Objetivo Abordar el desafío de detectar fugas ultra-pequeñas con señales débiles en uniones de transición acero-plástico de tuberías de polietileno (PE), este estudio propone un método de clasificación inteligente para micro-fugas de gas natural basado en características de emisión acústica (AE) en dominios de múltiples frecuencias y algoritmos de bosque aleatorio (RF), permitiendo la detección efectiva de tales micro-fugas. Diseño/metodología/enfoque Se recopilaron señales de AE de fugas de orificio de aguja (tamaños de abertura: 0.1, 0.2 y 0.35 mm) bajo presiones de operación reales (0.1, 0.2 y 0.3 MPa) a través de sensores de AE. Después de filtrar y preprocesar el conjunto de datos, se dividió en conjuntos de entrenamiento y prueba en una proporción de 7:3. Luego, se extrajeron características del dominio del tiempo, del dominio de la frecuencia y del dominio tiempo-frecuencia. Se utilizó un método de búsqueda de cuadrícula de parámetros para optimizar los parámetros clave del modelo RF, identificando la combinación óptima. Resultados Los resultados muestran que el modelo RF no solo puede responder rápidamente y predecir el grado de fuga con precisión, sino que también las métricas de evaluación del rendimiento (precisión, precisión, recuperación y puntaje F1) superaron el 90%, lo que puede identificar efectivamente la señal de fuga débil y distinguir con precisión el estado de micro-fuga bajo diferentes condiciones de trabajo. Originalidad/valor La investigación propone un método de clasificación inteligente para la micro-fuga de juntas acero-plástico de tuberías de PE basado en características multi-dominio de AE y RF. El objetivo central es identificar de manera precisa y rápida las condiciones de micro-fuga de juntas de transición acero-plástico de tuberías de PE bajo diversas condiciones operativas, logrando así una alerta temprana para micro-fugas en tuberías de gas natural.
Qiao et al. (Marz,) estudiaron esta cuestión.