CN102563360B - 基于序贯概率比检测的管道安全预警系统的振动事件检测方法 - Google Patents

Abstract

本发明提供了一种基于序贯概率比检测的管道安全预警系统的振动事件检测方法。其特征在于包括：建立事件的位置模型，能量模型以及频率模型；建立判断事件发生的序贯概率比检测模型；采用多级检测机制，实现对于振动事件活动状态的低虚警率、高检测率检测。

Description

基于序贯概率比检测的管道安全预警系统的振动事件检测方法

技术领域

本发明涉及一种基于序贯概率比检测的管道安全预警系统的振动事件检测方法，属于光纤振动测量与随机信号处理学科的交叉领域。

背景技术

(1)管道安全预警

我国正处在快速发展之中，城市化步伐正逐步加快，各种开发建设项目随处可见，对埋于地下的管道安全造成威胁，长期以来，国家和各地下管道权属企业在管道防开挖，防偷盗，防破坏等方面投入了大量人力，物力，财力，但影响管道安全的事件仍时有发生。由机械施工及自然灾害所造成的管道事故占事故总数的70％以上，其中90％以上的重大事故是因为机械施工造成的，如：水管被挖破，油气管道被打穿是经常发生的事情，给生产生活带来损失。油、气管道破裂会导致大面积泄露，发生火灾，甚至引起爆炸。这将直接造成经济损失，甚至引起环境污染。因此管道安全预警系统成为该领域的重点研究之一。

目前应用的探测报警器材及系统主要有以下几种：电子脉冲式围栏、微波墙式报警器、主动红外报警器、泄露电缆式周界探测报警系统、驻极体振动电缆报警系统和光纤传感器周界报警系统。与电传感器相比，光纤传感器在传感网络应用中具有非常明显的技术优势：光纤传感器体积小、重量轻、具有非常好的可靠性和稳定性；光纤传感器能够抵抗电磁干扰、抗腐蚀，完全不受雷电影响，能在恶劣的化学环境、野外环境及强电磁干扰等场所下工作；光纤传感器无辐射、无易燃易爆材料、防水、环保。光纤传感器是无源系统、能源依赖性低，可大大节省供电设备与线路的成本，适合油气管道、机场、基地、仓库、油库等长距离、大范围的安全预警，特别是对于我国已经铺设的国内、外长距离油气管道，都有同沟铺设的通信光缆可以直接利用或复用。由于光线铺设方便，成本低，并且利用光纤振动测量可以在威胁事件发生初期预警泄露事故并定位事发地点。因此利用光纤测量振动成为管道预警系统研究的主要方法。然而如何对光纤检测信号进行合理有效的分析，建立什么样的事件模型才更为有效，成为研究中的一大热点和难点。

(2)已有的光纤振动测量信号处理方法

光纤振动信号处理还存在明显不足，高虚警率使长距离复杂振动检测识别面临严峻挑战，急需在此基础上开展长距离光纤并发振动辨识方法研究。图1给出了现有的光纤振动信号处理流程，研究工作集中在识别和特征提取领域，先后将小波理论、多尺度混沌分析、经验模态分解、人工神经元网络和知识矢量积方法应用到光纤振动测量信号处理中，现有的方法一般直接把单帧检测的结果作为报警信号。

现有的研究存在的主要问题是没有建立合适的模型、特别是没有建立合适的系统不确定性模型，且单级报警不能兼顾虚警和检测两方面的性能，从而使得已经投入生产的长距离预警系统效率较低甚至被搁置不用，光纤预警系统中的信号处理环节已成为系统和产业发展的最主要瓶颈，本发明提出采用概率模型来实现振动事件的检测，降低虚警率，提高检测概率，本发明采用疑似事件和确定事件两级事件检测机制，明显改善系统性能。

发明内容

本发明提出了一种基于序贯概率比检测的管道安全预警系统的振动事件检测方法，其特征在于包括其特征在于包括：建立事件的位置、能量和频率三维分布模型；建立判断事件发生的序贯的概率比检测模型；应用序贯的概率比检测方法，采用多级检测机制，实现对于振动事件活动状态的低虚警率、高检测率检测。

