CN101718396B - 基于小波和模式识别的流体输送管道泄漏检测方法及装置 - Google Patents

Abstract

基于小波和模式识别的流体输送管道泄漏检测方法及装置，属于故障诊断技术领域。检测装置包括压力变送器、ARM处理器、局域网及GPS全球定位校时系统；流体输送管道两端由首末站组成，安装有压力变送器，压力变送器与ARM处理器相连；GPS与ARM处理器相连；首末站通过高速局域网交换实时数据。检测方法为：采集管道两端压力数据；将数据传递给ARM处理器，确定泄漏点位置：如泄漏点不在管道两端，利用神经网络模块进行再判断，如为泄漏，产生报警。本发明可以有效地降低误报警率，减少误判和漏判，通过对疑似泄漏的曲线进行判断，对目标向量数据库进行手动添加，完善该专家数据库，有助于提高操作人员对泄漏曲线的分析和认识能力。

Description

基于小波和模式识别的流体输送管道泄漏检测方法及装置

技术领域

本发明属于故障诊断技术领域，特别涉及一种基于小波和模式识别的流体输送管道泄漏检测方法及装置。

背景技术

随着国民经济的发展，管道由于其在流体运输中独特的优势，在输送成品油、原油等流体方面正发挥着不可替代的重要作用。但是随着管道运输的发展，老化、腐蚀和受经济利益驱动的人为偷盗等原因，导致管道泄漏事故频繁发生，造成了重大的经济损失、环境污染和安全隐患。快速准确地检测出管道泄漏，对于保护自然环境和国家财产具有重大的意义。

负压波法是指当管道发生泄漏时，泄漏处由于物质损失造成压力突然下降，压降由泄漏处向上、下游传播，称之为负压波。由于管壁的波导作用，负压波传播过程衰减较小，可以传播相当远的距离。利用负压波通过上、下游测量点的时间差以及负压波在管线中的传播速度，可以确定泄漏位置。

长距离输送管道由多个泵站和连接泵站的管道组成，一段管道两端的泵站装有压力变送器，能够测量管道内部的压力，测量精度也较高。压力变送器的测量结果能反映管道输送状况变化。根据负压波理论，通过确定上下游压力变送器拐点的位置，就能判断是否发生泄漏，并进行泄漏点的定位。

分析压力变送器输出信号目前主要的方法是小波变换法，其优点在于定位准确并且反应灵敏度高，同时代价就是误报警的概率也比较高，容易造成人力物力浪费，并导致现场监控人员对报警的反映减弱。

发明内容

针对现有流体输送管道泄漏检测技术存在的问题，本发明提供一种简单易用，能够有效降低误报警率、检测精度高、适用性广泛的流体输送管道泄漏检测方法。

本发明装置包括压力变送器、ARM处理器、局域网及GPS全球定位校时系统，其中ARM处理器中嵌入有泄漏检测模块和神经网络模块。流体输送管道两端的泵站由首站和末站组成，分别安装有压力变送器，定时采集压力信号；通过模数转换器将数据传递给ARM处理器；GPS对模数转换装置的数据进行定时校正；ARM处理器中的泄漏检测模块和神经网络模块对数据进行处理；首末站通过高速局域网交换实时数据。

本发明方法包括如下步骤：

步骤1、采集管道两端的压力数据；

步骤2、将采集的压力数据传递给ARM处理器，利用泄漏检测模块确定泄漏点位置：采用斜率法判断流体输送管道是否发生泄漏；利用小波算法，确定泄漏点位置；

步骤3、如果定位泄漏点不在管道两端，则利用神经网络模块对泄漏曲线进行再判断，具体方法如下：

步骤3-1：将先出现拐点的曲线的拐点位置设置在需要判断总时间长度的1/5处，利用小波变换对实时压力序列进行消噪，并将实时压力序列绘制成压力曲线，按坐标将压力曲线分割成40*20的网格；

步骤3-2：对40*20的网格进行逐格判断，如果网格内存在数据点，则标记该网格为1，否则标记为-1，得到表示该压力曲线的矩阵；

步骤3-3：确定泄漏发生时的曲线、正常情况的曲线和工况调整的曲线，利用步骤3-1和步骤3-2进行处理得到矩阵，将这些向量作为特征向量赋给网络，得到网络权值，这些向量作为目标向量，形成目标向量数据库；

