CN103032682A - 一种管道内异常信号定向方法 - Google Patents
一种管道内异常信号定向方法 Download PDFInfo
- Publication number
- CN103032682A CN103032682A CN2012105716042A CN201210571604A CN103032682A CN 103032682 A CN103032682 A CN 103032682A CN 2012105716042 A CN2012105716042 A CN 2012105716042A CN 201210571604 A CN201210571604 A CN 201210571604A CN 103032682 A CN103032682 A CN 103032682A
- Authority
- CN
- China
- Prior art keywords
- signal
- image data
- sequence
- data
- frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种管道中异常信号的定向方法,包括如下步骤:采集并提取预设时间长度的两个变送器的输出信号作为第一采集数据;对第一采集数据的两帧数据分别进行输出信号的归一化处理、均值调整及双极性处理,得到第二采集数据;根据信号的极性从第二采集数据的两帧数据中分别查找出信号最大极值,对第二采集数据的两帧数据分别作异常信号的后沿处理,得到第三采集数据;对第三采集数据,任选一路信号做M-1点的前后双向一次线性插值,形成两个插值序列;分别计算两个序列与另一信号序列的互相关系数曲线,得到管道泄漏信号的传播方向。本发明能够可靠判定管道内异常信号的传播方向。
Description
技术领域
本发明涉及一种双变送器短距离安装间隔的管道内异常信号传播定向技术领域,尤其涉及天然气、液体输送等管网中的管道泄漏定位中的异常信号定向技术领域,特别是涉及管网中确定管道内异常信号传播方向的一种管道内异常信号定向方法。
背景技术
作为五大运输行业之一的管道运输,如天然气输送、液体(如污水、石油等)输送等在国民经济建设、特别是城市建设中发挥着不可替代的作用,但是,这些输送管道形成的管网由于长期服役、腐蚀老化和人为破坏等原因,泄漏事故时有发生。如果能够及时而准确地对管网中的管道泄漏进行报警定位,将大大降低因泄漏事故而造成的经济损失、生命财产损失和环境污染等。因此,长期以来人们一直在研究如何对发生的管道泄漏进行可靠诊断和准确定位。这其中,异常信号传播方向的确定对于减少误报,杜绝漏报具有重要作用。
现有技术中,一般地,对于管道中的异常信号定向,人们通常在管道的首末站各安装两个同类型的声波或动态压力变送器,通过远程终端将实时采集的信号及时间标签等信息发送到中心服务器进行泄漏诊断及定位。由于管道同侧两个变送器间隔一定距离,因此,一旦有异常信号产生,二者感测到异常信号的时间不同,通过对两变送器采集到的信号进行互相关分析,可以判断出信号的传播方向,进而判断出异常信号是来自于上游还是下游。
要分辨异常信号的传播方向,理论上只要能分辨出一个采样周期对应的异常信号传播距离即可,以10ms(毫秒)采样周期为例,对于液体输送管道两个变送器的间距至少在10米以上,气体输送管道的两个变送器间距至少4米以上。
但是由于干扰信号的存在、采样精度的限制以及采样周期的约束,为了准确确定异常信号的传播方向,实际上两个变送器的安装间距要求远远大于上述理论值。相邻两个变送器的这种安装间距要求是现有的场站、阀室所远远无法满足的,从而无法在实际工作中很好地确定管道中异常信号的传播方向,也无法满足实际工作的需要。
发明内容
本发明的目的在于提供一种管道中异常信号的定向方法,其结合应用现场实际空间条件和采样周期,既能满足现场安装条件,又不用提高信号实际采样周期,能够可靠判定管道内异常信号的传播方向。