本发明提供一种随机分布建模和随机分析方法，能够实现基于光纤振动测量的管道预警系统的事件检测方法。

本发明采用随机概率模型代替现有的确定性模型，准确表示了光纤预警振动事件检测的不确定性，提高报警精度。

根据本发明的一个方面，提供一种管道安全预警系统的振动事件检测方法，其特征包括：

建立事件的三维特征模型。

建立序贯的概率比检测模型。

建立多级检测机制，实现对于振动事件活动状态的低虚警率、高检测率检测。

说明书附图

图1传统光纤振动测量信号处理

图2本发明的光纤振动测量信号处理

图3基于三维统计特征模型的序贯概率似然比振源检测流程；

图4序贯概率比检测方法的原理示意图；

图5系统接收数据的有效位置的时间分布(管道施工)；

图6系统接收数据的能量分布(管道施工)；

图7系统接收数据的中心频率分布(管道施工)；

图8系统检测结果(管道施工)。

具体实施方式

根据本发明的一个实施例，提出了一种基于序贯概率比检测的管道安全预警系统的振动事件检测方法，建立了判断事件发生的序贯概率比检测模型，并在此基础上发展多级振动事件检测机制，实现对于事件活动状态的评价，进而实现准确安全报警。

根据本发明的一个实施例的光纤振动测量信号处理方法如图2所示，包括：

-系统接收光纤振动测量序列(图2中201)，采用光纤传感器测量连续的振动信号并对其进行高速采样；

-确定振动信号特征统计模型(图2中202)，其包括振动信号的能量模型、振动信号的中心频率模型和振动事件的真实位置模型。

振动的能量可能在较大范围内波动，也可能比较平稳，相对于振动能量本身的不确定性，振动能量测量的不确定性可以忽略，所以振动信号的能量模型具有如下形式：

$e_n^{\′}=e_n=w_e~N(\stackrel{\‾}{e},{\mathrm{\σ}}_e^2)$

其中e_n为当次测量的能量值；

为实际有效振动能量均值；

为实际有效振动能量方差。

振动信号的中心频率指的是单帧数据分析得到的中心频率，事件的中心频率可能在较大范围内波动，也可能比较平稳，相对于振动信号频率本身的不确定性，振动频率测量的不确定性可以忽略，假设没有测量误差，所以振动信号的中心频率模型具有如下形式；

$f_n^{\′}=f_n=w_f~N(\stackrel{\‾}{f},{\mathrm{\σ}}_f^2)$

其中f_n为当次测量的中心频率值；

为实际有效振动中心频率均值；

为实际有效振动中心频率方差。

振动事件的真实位置模型指事件本身发生的实际物理位置模型，我们一般认为恶性事件会固定发生在某一点，所以得到的振动事件的真实位置模型可以确定为具有如下形式：

x′_n＝x_n

-确定关于振动事件的特征提取的统计模型即振动事件的位置模型。(图2(203))

由于测量系统的本身的原因以及振动事件的定位存在定位误差，这个误差的分布我们假设是符合零均值，方差为w_x的高斯分布。

因此振动事件的位置模型可以确定为具有如下形式：

x′_n＝x_n+w_x

其中w_x为振动事件测量噪声，服从均值为零，方差为

的高斯分布。

可以通过实验测得，在本分明的实施例中其值初定为100。

-从光纤振动测量序列中进行特征提取，特征提取主要提取测量序列中振动数据的定位信息，以及能量信息和中心频率信息，采用互相关算法计算位置、用FFT计算中心频率、能量的功率表示。(图2中的204)。

-对所提取的数据特征进行振动概率似然比检测(图2中的205和图3)，

将振动检测分为两级，疑似事件和确定事件，当有一帧数据表明振动存在时，建立疑似事件，采用序贯概率比检测来进一步确定该疑似事件存在的概率。

①基本参数设定

p(H₁)振动源真实存在假设的先验概率，根据管道铺设区域的实际情况来设定，需要人工统计一段时间内事件发生的时间，然后折算成p(H₁)；

p(H₀)就虚警假设H₀而言，它总有机会发生，所以可以认为p(H₀)＝1；

P_D为检测概率

P_FA为虚警概率

V_C三维特征的体积，V_C＝L*E*F；

其中L，E，F分别代表管线长度，能量动态范围，中心频率动态范围。

M    设定为3。

系统实时进行振动信号检测(图3中的301)，即系统前端实时进行对光纤振动信号的分析以及检测。

②提取振动序列中的位置，能量，和中心频率信息(图3中302)。

提取振动序列中的位置，能量，和中心频率信息后即对序列的能量进行实时的判断(图3中303)，若序列的能量不超过设定门限，则返回第(1)步(图3中301)继续检测，若超过门限，则判断当前系统是否已记录有疑似事件，若没有记录，则疑似事件建立，然后计算初始概率比L₁(图3中304)。若疑似事件已经存在，则计算疑似事件的概率比增量ΔL(图3中305)。

