閥門(mén)在石油工業(yè)中使用頻繁且出現(xiàn)泄漏現(xiàn)象不易檢測(cè)。論文闡述了通過(guò)軟件方式根據(jù)聲音信號(hào)識(shí)別閥門(mén)泄漏的方法。系統(tǒng)利用聲音傳感器采集有效時(shí)間段的聲音信號(hào),提取其MFCC特征參數(shù)作為觀測(cè)序列,并利用隱馬爾可夫模型對(duì)其進(jìn)行建模訓(xùn)練,使其能夠識(shí)別故障信號(hào),及時(shí)發(fā)現(xiàn)閥門(mén)泄漏,并進(jìn)行報(bào)警處理,從而保證輸油泵正常工作。實(shí)驗(yàn)證明,系統(tǒng)能夠有效地識(shí)別閥門(mén)泄漏故障。0、引言

　　在石油工業(yè)中,閥門(mén)是一種使用數(shù)量多、操作使用頻繁的設(shè)備。據(jù)統(tǒng)計(jì),購(gòu)買閥門(mén)的費(fèi)用相當(dāng)于一個(gè)新建工廠投資的8%。在閥門(mén)的使用過(guò)程中,因閥門(mén)的磨損等原因會(huì)出現(xiàn)內(nèi)外滲漏或泄漏等情況,從而引起跑油、基于聲音識(shí)別的多閥門(mén)泄漏檢測(cè)系統(tǒng)混油等嚴(yán)重事故,影響石油質(zhì)量,造成極大的經(jīng)濟(jì)損失和資源浪費(fèi)。因此,閥門(mén)泄漏的檢測(cè)有著重大的現(xiàn)實(shí)意義。當(dāng)閥門(mén)關(guān)閉時(shí),若有泄漏,其主要特征是在泄漏處形成多相湍射流,該射流不但使流體發(fā)生紊亂,而且與泄漏孔壁相互作用,在孔壁上產(chǎn)生高頻應(yīng)力波,并在閥體中傳播,稱之為被動(dòng)聲發(fā)射。用聲發(fā)射傳感器接觸閥體外壁,接收泄漏產(chǎn)生的在閥體中傳播的彈性波,轉(zhuǎn)換成電信號(hào),經(jīng)信號(hào)放大處理后顯示和監(jiān)聽(tīng),從而達(dá)到檢測(cè)閥門(mén)泄漏的目的。聲學(xué)檢測(cè)具有動(dòng)態(tài)、快速和經(jīng)濟(jì)的特點(diǎn),既可以保證閥門(mén)的安全使用,又可以為維修、決策提供依據(jù),降低更換費(fèi)用。當(dāng)前的理論和實(shí)踐表明,利用聲學(xué)檢測(cè)閥門(mén)泄漏是一種行之有效的無(wú)損檢測(cè)的方法。1、系統(tǒng)介紹

　　基于聲音識(shí)別的多閥門(mén)泄漏檢測(cè)系統(tǒng)是德國(guó)新型輸油泵-軟管隔膜活塞泵國(guó)產(chǎn)化的一個(gè)子系統(tǒng)。軟管隔膜活塞泵系統(tǒng)共有七路輸油通道,一路原油輸送工作原理如圖1所示。圖中No1所示位置是原油出口閥,No2是原油出口閥聲音檢測(cè)傳感器位置;對(duì)應(yīng)右下部是原油入口閥及聲音檢測(cè)傳感器位置;No3是漿料與軟管和閥門(mén)內(nèi)側(cè)相接觸;No4是直線形的流通通道;No5是平隔膜的夾緊區(qū)域;No6是組合式超壓安全閥;No7是油泵在油內(nèi)工作。

圖1　輸油泵工作示意圖

　　圖1的右邊電機(jī)帶動(dòng)曲柄使活塞左右移動(dòng),同時(shí)帶動(dòng)一個(gè)凸輪機(jī)構(gòu)（圖中未畫(huà)出）控制原油出進(jìn)口閥門(mén)的開(kāi)關(guān)。隨著進(jìn)口閥打開(kāi),出口閥的關(guān)閉,活塞從左向右移動(dòng),隔膜軟管中的壓力變低,原油進(jìn)入軟管;當(dāng)活塞到達(dá)右端時(shí),原油進(jìn)口閥關(guān)閉;活塞向左端前進(jìn),到達(dá)一定路徑時(shí),凸輪機(jī)構(gòu)啟動(dòng)原油出口閥打開(kāi),活塞繼續(xù)向左前進(jìn),擠壓軟管隔膜將原油壓出出口閥。在工作過(guò)程中,如果進(jìn)出口閥出現(xiàn)泄漏,就會(huì)出現(xiàn)管道內(nèi)壓力不足,石油輸出質(zhì)量降低等一系列的問(wèn)題,影響泵的工作效率,造成資料浪費(fèi)和經(jīng)濟(jì)損失。因此,需要對(duì)泵的進(jìn)出口閥進(jìn)行實(shí)時(shí)監(jiān)控。2、系統(tǒng)設(shè)計(jì)

