طراحی و ارزیابی سیستم اندازه گیری جریان آب مبتنی بر صدا

پذیرفته شده برای ارائه شفاهی ، صفحه 1-10 (10)
کد مقاله : 1086-ISAV2023 (R1)
نویسندگان
1کارشناسی ارشد، دانشگاه شریف، دانشکده مکانیک
2استادیار، دانشگاه شریف، دانشکده مکانیک
چکیده
کاربردهای روز افزون سیالات، در مناطق مسکونی و بسیاری از صنایع، نیازمند پیشرفت در کنترل بهینه سیالات و دانستن دبی سیال در هر لحظه است. روش‌های مختلفی برای اندازه‌گیری دبی سیالات و به خصوص آب وجود دارد. در پژوهش حاضر، از روش مبتنی بر اکوستیک برای تخمین دبی استفاده می شود. هدف این پژوهش طراحی و ساخت یک دستگاه‌ سادۀ اندازه‌گیری دبی و تحلیل تئوری عوامل ایجاد صوت در آن است. پس از ثبت سیگنال‌های صوتی، با استفاده از 2 روش تحلیل در حوزه‌ی زمان و تحلیل در حوزه‌ی فرکانس، دبی جریان تخمین زده می شود. روش اول برای اعتبار‌سنجی دریافت صوت از دستگاه آزمایش مانند پژوهشی بر روی لوله آب انجام شد و نتایج نشان می دهد که همانند پژوهش می توان شدت صوت را بر حسب دبی جریان با یک منحنی درجه 2 برازش کرد. در روش دوم، برای بالا‌‌ بردن نسبت سیگنال هدف به نویز در نمونه‌برداری‌ها، آزمایشی انجام شد و شیر به عنوان منبع صوت منتشر شده مشخص شد. دریافت سیگنال صوتی از محل شیر انجام شد و با استفاده از تحلیل مل – فرکانس ویژگی ها بدست آمدند. در نهایت طبقه‌بند لجستیک‌رگرسیون با دقت 90 درصد بهترین مدل انتخاب شد.
کلیدواژه ها
موضوعات
 
Title
.
Authors
مراجع

[1] T. Hang, J. Feng, X. Li, L. Yan, Water Sound Recognition Based on Support Vector Machine, in: Proceedings of the 13th International Conference on Ubiquitous Information Management and Communication (IMCOM) 2019, Springer, Cham, 2019: pp. 986–995. https://doi.org/10.1007/978-3-030-19063-7_77.
[2] M. Iwaki, S. Nakayama, A sound recognition method with incrementally taking sound stream into consideration, in: 2016 IEEE 5th Global Conference on Consumer Electronics, 2016: pp. 1–2. https://doi.org/10.1109/GCCE.2016.7800401.
[3] T. Hayashi, M. Nishida, N. Kitaoka, K. Takeda, Daily activity recognition based on DNN using environmental sound and acceleration signals, in: 2015 23rd European Signal Processing Conference (EUSIPCO), 2015: pp. 2306–2310. https://doi.org/10.1109/EUSIPCO.2015.7362796.
[4] M.V. Valencia, F.L.V. Restrepo, C.S. Gonzalez, E. Delgado-Trejos, Metrological Advantages of Applying Vibration Analysis to Pipelines: A Review, Scientia et Technica. 26 (2021) 28–35.
[5] A. Ibarz, G. Bauer, R. Casas, A. Marco, P. Lukowicz, Design and Evaluation of a Sound Based Water Flow Measurement System, in: D. Roggen, C. Lombriser, G. Tröster, G. Kortuem, P. Havinga (Eds.), Smart Sensing and Context, Springer, Berlin, Heidelberg, 2008: pp. 41–54. https://doi.org/10.1007/978-3-540-88793-5_4.
[6] R. Safari, B. Tavassoli, Initial test and design of a soft sensor for flow estimation using vibration measurements, in: Instrumentation and Automation The 2nd International Conference on Control, 2011: pp. 809–814. https://doi.org/10.1109/ICCIAutom.2011.6356765.
[7] J. He, S. Y, B. Mj, M. C, Correlating Sound and Flow Rate at a Tap, Procedia Engineering. 119 (2015) 864–873. https://doi.org/10.1016/j.proeng.2015.08.953

[8] H. Göksu, Flow Measurement by Wavelet Packet Analysis of Sound Emissions, Measurement and Control. 51 (2018) 104–112. https://doi.org/10.1177/0020294018768340.
[9] R.P. Evans, J.D. Blotter, A.G. Stephens, Flow Rate Measurements Using Flow-Induced Pipe Vibration, Journal of Fluids Engineering. 126 (2004) 280–285. https://doi.org/10.1115/1.1667882.
[10] I.M. Pires, R. Santos, N. Pombo, N.M. Garcia, F. Flórez-Revuelta, S. Spinsante, R. Goleva, E. Zdravevski, Recognition of Activities of Daily Living Based on Environmental Analyses Using Audio Fingerprinting Techniques: A Systematic Review, Sensors. 18 (2018) 160. https://doi.org/10.3390/s18010160.
[11] K.K. Paliwal, J.G. Lyons, K.K. Wójcicki, Preference for 20-40 ms window duration in speech analysis, in: 2010 4th International Conference on Signal Processing and Communication Systems, 2010: pp. 1–4. https://doi.org/10.1109/ICSPCS.2010.5709770.
[12] H.S. Ribner, The Generation of Sound by Turbulent Jets, in: H.L. Dryden, Th. Von Kármán (Eds.), Advances in Applied Mechanics, Elsevier, 1964: pp. 103–182. https://doi.org/10.1016/S0065-2156(08)70354-5.
[13] P. Thibbotuwawa Gamage, Modeling of flow generated sound in a constricted duct at low Mach number flow, Electronic Theses and Dissertations. (2017). https://stars.library.ucf.edu/etd/5668.
[14] X. Huang, A. Acero, H.-W. Hon, R. Reddy, Spoken Language Processing: A Guide to Theory, Algorithm, and System Development, 1st ed., Prentice Hall PTR, USA, 2001.
[15] L.E. Kinsler, A.R. Frey, A.B. Coppens, J.V. Sanders, Fundamentals of Acoustics, 4th edition, Wiley, New York,NY Weinheim, 2000.
[16] T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition, 2nd edition, Springer, New York, NY, 2016