步骤3-4、将疑似泄漏曲线，对首端和末端两条压力曲线按照步骤3-1至步骤3-3的方法进行处理，将处理得到的向量赋予网络运行，根据网络收敛的结果，确定网络属于正常、泄漏和工况调整中的哪种情况；

步骤4、上位机显示处理结果，如为泄漏，则产生报警。

其中，步骤2中所述的斜率法判断流体输送管道是否发生泄漏按如下公式进行：

步骤2-1；选取压力序列最后两分钟数据求取平均值avg，取压力序列最后一分钟的最大值max和最小值min，得：

slope max＝(max-avg)/L                          (1)

slope min＝(avg-min)/L                          (2)

斜率的平均趋势为：

slopeavg＝(slope max+slope min)/2               (3)

定义出现泄漏时判据为：

slope＝(a-avg)/L＜-2(slope max-slopeavg)        (4)

式中，L表示上、下游站间距，取一个定长，m；slope max为斜率最大值；slope max为斜率最小值；slope max为斜率均值；slope max为斜率最大值；slope为实时斜率；

步骤2-2：利用小波算法确定拐点位置，公式如下：

$x=\frac{L-\mathrm{a\Δt}}{2}---\left(5\right)$

其中：x表示泄漏点距上游站测压点的距离，m；a表示负压力波的传播速度，m/s；Δt表示上游站压力突变时间与下游站压力突变时间差，s；

步骤2-3：如果x大于管长或者小于0则认为不是泄漏，即认为为调泵，返回步骤1，否则认为发生泄漏，执行步骤3。

步骤3-3所述的将这些向量作为特征向量赋给网络，得到网络权值，采用网络迭代公式如下：

$v_j(t+1)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{w}_{\mathrm{ji}}{x}_i\left(t\right)+b_j---\left(6\right)$

x_i(t+1)＝sgn[v_j(t+1)]                                (7)

$\mathrm{sgn}\left(v\right)=\left\{\begin{array}{cc}1& v\&GreaterEqual;1\\ v& -1<v<1\\ -1& v\&le;-1\end{array}\right.---\left(8\right)$

其中，x＝[x₁，x₂…x_n]^T为网络状态向量，b＝[b₁，b₂…b_n]^T为阈值，w为网络的连接权矩阵，该矩阵对称，并且w_ji＝w_ij，取w_jj＝0，即无自反馈，v_j为第j个神经元的输出。

有益效果：本发明提出的泄漏检测方法，在应用小波理论进行分析保持准确性和灵敏性的同时，利用Hopfield神经网络对泄漏曲线进行再判断，形成“简单判断-小波定位-神经网络确认”的多级判断体系，可以有效地降低误报警率，减少误判和漏判，通过对疑似泄漏的曲线进行判断，对目标向量数据库进行手动添加，完善该专家数据库，有助于提高操作人员对泄漏曲线的分析和认识能力。

附图说明

图1、为本发明方法总体流程图；

图2、为本发明Hopfield神经网络对泄漏曲线的判读流程图；

图3、为本发明电路原理图；

图4、为本发明目标向量的泄漏曲线；

图5、为本发明对目标向量泄漏曲线进行网格化处理后的结果示意图；

图6、为本发明疑似泄漏曲线；

图7、为本发明疑似泄漏曲线网格化处理结果示意图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

图1为本发明装置电路原理图。压力传感器的输入端与管道相连，输出端与模数转换装置AD7656的v1-v6引脚相连，模数转换装置AD7656的D0-D15引脚、/CS片选引脚、/RD引脚和BUSY引脚分别与ARM9S3C2410的D0-D15引脚、nGCS4引脚、/RD引脚和GPF0引脚对应连接，GPS的RXD引脚、TXD引脚和GND引脚分别与ARM9S3C2410的TXD引脚、RXD引脚和GND引脚相连，ARM9S3C2410的D0-D23引脚、VM引脚、VLINE引脚、VFRAME引脚、VCLK引脚、TSXM引脚、TSYM引脚、TSXP引脚、TSYP引脚分别与LCD显示屏的VD0-VD23引脚、VM引脚、VLINE引脚、VFRAME引脚、VCLK引脚、TSXM引脚、TSYM引脚、TSXP引脚和TSYP引脚对应相连，ARM9S3C2410经网卡DM8900与上位机相连。

