CN101813545A - 立体四元阵列电站锅炉承压管泄漏的精确定位方法 - Google Patents

Abstract

本发明公开了属于火力发电机组的锅炉管道泄漏探测定位技术领域的涉及火力发电机组的锅炉内水冷壁、过热器、再热器和省煤器受热面管道泄漏的一种立体四元阵列电站锅炉承压管泄漏的精确定位方法。根据电站锅炉的结构特点设计出了立体四元锅炉承压管泄漏精确定位传声器阵列及其在炉膛中的布置，通过ML广义互相关得到时间迟延估计，并采用十进制浮点编码自适应Gaussian高斯变异算法实现锅炉承压管泄漏的精确位置确定，具有高精度和稳健性。

Description

立体四元阵列电站锅炉承压管泄漏的精确定位方法

技术领域

本发明属于火力发电中锅炉承压管泄漏监测技术，具体说是涉及火力发电机组的锅炉内水冷壁、过热器、再热器和省煤器受热面管道泄漏的一种立体四元阵列电站锅炉承压管泄漏的精确定位方法。

背景技术

火电锅炉的“四管”泄漏一直是困扰火电机组安全生产的一大难题，进行锅炉爆管早期预报，在其还未发展成为破坏性爆漏之前及时发现泄漏，并确定泄漏点的位置。对于妥善安排停炉、缩短检修时间、减少经济损失有重大意义。

目前，国内外(参见专利“Acoustic Leak Detection System”，US4960079、“锅炉承压管泄漏在线监测仪”，CN2253829)炉管泄漏检测装置采用大量布置测点覆盖锅炉受热面，在滤掉锅炉背景噪声后检测泄漏声的声压级大小和泄漏声的频谱特征对泄漏是否发生加以诊断。若某测点发生报警，则确定泄漏源位于该测点为圆心，10米为半径的半球空间内，所以装置的主要作用还是判断泄漏并确定泄露的受热面，并不能定位到具体的管排上。对于泄漏孔径1～4mm，检修任务则往往需要花费大量的人力和时间，其面临的重大技术难题是解决泄漏源的精确定位问题。

本发明突破当前锅炉四管泄漏检测中单点各自探测的思路，考虑各个单点传感器之间的相干信息-将传声器组成阵列接收泄漏信号，经过对声信号的互相关处理得出声音到达不同位置传声器的时间差，再根据目标与基元位置之间的几何关系确定出其泄漏位置。

雷达和声纳系统的测距和定位中往往进行远场假设：目标距离远大于声阵特征尺寸(r？a，b)，从而进行化简得到时间迟延组合公式进行定位(KennethW.K.Lui，FrankieK.W.Chan，H.C.So.Accurate time delay estimation basedpassive localization[J].Signal Processing，2009，89(9)：1835-1838.)。蜂窝移动通信中，通过远场假设泰勒级数展开算法在每一次递归过程中求解测量误差的局部线性最小二乘解来改善估计位置，初始值必须具有一定的准确度才能够保证比较快的收敛速度，而且算法是否收敛与初值有关；Chan采用二重最小二乘算法给出了定位方程组的非迭代闭式解，算法计算量小，在噪声服从高斯分布的环境下定位精度高，但局限于二维平面。(Y.T.Chan，K.C.Ho.A simple and efficientestimator for hyperbolic location[J].IEEE Transactions on Signal Processing，1994，42(8)：1905-1915.)由于泄漏坐标是三维参量，若采用线阵只能确定其中的二维参量；面阵和立体阵可以在整个平面对泄漏声源进行定位，五元或五元以上构成的十字阵列的基本思想是通过增加敏感元来提高定位精度，但增加元数势必增加系统的成本。均匀圆阵、球阵、圆柱阵列具有良好的测量性能，但其结构不适合在电站锅炉上应用。本发明的目的之一在于根据锅炉结构特点建立适用于电站锅炉的被动声测定位算法。

