期刊刊名：科學與工程技術期刊 　 卷期：21卷1期

篇名出版日期：2025年3月1日

作者：陳昭雄,陳建中,李昱輝,林克衛,Chaio-Shiung Chen, Jian-Jhong Chen, Yu-Huei Li, Ke-Wei Lin

語言：Chinese

關鍵字：高壓閥體,音洩技術,故障檢測,機械學習,high pressure valve, sound leakage technology, fault detection, machine learning

被點閱次數：0次

閱讀時間：0sec

摘要：
本文應用音洩技術於高壓瓶閥體的洩漏偵測，發展機械學習方法進行模型和參數的訓練，以達到閥體各種故障的自動診斷目的。在不同測試壓力和故障模式下，將麥克風裝設在閥門外感測閥體洩漏訊號，再利用資料擷取卡擷取訊號到電腦號進行特徵處理。時域的特徵值包括均方根值（Root mean square）、平均值（Mean）和變異量（Variance）。利用離散傅立葉轉換（Discrete Fourier Transform，DFT）將訊號轉換到頻域，為了減少頻譜特徵值的個數，將DFT頻譜中的振幅由大到小排列，取前最大50個振幅和所相對應的頻率共100個，做為機械學習訓練的特徵值。以人工智慧機器學習方式，建立加權k-近鄰演算法（Weighted k-nearest-neighbors , wkNN）、人工類神經網絡（Artificial Neural Network, ANN）和二次支持向量機（Quadratic support vector machine, qSVM）三種機械學習模型和相對應的訓練演算法，藉以辨識出高壓閥體在不同通氣壓力下，閥體墊圈半破裂、墊圈全破裂、破裂盤和閥芯髒污等四種故障，並且比較這三種音洩學習模型的優劣。最後，透過各種實驗驗證本文所提方法的有效性，閥體故障辨識率整體可達98%以上。

　　　　　[全文下載]