诊断的准确率提高到90%以上,具有一定的工程应用价值。主要研究内容包含三个方面:(1)针对燃气调压器,设计和搭建了一套声发射数据采集系统,并将其应用于实际调压站的数据采集中,采集得到的数据分为故障和正常两类。(2)针对调压器故障特征提取,提出了基于小波包分解的频带能量特征提取算法。首先,利用Fourier变换分析调压器声发射信号的频率范围,然后,对数据进行归一化处理,以增加算法的普适性。考虑到不同小波基在特征提取功能上的差异,使用了三种不同的小波基(db4、db5和haar)进行故障特征提取。(3)分析比较了三种方法(K近邻(K-Nearest Neighbor,KNN)、支持向量机(Support Vector Machine,SVM)和BP神经网络)对调压器故障诊断的准确性,由此得出最适合调压器故障诊断的方法。结果显示,使用db4小波基能够得到更高的故障诊断准确率。三种模型相比,结合使用db4小波基和BP神经网络这种方法得到故障诊断准确率达到94%以上,并且模型具有很好的移植性,适用于调压器的故障诊断。