发明内容

本发明的目的是提供一种立体四元阵列电站锅炉承压管泄漏的精确定位方法；在电站锅炉承压管泄漏后，确定泄漏点的位置，从而妥善安排停炉、缩短检修时间、减少经济损失。

本发明的目的是通过以下技术方案实现的：

步骤一：由于泄漏坐标是三维参量，若采用线阵只能确定其中的二维参量，因此首先设计出由M₁、M₂、M₃和M₄四个传声器构成的立体声阵列与其在炉膛的布置，则泄漏声源应满足双曲面方程组：

||M_i-S||-||M_j-S||＝cτ_ij

根据立体四元阵列被动声定位系统传声器布置模型推得测点布置的几何关系：

$\left\{\begin{array}{c}{f}_1(x,y,z)=2\mathrm{ax}+2\mathrm{hz}-2c{\mathrm{\τ}}_{21}\sqrt{x^2+y^2+z^2-\mathrm{ax}-\mathrm{by}-2\mathrm{hz}+\frac{a^2+b^2}{4}+h^2}-c^2{\mathrm{\τ}}_{21}^2-h^2\\ f_2(x,y,z)=2\mathrm{ax}+2\mathrm{by}-2c{\mathrm{\τ}}_{31}\sqrt{x^2+y^2+z^2-\mathrm{ax}-\mathrm{by}-2\mathrm{hz}+\frac{a^2+b^2}{4}+h^2}-c^2{\mathrm{\τ}}_{31}^2\\ f_3(x,y,z)=2\mathrm{by}+2\mathrm{hz}-2c{\mathrm{\τ}}_{41}\sqrt{x^2+y^2+z^2-\mathrm{ax}-\mathrm{by}-2\mathrm{hz}+\frac{a^2+b^2}{4}+h^2}-c^2{\mathrm{\τ}}_{41}^2-h^2\end{array}\right.$

其中，a、b、h为M₁、M₂、M₃和M₄四个传声器投影在三维坐标相应面的平面长方形的特征尺寸值，τ_ij为其时间延迟，c为有效声速，i、j分别为1、2、3、4；

步骤二：通过ML广义互相关得到时间延迟估计；d_ij表示传声器M_i到M_j距点声源的距离差，即d_ij＝SM_i-SM_j＝cτ_ij，T为观测时间，其两路信号的互相关时延估计为：

${\hat{R}}_{x_1{x}_2}\left(\mathrm{\τ}\right)=\frac{1}{T-\mathrm{\τ}}\underset{\mathrm{\τ}}{\overset{T}{\∫}}{x}_1\left(t\right)\·x_2(t+\mathrm{\τ})\mathrm{dt}$

加窗滤波后，两信号的互功率谱可表示为：

$G_{P_1{P}_2}\left(f\right)=H_1\left(f\right){H_2}^{*}\left(f\right)G_{x_1{x}_2}\left(f\right)$

又因为互相关函数与互功率谱函数之间是一对傅里叶变换的关系，因此相关函数的输出为：

${\hat{R}}_{x_1{x}_2}\left(\mathrm{\τ}\right)=\underset{-\∞}{\overset{\∞}{\∫}}{\mathrm{\ψ}}_{12}{\hat{G}}_{x_1{x}_2}\left(f\right)e^{j2\mathrm{\πf\τ}}\mathrm{df}$

ML(最大似然)权函数为 ${\mathrm{\ψ}}_{12}=H_1\left(f\right){H_2}^{*}\left(f\right)=\frac{{\left|\mathrm{\γ}\left(f\right)\right|}^2}{\left|G_{x_1{x}_2}\left(f\right)\right|(1-{\left|\mathrm{\γ}\left(f\right)\right|}^2)}$

其中，|γ(f)|²为两麦克接受信号的模平方相干函数，表达式为

${\left|\mathrm{\γ}\left(f\right)\right|}^2=\frac{{\left|G_{x_1{x}_2}\left(f\right)\right|}^2}{G_{x_1{x}_1}\left(f\right)G_{x_2{x}_2}\left(f\right)}$