压力传感器采集到的压力数据，经AD7656转换后进入到ARM9S3C2410，经泄漏检测模块和神经网络模块处理，处理的结果经网络传输至上位机，同时连接ARM9S3C2410的LCD将显出处理结果，如发生泄漏，则报警装置进行报警。由GPS对AD7656传输至ARM9的数据进行定时校时，每小时一次。

图2为本发明方法总体流程图，本发明采用多级判断体系，即“简单判断-小波定位-神经网络确认”，具体步骤如下：

步骤1：利用压力变送器采集管道两端的压力序列x(t)；

步骤2：采用斜率法判断是否存在泄漏，如存在泄漏点则执行步骤3，否则继续执行步骤2；

步骤3：采用小波算法确定泄漏点位置；

步骤4：判断是否是调泵(定位泄漏点在管道两端)，如是则执行步骤2，否则采用Hopfield神经网络对泄漏曲线进行再判断，如判断为泄漏则执行步骤5，否则执行步骤2；

步骤5：给出报警；

图3为Hopfield神经网络对泄漏曲线的判断流程图，具体过程如下：

首端判断流程如下：

步骤1：设K为计数变量，初始值设为1；

步骤2：设定判断范围，本发明实施例给出范围为(10分钟+K×5分钟)；

步骤3：采用Hopfield进行网络判断，如满足则首端报警，否则执行步骤4；

步骤4：判断K＜12是否成立，如成立则执行步骤5，否则执行步骤6；

步骤5：K＝K+1，执行步骤2；

步骤6：解除报警；

末端判断流程与首端判断流程相同。如果首端末端同时判断是泄漏则给出报警，否则返回重新判断。

压力变送器采集到的实时数据以100个/秒送到ARM9处理器，图4为某油气管道发生泄漏时的实际压力曲线x(t)，其中可以看出压力信号存在拐点，通过斜率法判断得到在t＝110时满足斜率报警。通过小波变换确定泄漏点的位置，得到准确的拐点坐标t＝104，该向量作为网络的目标向量之一训练网络，其网格化处理结果如图5所示。

对疑似泄漏曲线如图6所示，进行监测。通过斜率法得到拐点位置t＝394，通过小波变换得到准确拐点位置t＝387，对该曲线进行网格处理，结果如图7所示，即与目标向量结果一致，表明该曲线属于泄漏发生产生的的曲线。

对首端和末端采取相同的操作，得到一致结果，认为该段发生泄漏，报警器将进行报警。

Claims (1)

1.一种基于小波和模式识别的流体输送管道泄漏检测方法，采用的装置包括压力变送器、ARM处理器、局域网及GPS全球定位校时系统；流体输送管道两端的泵站由首站和末站组成，分别安装有压力变送器，压力变送器的输出端与ARM处理器相连；GPS输出端与ARM处理器相连；首末站通过高速局域网交换实时数据，其特征在于：包括如下步骤：

步骤1、采集管道两端的压力数据；

步骤2、将采集的压力数据传递给ARM处理器，利用泄漏检测模块确定泄漏点位置：采用斜率法判断流体输送管道是否发生泄漏；利用小波算法，确定泄漏点位置；

步骤3、如果定位泄漏点不在管道两端，则利用神经网络模块对泄漏曲线进行再判断，具体方法如下：

步骤3-1：将出现拐点的曲线的拐点位置设置在需要判断总时间长度的1/5处，利用小波变换对实时压力序列进行消噪，并将实时压力序列绘制成压力曲线，按坐标将压力曲线分割成40*20的网格；

步骤3-2：对40*20的网格进行逐格判断，如果网格内存在数据点，则标记该网格为1，否则标记为-1，得到表示该压力曲线的矩阵；

步骤3-3：确定泄漏发生时的曲线、正常情况的曲线和工况调整的曲线，利用步骤3-1和步骤3-2进行处理得到矩阵，将这些向量作为特征向量赋给网络，得到网络权值，这些向量作为目标向量，形成目标向量数据库；

步骤3-4：将疑似泄漏曲线，对首端和末端两条压力曲线按照步骤3-1至步骤3-3的方法进行处理，将处理得到的向量赋予网络运行，根据网络收敛的结果，确定网络属于正常、泄漏和工况调整中的哪种情况；

步骤4：上位机显示处理结果，如为泄漏，则产生报警。

Images