③初始概率比以及概率比增量计算方法根据序贯的概率比检测模型得出，如下：

首先概率比检测模型具有形式

$\mathrm{LR}=\frac{p\left(D\right|H_1)p\left(H_1\right)}{p\left(D\right|H_0)p\left(H_0\right)}\frac{P_T}{P_F}$

这里采用对数形式表示为

$L=\ln \left(\mathrm{LR}\right)=\ln \left(\frac{p\left(D\right|H_1)p\left(H_1\right)}{P\left(D\right|H_0)p\left(H_0\right)}\right)\ln \left(\frac{P_T}{P_F}\right)$

其中H₁为振动源真实存在假设；

H₀为振动源不存在假设；

D为振动源振动信号观测数据，包括振动信号的位置x′_n、振动信号的能量e′_n和振动信号的中心频率f′_n；

p(H₁)和p(H₀)分别为振动源真实存在假设和振动源不存在假设的先验概率；

p(D|H₁)和p(D|H₀)分别为当假设H₁和H₀正确时，检测到振动信号观测数据D的概率密度函数。

其中，振动源真实存在一般定义为一个振动事件在其活动范围内持续存在至少数个扫描周期。

由概率比检测模型，可得序贯的概率比检测模型具有形式

L(k)＝L(k-1)+ΔL(k)

疑似事件无记录，建立计算初始概率比L₁(图3中的304)，然后系统返回第(1)步继续检测(图3中的301)。

其中

$L_1=\frac{p\left(H_1\right)P_D}{p\left(H_0\right)P_{\mathrm{FA}}}$

疑似事件已记录，计算疑似事件的概率比增量ΔL(图3中的305)，按顺序执行下一步。

其中ΔL计算方法为：

当第k次量测数据无定位信息时，ΔL(k)＝ln[1-P_D]；

当第k次量测数据有定位信息时， $\mathrm{\ΔL}\left(k\right)=\ln \left[\frac{V_C}{\sqrt{S}}\right]-\frac{\left[M\ln \right[2\mathrm{\π}]+d^2]}{2};$

其中

P_D为检测概率；

V_C为振动信号位置、能量和中心频率的三维体积；

S为新息协方差矩阵；

M测量维度，这里是3；

d²为新息归一化距离，它的计算方法如下：

新息协方差矩阵 $S=\left[\begin{array}{ccc}{\mathrm{\σ}}_{\mathrm{mx}}^2+{\mathrm{\σ}}_{\mathrm{sx}}^2& 0& 0\\ 0& {\mathrm{\σ}}_{\mathrm{me}}^2+{\mathrm{\σ}}_{\mathrm{se}}^2& 0\\ 0& 0& {\mathrm{\σ}}_{\mathrm{mf}}^2+{\mathrm{\σ}}_{\mathrm{sf}}^2\end{array}\right]$

其中

为量测定位误差，

分别为量测的能量方差和中心频率方差，

为目标振源量测数据融合后的位置方差，分别为振源的能量方差，中心频率方差。

根据振动提取的三个属性，位置，能量，中心频率，我们定义振动事件属性向量

$A=\left[\begin{array}{c}x\\ e\\ f\end{array}\right]$

其中x、e、f分别代表位置，能量和中心频率。

由此我们可以分别定义已建立的振动事件的属性向量和量测的属性特征向量，它们分别为

$A_s=\left[\begin{array}{c}{x}_s\\ e_s\\ f_s\end{array}\right],$ $A_m=\left[\begin{array}{c}{x}_m\\ e_m\\ f_m\end{array}\right]$