和

分别表示信号的自功率谱和互功率谱，x₁为通道1信号，x₂为通道2信号；

步骤三：采用自适应Gaussian变异遗传算法对双曲线定位方程组进行优化，

(1)变量初始变化空间和编码，由于声传感器的探测半径为12m，变量对应的范围设定为[-12，12]，对于泄漏定位多维、高精度要求的连续函数优化问题，二进制编码可量测性不强，不直观，且不是因为字符串太长而导致遗传算法训练的解空间过大，寻优时间很长，就是因为字符串太短，使权值表达精度不够，因此我们采用浮点数编码方式。浮点数编码中，个体的每个基因值用某一范围内的一个浮点数来表示，个体的编码长度等于其决策变量的个数，将每个染色体的基因X，叠加了与这个分量相关的扰动的偏差；这种随机扰动的分布特性既充分保证了变异的精细搜索能力，又保证了变异以较大的步距来改变解向量的各个分量，从而提供了使搜索过程脱离局部最优点的可能性；

(2)随机生成初始父代群体，群体规模大小popsize(P_s)＝100，分别在X向量各维分量的取值范围内以均匀分布随机地取值，得到初始解向量X₀，并取σ向量赋初值σ₀＝0.3；

(3)父代个体的适应度评价，定义第i个父代个体的适应度函数值为：

F_i＝f_i(x，y，z)²i＝1，2，Lp_s

f_i(x，y，z)为上述步骤一中的函数；p_s为群体规模大小，本步骤中(2)已经给出；

(4)父代个体的概率选择，取比例选择方式，则个体i的选择概率为：

$p_i=\frac{F_i}{\underset{i=1}{\overset{\mathrm{ps}}{\mathrm{\Σ}}}{F}_i}$

(5)父代个体的杂交，从父代群体中以上述

的方式选择两个个体，按事先给定的杂交概率P_c＝0.8，确定是否要进行交叉运算，若要进行交叉的话，在[1，2]区间内产生一个均匀分布的随机整数j_cross，两个被选择的染色体交换第j_cross位基因后面的染色体片断；

(6)子代个体的变异。变异算子最主要起细粒度搜索作用，同时还要赋予搜索以跳离局部极小点的能力，这就要求每一位基因通过变异得到的等位基因以较大的概率密度分布在基因原值的附近，并在离基因原值较远的地方的分布也具有一定的概率密度，由于我们在多维遗传搜索中采用了十进制浮点数基因表示方式，因此采用简单遗传算法的位变异操作来进行基因的突变显然是不恰当的；搜索的每个解向量包含了一个扰动向量σ＝[σ_x，σ_y，σ_z]^T，这个扰动向量给出了如何对x进行变异的信息，并且其本身也是要进行变异的。我们采用下式以变异概率P_m＝0.3对父代解向量(X，σ)进行变异，得到子代解向量(X′，σ′)：

σ′_i＝σ_iexp[αN(0，1)+βN_i(0，1)]

X′_i＝X_i+N(0，σ′_i)i＝x，y，z

这里N(0，1)表示一个标准的Gaussain随机变量，N_i(0，1)表示对应于X_i的独立的标准Gaussain随机扰动；常数α，β是这个变异算子的参数，分别定义了整个σ向量的搜索步长及其各维分量σ_i的搜索步长；

(7)进化迭代，由步骤(6)得到的n个子代个体作为新的父代，算法转入步骤(3)，进入下一次进化过程，如此循环往复使得个体逼近最优点；

(8)声源空间位置固定，选定误差线度为0.1us与0.01us级，延时误差每变化0.2us与0.02us利用加速遗传算法得到定位结果，计算空间坐标x，y，z的误差如图所示。由图可知当时延误差在0.1us级时，平面四元阵列空间坐标定位误差很大无法实现泄漏目标的定位，而立体四元阵列的定位误差最大为1.22m；当时延误差在0.01us级时，平面四元阵列空间坐标定位误差最大为0.79m，而立体四元阵列的定位误差最大为0.09m。