为实现本发明目的而提供的一种管道内异常信号定向方法,包括如下步骤:
步骤S100,利用安装在管道一端间隔预设距离的两个变送器感测管道内部的动态压力信号或声波信号,通过带有采样保持功能的数据采集设备顺序采集并提取预设时间长度的两个变送器的输出信号作为第一采集数据;
步骤S200,对提取的第一采集数据的两帧数据分别进行输出信号的归一化处理、均值调整及双极性处理,得到处理后的第二采集数据;
步骤S300,根据信号的极性从所述第二采集数据的两帧数据中分别查找出所述第二采集数据的信号最大极值,并根据两个最大极值对所述第二采集数据的两帧数据对应作异常信号的后沿处理,得到后沿处理后的第三采集数据;
步骤S400,对所述第三采集数据,任选一路信号做M-1点的前后双向一次线性插值,形成两个插值序列;然后分别计算所述两个序列与另一信号序列的互相关系数曲线,根据两条互相关曲线极值大小及其距中点的相对位置关系得到管道泄漏信号的传播方向。
较优地,作为一可实施例,所述步骤S100包括如下步骤:
步骤S110,在管道同侧的两个预设位置各安装一个声波或动态压力变送器,两信号变送器间隔为d米;
步骤S120,以采样周期T顺序轮流连续采集两个变送器的输出信号,在整分钟时刻对采集的两路信号分别打上时间标签,得到多个时间段的两路信号的采集数据各一帧;
步骤S130,设每个时间段采集数据的长度为N/2点,提取两个连续时间段的数据,其中前一时间段为历史采集数据,后一时间段为实时采集数据,将该历史采集数据和实时采集数据作为第一采集数据;
其中,d、T为大于0的正数;N为正整数。
较优地,作为一可实施例,所述步骤S200包括如下步骤:
步骤S210,对两个时间段的第一采集数据的两帧信号分别作去噪处理,滤除信号中的高频干扰;
步骤S220,对去噪处理后的第一采集数据的两帧信号分别作归一化处理,计算各自的均值,并使两帧信号都成为正负信号,得到处理后的第二采集数据。
较优地,作为一可实施例,所述步骤S220包括如下步骤:
步骤S221,设第一采集数据的一帧信号的序列x(k),k=1…N的极大、极小值为maxX和minX;第一采集数据的另一帧信号的序列y(k),k=1…N的极大、极小值为maxY和minY;其中,N为序列的长度;
对两个序列x(k)、y(k)分别作如下进行归一化处理,如下式所示:
步骤S222,计算得到同一时间段的采集数据的两帧信号中每帧数据的均值和均方根误差;
计算均值和均方根误差的计算公式如下:
步骤S223,以同一时间段的采集数据中每帧数据的预设的均方根误差σ为界限,提取每帧信号中均方根误差以内的新数据序列,根据新提取的数据序列,重新利用步骤S222中的公式计算其各自新的均值和均方根误差;
步骤S224,根据各自新的均方根误差,通过逐次迭代方法最终计算得到各自精确的均值;
设两个序列x(k)和y(k)的最终均值分别为meanVx和meanVy,以其中一个序列x(k)为基准,对另一个序列y(k)作如下均值调整:
如果meanVy<meanVx,则利用下式计算序列y(k):
y(k)=y(k)+(meanVx-meanVy) k=1…N
否则,利用下式计算序列y(k):
y(k)=y(k)-(meanVy-meanVx) k=1…N
利用下式对上式计算得到的两个序列x(k)、y(k)作双极性处理,得到双极性的两个序列x(k)、y(k),即使得同一时间段的两帧信号都成为正负信号:
x(k)=x(k)-meanVx k=1…..N
y(k)=y(k)-meanVx k=1…..N
得到处理后的第二采集数据x(k)和y(k)。
较优地,作为一可实施例,所述步骤S300包括如下步骤:
步骤S310,对同一时间段的第二采集数据的每帧信号各自做正负区间划分,得到每个区间的起始点和结束点序列,分别为SStx(i)、Sendx(i)和SSty(i)、Sendy(i),i为信号所处的区间序号,信号区间总数为NCx和NCy;