则新息归一化距离其中

为

的转置。

④计算疑似事件概率比L_k＝L_k-1+ΔL(图3中306)。

⑤将L_k与门限T2作比较，当L_k＞T2(图3中307和图4)事件确立发出警告，返回第(1)步(图3中301)继续检测。

$T2=\ln \left(\frac{1-\mathrm{\β}}{\mathrm{\α}}\right)$

其中

α为虚假事件被确定的概率；

β为真实事件被删除的概率；

若L_k＜T2，则执行下一步骤(图3中308)。

⑥将L_k与门限T1作比较，当L_k＜T1(图3中308和图4)疑似事件可以删除可认为是虚警造成，然后系统返回到检测状态即第(1)步(图3中301)。

$T1=\ln \left(\frac{\mathrm{\β}}{1-\mathrm{\α}}\right)$

其中

α为虚假事件被确定的概率；

β为真实事件被删除的概率；

当L_k＞T1，则不对事件进行报警或者删除操作。返回第(1)步(图3中301)，继续检测。

实例：

发明人针对国内中石油主要的管线开展了跟踪实测研究，获得了某管道线路施工的数据。

图5为基于光纤振动测量数据检测输出的位置随时间分布图

图6为基于光纤振动测量数据检测输出的能量随时间分布图

图7为基于光纤振动测量数据检测输出的中心频率随时间分布图

利用以上振动检测提取得到的三维特征，采用本发明算法处理后得到振源报警输出。

图8所示的振动事件报警输出的位置随时间分布图。

比较这4张图可以看出，经过三维特征的序贯似然比检测方法，虚警率明显降低，检测概率明显提高，同时位置的不确定性显著降低。

从图5可以很清楚的看到在管线位置25km范围内得到了密集的振动事件位置信息，通过概率比检测以及序贯的概率比检测方式很成功的将这一事件检测出来，图8中标记处显示时间发生在管线25公里处且持续时间达到五分钟左右。再看图5中在其他位置也有零星的检测到一些振动发生位置点，通过经验可以知道这些属于噪声干扰引起的虚警，而这些虚警都通过序贯的概率比检测可以屏蔽掉，所以在图8中只报警检测到在25公里处的危害事件。由此实例可知，本发明提出的方法不仅可以有效地检测危害事件，而且可以评价其活动状态，并且对噪声引起的虚警有较好的屏蔽效果，为高效的检测提供了保证。在检测算法中采用的基本设计参数如下：

P_D为检测概率，设为0.98；

P_FA为虚警概率，设为0.05；

V_C＝L*E*F；其中L，E，F分别代表管线长度，能量宽度，最大中心频率(或中心频率宽度)。

(管线长+2*12)*40*1024；

其中12是跟据系统定位算法的精度计算得到的，40是表示振动能量的动态范围，单位是DB，1024表示中心频率的动态范围，单位是Hz。

本发明与现有的管道预警系统信号处理方法相比具有以下优点：

(1)建立了光纤振动测量的不确定性模型，克服了安全预警系统的基础数学表示难题：

(2)采用本发明散发，降低系统的虚警概率，提高检测概率，同时降低位置的不确定性。

(3)多维联合的序贯概率比检测算法，实现对于事件活动状态的评价，进而实现对振动事件活动状态的跟踪，为基于光纤振动测量的安全预警系统产业化提供了新的算法设计依据。

Claims (5)

1.基于序贯概率比检测的管道安全预警系统的振动事件检测方法，其特征在于包括：

接收光纤振动测量序列；

建立振动特征的统计模型；

确定关于振动事件的特征提取的统计模型；

从光纤振动测量序列中进行特征提取；

对所提取的数据特征进行振动概率似然比检测,

其中

所述统计模型包括振动事件的位置模型、振动事件的能量模型、振动事件的频率模型，

所述建立振动事件的位置模型具有如下形式：

x′_n=x_n+w_x

其中x′_n为振动事件的测量位置

x_n为振动事件发生的真实位置

w_x为振动事件测量噪声，服从均值为零，方差为

的高斯分布，所述建立振动事件的能量模型具有如下形式：

$e_n^{\′}\≈e_n=w_e~N(\stackrel{\‾}{e},{\mathrm{\σ}}_e^2)$

其中e′_n为振动信号能量的测量值；

e_n为振动信号能量的真实值；

为实际振动信号能量均值；

为实际振动信号能量方差，

所述建立振动事件的频率模型具有如下形式：

$f_n^{\′}\≈f_n=w_f~N(\stackrel{\‾}{f},{\mathrm{\σ}}_f^2)$

其中f′_n为振动信号中心频率的测量值

f_n为振动信号中心频率的真实值；

为振动信号中心频率均值；

为振动信号中心频率方差，

其中，所述对所提取的数据特征进行振动概率似然比检测的步骤包括：

建立判断振动事件发生的序贯概率比检测模型，所述概率比检测模型具有形式：

$\mathrm{LR}=\frac{p\left(D\right|H_1)p\left(H_1\right)}{p\left(D\right|H_0)p\left(H_0\right)}\stackrel{\mathrm{\Δ}}{=}\frac{P_T}{P_F}$

对数形式为

$L=\ln \left(\mathrm{LR}\right)=\ln \left(\frac{p\left(D\right|H_1)p\left(H_1\right)}{p\left(D\right|H_0)p\left(H_0\right)}\right)\stackrel{\mathrm{\Δ}}{=}\ln \left(\frac{P_T}{P_F}\right)$

其中H₁为振动源真实存在假设；

H₀为振动源不存在假设；

D为振动源振动信号观测数据，包括振动信号的位置x′_n、振动信号的能量e′_n和振动信号的中心频率f′_n；

p(H₁)和p(H₀)分别为振动源真实存在假设和振动源不存在假设的先验概率；

p(D|H₁)和p(D|H₀)分别为当假设H₁和H₀正确时，检测到振动信号观测数据D的概率密度函数；

其中

振动源真实存在被定义为一个振动事件在其活动范围内持续存在至少数个扫描周期；

如果P_T>P_F，即LR>1即可认为有振动事件发生的概率大于没有振动事件发生的概率。

2.根据权利要求1的基于序贯概率比检测的管道安全预警系统的事件检测方法，其特征在于进一步包括：

由所述概率比检测模型，得具有如下形式的序贯的概率比检测模型：

L(k)=L(k-1)+ΔL(k)

当第k次量测数据无定位信息时，ΔL(k)=ln[1-P_D]；

当第k次量测数据有定位信息时， $\mathrm{\ΔL}\left(k\right)=\ln \left[\frac{V_C}{\sqrt{S}}\right]-\frac{\left[M\ln \right[2\mathrm{\π}]+d^2]}{2};$

其中

P_D为检测概率；

V_C为振动信号位置、能量和中心频率的三维体积；

S为新息协方差矩阵；

M测量维度，这里是3；

d²为新息归一化距离。

3.根据权利要求1－2之一的基于序贯概率比检测的管道安全预警系统的事件检测方法，其特征在于进一步包括：

将振动检测分为两级，即疑似事件和确定事件，

设置两级事件状态判断门限

和

其中

α为虚假事件被确定的概率；

β为真实事件被删除的概率；

当有一帧数据表明振动存在时，建立疑似事件，采用序贯概率比检测来进一步确定该疑似事件存在的概率，

若概率增加超过指定门限T2，疑似事件转为确定事件并报警，

若概率减小低于指定门限T1，判定疑似事件为虚警。

4.根据权利要求3的基于序贯概率比检测的管道安全预警系统的事件检测方法，其所述的新息归一化距离d²的确定包括：

取新息协方差矩阵 $S=\left[\begin{array}{ccc}{\mathrm{\σ}}_{\mathrm{mx}}^2+{\mathrm{\σ}}_{\mathrm{sx}}^2& 0& 0\\ 0& {\mathrm{\σ}}_{\mathrm{me}}^2+{\mathrm{\σ}}_{\mathrm{se}}^2& 0\\ 0& 0& {\mathrm{\σ}}_{\mathrm{mf}}^2+{\mathrm{\σ}}_{\mathrm{sf}}^2\end{array}\right]$

其中为量测定位误差，

分别为量测的能量方差和中心频率方差，

为目标振源量测数据融合后的位置方差，

分别为振源的能量方差，中心频率方差，

根据振动提取的三个属性，位置，能量，中心频率，确定振动事件属性向量，

$A=\left[\begin{array}{c}x\\ e\\ f\end{array}\right]$

其中x,e,f分别代表位置，能量和中心频率，

由此分别确定已建立的振动事件的属性向量和量测的属性特征向量，分别为

$A_s=\left[\begin{array}{c}{x}_s\\ e_s\\ f_s\end{array}\right],$ 和 $A_m=\left[\begin{array}{c}{x}_m\\ e_m\\ f_m\end{array}\right]$

则新息归一化距离

其中 ${\tilde{y}}^{\′}=A_m-A_s\text{=}\left[\begin{array}{c}{x}_m\\ e_m\\ f_m\end{array}\right]-\left[\begin{array}{c}{x}_s\\ e_s\\ f_s\end{array}\right],$

为

的转置。

5.根据权利要求2的基于序贯概率比检测的管道安全预警系统的事件检测方法，其特征在于：

所述振动信号位置、能量和中心频率的三维体积V_C具有形式：

V_C=L*E*F；

其中L,E,F分别代表管线长度，能量动态范围，中心频率动态范围。

Images