本发明的有益效果是突破当前锅炉四管泄漏检测中单点各自探测的思路，考虑各个单点传感器之间的相干信息-将传声器组成阵列接收泄漏信号，经过对声信号的互相关处理得出声音到达不同位置传声器的时间差，再根据目标与基元位置之间的几何关系确定出其泄漏位置。根据锅炉结构特点设计出了立体四元锅炉承压管泄漏精确定位传声器阵列及其在炉膛中的布置其；通过ML广义互相关函数得到时间迟延估计比直接互相关峰值稳定尖锐；采用遗传算法：十进制浮点编码，自适应Gauss变异算子，进行双曲面方程组定位解的全局性概率搜索，避免了初值猜测与远场假设实现承压管泄漏的精确位置确定，具有稳健性。

附图说明

图1立体四元阵列被动声定位系统传声器布置

图2600MW机组锅炉承压管泄漏定位立体四元阵列分布图

图3锅炉承压管泄漏精确定位系统拓扑图

图4承压管泄漏被动声测ML广义互相关时间迟延估计

图5承压管泄漏双曲面定位自适应Gauss变异遗传算法的典型进化曲线

具体实施方式

采用立体四元阵列对电站锅炉四管泄漏进行精确定位，其传声器的阵列结构及其在炉膛的分布如图1、图2所示，根据图1立体四元阵列被动声定位系统传声器布置模型推得测点布置的几何关系：

$\left\{\begin{array}{c}{f}_1(x,y,z)=2\mathrm{ax}+2\mathrm{hz}-2c{\mathrm{\τ}}_{21}\sqrt{x^2+y^2+z^2-\mathrm{ax}-\mathrm{by}-2\mathrm{hz}+\frac{a^2+b^2}{4}+h^2}-c^2{\mathrm{\τ}}_{21}^2-h^2\\ f_2(x,y,z)=2\mathrm{ax}+2\mathrm{by}-2c{\mathrm{\τ}}_{31}\sqrt{x^2+y^2+z^2-\mathrm{ax}-\mathrm{by}-2\mathrm{hz}+\frac{a^2+b^2}{4}+h^2}-c^2{\mathrm{\τ}}_{31}^2\\ f_3(x,y,z)=2\mathrm{by}+2\mathrm{hz}-2c{\mathrm{\τ}}_{41}\sqrt{x^2+y^2+z^2-\mathrm{ax}-\mathrm{by}-2\mathrm{hz}+\frac{a^2{+b}^2}{4}+h^2}-c^2{\mathrm{\τ}}_{41}^2-h^2\end{array}\right.$

其中，a、b、h为M₁、M₂、M₃和M₄四个传声器投影在三维坐标相应面的平面长方形的特征尺寸值，τ_ij为其时间延迟，c为有效声速，i、j分别为1、2、3、4；

测点布置可根据现场情况适当改动，SG-1025/17.5-M723型号锅炉共分为A、B、C、D、E、F、G层，共30个测点。

定位系统的硬件及软件拓扑结构如图3所示。传声器和前置放大器采用1/2英寸预极化驻极体测量传声器MP201(灵敏度50mV/Pa)和ICP前置放大器MA201。信号调理器提供用于传感器的ICCP供电，并可对信号进行滤波与放大。调节档分三个：1倍，10倍，100倍，BNC接头，18V直流电源供电，调理后的信号通过68针同轴接头电缆与数据采集卡连接。

采用LabVIEW软件和NI PXI-6133采集卡，每通道采样速率最高可达3MS/s。设置采样频率为f_s＝102400S/s。我们在国内某电厂1025吨/小时循环硫化床锅炉上设计的平面四元阵列特征尺寸a＝12m，b＝7.3m，h＝6m。现场蒸汽喷气，蒸汽压力为5～8.1MPa，孔径为2mm得到τ₂₁，τ₃₁，τ₄₁的ML广义互相关时间迟延估计分别如图4-1，4-2，4-3所示。在采样点N₁，N₂，N₃(N为相关峰值对应的采样点数，根据程序给出)检测到ML广义互相关函数非常稳定的尖锐峰值，从而时间迟延估计：

采用自适应Gauss变异遗传算法进行双曲面定位结果如下：

实施例1

当时间迟延估计误差为1us时，采用自适应Gauss变异遗传算法，群体经过61代演化，群体最小适应度为3.4849，如图5-1所示，定位结果为(5.7021，3.0205，11)。