2.1、系統(tǒng)總體設(shè)計(jì)

　　系統(tǒng)主要由特征參數(shù)提取、HMM模型訓(xùn)練、模式識(shí)別和結(jié)果處理等四部分構(gòu)成,如圖2所示。

圖2　

2.2、特征參數(shù)提取

　　特征參數(shù)提取是指從閥門(mén)音頻信號(hào)中提取出隨時(shí)間變化的語(yǔ)音特征序列,提取有用的統(tǒng)計(jì)數(shù)據(jù),是建立HMM模型庫(kù)的關(guān)鍵。

　　Mel頻率倒譜系數(shù)（MelFrequencyCepstrumCoefficient,MFCC）主要著眼于人耳的聽(tīng)覺(jué)特性,利用聽(tīng)覺(jué)前端濾波器組模型,能很好地體現(xiàn)音頻信號(hào)的主要信息,在語(yǔ)音識(shí)別、音頻分類和檢索領(lǐng)域應(yīng)用十分廣泛。本系統(tǒng)選用MFCC特征參數(shù)。MFCC是在Mel標(biāo)度頻率域提取出來(lái)的倒譜參數(shù)。它與頻率的關(guān)系可用式（1）近似表示Mel（f）=2595*log（1+f/700）（1）式中:f為頻率,單位Hz。

MFCC參數(shù)的提取過(guò)程:

　　（1）對(duì)音頻信號(hào)進(jìn)行分幀和加窗處理,對(duì)采集過(guò)程或分幀等因素所造成的數(shù)據(jù)損失予以補(bǔ)償,本文中窗長(zhǎng)30ms,幀長(zhǎng)N為256,幀移為128點(diǎn),采樣頻率為11025Hz,采樣精度為16bit。用Hamming窗進(jìn)行加窗處理,減少Jibbs效應(yīng)。

　?。?）將預(yù)處理后的信號(hào)進(jìn)行快速傅立葉變換（FFT）,將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào),再計(jì)算其模的平方得到能量譜P[i],1≤k≤N-1。

　?。?）設(shè)計(jì)一個(gè)具有M個(gè)帶通濾波器的濾波器組,采用三角濾波器,中心頻率在0～F/2按Mel頻率分布;再根據(jù)Mel（f）頻率與實(shí)際線性頻率f的關(guān)系計(jì)算出三角帶通濾波器組Hm（k）。

　　其中

　　則每個(gè)濾波器組輸出的對(duì)數(shù)能量為

　　（4）對(duì)S[m]進(jìn)行離散余弦變換（DCT）即得到MFCC系數(shù)。

　?。?）取C[1],C[2],⋯,C[V]作為MFCC參數(shù),其中V是MFCC參數(shù)的維數(shù),本文中取V=12。

2.3、隱馬爾可夫模型

　　隱馬爾可夫模型（HiddenMarkovModel,HMM）是一種時(shí)間序列統(tǒng)計(jì)建模工具,它能夠?qū)Ψ瞧椒€(wěn)信號(hào)變化的規(guī)律進(jìn)行統(tǒng)計(jì)并建立參數(shù)化模型,另外利用該模型可以方便地進(jìn)行概率推理,因此它常常作為動(dòng)態(tài)模式分類的工具。隱馬爾可夫模型的強(qiáng)大之處在于觀察到的事件與內(nèi)在的狀態(tài)間建立了一種概率模型。

　　HMM建模方法具有良好的抗噪性能,在交通檢測(cè)系統(tǒng)、圖像識(shí)別、語(yǔ)音識(shí)別以及基于震動(dòng)信號(hào)的故障診斷等中都得到了較好的應(yīng)用,也是目前為止zui有效的語(yǔ)音信號(hào)識(shí)別方法。

　　HMM可以分為兩部分,一個(gè)是Markov鏈,由π、A來(lái)描述,產(chǎn)生的輸出為狀態(tài)序列;另一個(gè)隨機(jī)過(guò)程,由B來(lái)描述,產(chǎn)生的輸出為觀測(cè)值序列。一個(gè)DHMM可以由下列參數(shù)進(jìn)行定義: