容器内液化天然气分层涡旋事故的诊断与识别

以温度为表征参量,基于谱分析方法和时频分布理论,利用温度序列的AR模型的极点参数作为前端处理的特征参数,模拟了智能系统对温度信号的处理过程.来对液化天然气(LNG)分层涡旋事故进行有效的识别与诊断.过程中,为了压缩特征维数并选择可分性最好的特征,采用了基于距离准则的特征选择方法.对温度序列的特征提取表明:从分层第一阶段过渡到第二阶段后,温度信号频率的主峰中心频率部分发生了偏移,而且频率幅度增大;涡旋临界状态的AR谱比较杂乱,既有特征谱峰又有其他谱峰;两种状态的特征参数--中心频率、谱峰幅值、高频能量和高频能量比等区别较大.最后,通过AR模型参数的欧式距离对分层涡旋的发展阶段及状态进行了模式识别.结果表明:相同状态的欧式距离趋向于零,由于信号的随机性而呈现较小的非零量;不同状态之间的欧式距离值差异明显,能够实现分层涡旋的故障状态识别.