实施例2

当时间迟延估计误差为0.1us时，采用自适应Gauss变异遗传算法，群体经过31代演化，群体最小适应度为320.0279，如图5-2所示，定位结果为(5.0549，3.0235，10.1085)。

实施例3

当时间迟延估计误差为0，采用自适应Gauss变异遗传算法，群体经过23代演化，群体最小适应度为0.0026，如图5-3所示，定位结果为(4.9996，3.0000，9.9997)。

Claims (1)

1.一种立体四元阵列电站锅炉承压管泄漏的精确定位方法，其特征在于，步骤一：由于泄漏坐标是三维参量，若采用线阵只能确定其中的二维参量，因此首先设计出由M₁、M₂、M₃和M₄四个传声器构成的立体声阵列与其在炉膛的布置，则泄漏声源应满足双曲面方程组：

||M_i-S||-||M_j-S||＝cτ_ij

根据立体四元阵列被动声定位系统传声器布置模型推得测点布置的几何关系：

$\left\{\begin{array}{c}{f}_1(x,y,z)=2\mathrm{ax}+2\mathrm{hz}-2c{\mathrm{\τ}}_{21}\sqrt{x^2+y^2+z^2-\mathrm{ax}-\mathrm{by}-2\mathrm{hz}+\frac{a^2+b^2}{4}+h^2}-c^2{\mathrm{\τ}}_{21}^2-h^2\\ f_2(x,y,z)=2\mathrm{ax}+2\mathrm{by}-2c{\mathrm{\τ}}_{31}\sqrt{x^2+y^2+z^2-\mathrm{ax}-\mathrm{by}-2\mathrm{hz}+\frac{a^2+b^2}{4}+h^2}-c^2{\mathrm{\τ}}_{31}^2\\ f_3(x,y,z)=2\mathrm{by}+2\mathrm{hz}-2c{\mathrm{\τ}}_{41}\sqrt{x^2+y^2+z^2-\mathrm{ax}-\mathrm{by}-2\mathrm{hz}+\frac{a^2+b^2}{4}+h^2}-c^2{\mathrm{\τ}}_{41}^2-h^2\end{array}\right.$

其中，a、b、h为M₁、M₂、M₃和M₄四个传声器投影在三维坐标相应面的平面长方形的特征尺寸值，τ_ij为其时间延迟，c为有效声速，i、j分别为1、2、3、4；

步骤二：通过ML广义互相关得到时间延迟估计；d_ij表示传声器M_i到M_j距点声源的距离差，即d_ij＝SM_i-SM_j＝cτ_ij，T为观测时间，其两路信号的互相关时延估计为：

${\hat{R}}_{x_1{x}_2}\left(\mathrm{\τ}\right)=\frac{1}{T-\mathrm{\τ}}\underset{\mathrm{\τ}}{\overset{T}{\∫}}{x}_1\left(t\right)\·x_2(t+\mathrm{\τ})\mathrm{dt}$

加窗滤波后，两信号的互功率谱可表示为：

$G_{P_1{P}_2}\left(f\right)=H_1\left(f\right){H_2}^{*}\left(f\right)G_{x_1{x}_2}\left(f\right)$

又因为互相关函数与互功率谱函数之间是一对傅里叶变换的关系，因此相关函数的输出为：

${\hat{R}}_{x_1{x}_2}\left(\mathrm{\τ}\right)=\underset{-\∞}{\overset{\∞}{\∫}}{\mathrm{\ψ}}_{12}{\hat{G}}_{x_1{x}_2}\left(f\right)e^{j2\mathrm{\πf\τ}}\mathrm{df}$

ML(最大似然)权函数为

其中，|γ(f)|²为两麦克接受信号的模平方相干函数，表达式为

${\left|\mathrm{\γ}\left(f\right)\right|}^2=\frac{{\left|G_{x_1{x}_2}\left(f\right)\right|}^2}{G_{x_1{x}_1}\left(f\right)G_{x_2{x}_2}\left(f\right)}$

和

分别表示信号的自功率谱和互功率谱，x₁为通道1信号，x₂为通道2信号；

步骤三：采用自适应Gaussian变异遗传算法对双曲线定位方程组进行优化，

(1)变量初始变化空间和编码，由于声传感器的探测半径为12m，变量对应的范围设定为[-12，12]，对于泄漏定位多维、高精度要求的连续函数优化问题，二进制编码可量测性不强，不直观，且不是因为字符串太长而导致遗传算法训练的解空间过大，寻优时间很长，就是因为字符串太短，使权值表达精度不够，因此我们采用浮点数编码方式。浮点数编码中，个体的每个基因值用某一范围内的一个浮点数来表示，个体的编码长度等于其决策变量的个数，将每个染色体的基因X，叠加了与这个分量相关的扰动的偏差；这种随机扰动的分布特性既充分保证了变异的精细搜索能力，又保证了变异以较大的步距来改变解向量的各个分量，从而提供了使搜索过程脱离局部最优点的可能性；

(2)随机生成初始父代群体，群体规模大小popsize(P_s)＝100，分别在X向量各维分量的取值范围内以均匀分布随机地取值，得到初始解向量X₀，并取σ向量赋初值σ₀＝0.3；

(3)父代个体的适应度评价，定义第i个父代个体的适应度函数值为：

F_i＝f_i(x，y，z)²i＝1，2，L p_s

f_i(x，y，z)为上述步骤一中的函数；p_s为群体规模大小，本步骤中(2)已经给出；

(4)父代个体的概率选择，取比例选择方式，则个体i的选择概率为：

$p_i=\frac{F_i}{\underset{i=1}{\overset{\mathrm{ps}}{\mathrm{\Σ}}}{F}_i}$

(5)父代个体的杂交，从父代群体中以上述

的方式选择两个个体，按事先给定的杂交概率P_c＝0.8，确定是否要进行交叉运算，若要进行交叉的话，在[1，2]区间内产生一个均匀分布的随机整数j_cross，两个被选择的染色体交换第j_cross位基因后面的染色体片断；

(6)子代个体的变异。变异算子最主要起细粒度搜索作用，同时还要赋予搜索以跳离局部极小点的能力，这就要求每一位基因通过变异得到的等位基因以较大的概率密度分布在基因原值的附近，并在离基因原值较远的地方的分布也具有一定的概率密度，由于我们在多维遗传搜索中采用了十进制浮点数基因表示方式，因此采用简单遗传算法的位变异操作来进行基因的突变显然是不恰当的；搜索的每个解向量包含了一个扰动向量σ＝[σ_x，σ_y，σ_z]^T，这个扰动向量给出了如何对x进行变异的信息，并且其本身也是要进行变异的。我们采用下式以变异概率P_m＝0.3对父代解向量(X，σ)进行变异，得到子代解向量(X′，σ′)：

σ′_i＝σ_iexp[αN(0，1)+βN_i(0，1)]

X′_i＝X_i+N(0，σ′_i)i＝x，y，z

这里N(0，1)表示一个标准的Gaussain随机变量，N_i(0，1)表示对应于X_i的独立的标准Gaussain随机扰动；常数α，β是这个变异算子的参数，分别定义了整个σ向量的搜索步长及其各维分量σ_i的搜索步长；

(7)进化迭代，由步骤(6)得到的n个子代个体作为新的父代，算法转入步骤(3)，进入下一次进化过程，如此循环往复使得个体逼近最优点；

(8)声源空间位置固定，选定误差线度为0.1us与0.01us级，延时误差每变化0.2us与0.02us利用加速遗传算法得到定位结果，计算空间坐标x，y，z的误差如图所示。由图可知当时延误差在0.1us级时，平面四元阵列空间坐标定位误差很大无法实现泄漏目标的定位，而立体四元阵列的定位误差最大为1.22m；当时延误差在0.01us级时，平面四元阵列空间坐标定位误差最大为0.79m，而立体四元阵列的定位误差最大为0.09m。

Images