步骤S320,遍历搜索到各个区间的正极值点序列Peakx(i) 和Peaky(i),从各个极值点序列Peakx(i) 和Peaky(i)中,找出序列x的最大极值maxvx及相应位置posx和序列y的最大极值maxvy及相应位置posy;
步骤S330,对两个序列的极值点(maxvx,posx)、(maxvy,posy)以后的数据作如下后沿处理,如下式所示:
x(k)=x(posy)k=posx+1…..N
y(k)=y(posy)k=posy+1…..N
得到后沿处理后的第三采集数据。
较优地,作为一可实施例,所述步骤S400包括如下步骤:
步骤S410,任选一路信号作线性插值,设所选择的信号为x(k)序列;
步骤S420,首先计算序列x(k)的两列一阶差分,如下式所示:
步骤S430,在时间轴方向上,对x序列的每个采样点数据共做(inc-1)阶的双向插值,以此来描述每个时间点前后的信号特征;
所述双向插值方法如下式所示:
x1(j,k)=x(k+1)+j*dx1(k) 其中,j=1…inc-1,k=1…N-2
x2(j,k)=x(k+1)-j*dx2(k) 其中,j=1…inc-1,k=1…N-2
x1(j,k)表示采样点k之后的j阶插值,x2(j,k)表示采样点k之前的j阶插值;
步骤S440,对每一阶插值后形成的序列x1和x2,分别与另一序列y作互相关计算,如下式所示,实现时间差由采样点数向插值阶数的映射:
r1(j)=ρ(x1(j,:),y)其中j=1…inc-1
r2(j)=ρ(x2(j,:),y)其中j=1…inc-1
其中:
步骤S450,最后合并得到2*(inc-1)点总体互相关系数曲线R,R={r1,r2};
步骤S460,计算曲线R的极值点对应位置与(inc-1)之差,两者之差的符号表示信号传播方向。
本发明的有益效果:本发明管道内异常信号定向方法,其结合应用现场实际空间条件和采样周期,既能满足现场安装条件,又不用提高信号实际采样率,能够可靠判定管道内异常信号的传播方向。其大大缩短两个传感器之间的安装距离,可以满足所有阀室、场站的现场安装条件,而且可以有效的滤除来自所监测管段外侧传播过来的调泵、调阀等干扰信号,并且计算工作量和内存需求量大大减小,有利于工程实现。
附图说明
图1为仪表安装及异常信号传播示意图;
图2为去噪后的异常信号;
图3为归一化处理、均值调整及双极性化的两路信号;
图4为进行后沿处理后的两路信号;
图5为互相关系数曲线;
图6为本发明实施例的管道内异常信号定向方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明管道内异常信号定向方法的实现进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图6所示,为本发明实施例的管道内异常信号定向方法处理流程图。作为一种可实施方式,本发明实施例的管道异常信号定向方法,包括如下步骤:
步骤S100,利用预设在管道一端间隔预设距离的两个变送器感测管道内部的动态压力信号或声波信号,通过带有采样保持功能的数据采集设备(如RTU)顺序轮流连续采集预设时间长度的两个变送器的输出信号作为第一采集数据。
较佳地,作为一种可实施方式,所述步骤S100包括如下步骤:
步骤S110,在管道同侧的两个预设位置(如首站或/和末站)各安装一个声波或动态压力变送器,两传感器间隔d(米),其中,d为大于0的正数;
步骤S120,以采样周期T(ms)(T>0)顺序轮流连续采集两个变送器的输出信号,在整分钟时刻对两路采集信号分别打上时间标签,得到多个时间段的两路信号的采集数据各一帧;
步骤S130,设每个时间段(如每分钟)采集数据的长度为N/2(N为整数)点,提取两个连续时间段(如前后各一分钟)的数据,其中前一时间段(如前一分钟)为历史采集数据,后一时间段(如后一分钟)为实时采集数据,将该历史采集数据和实时采集数据作为第一采集数据。
步骤S200,对提取的第一采集数据进行输出信号的归一化处理、均值调整及双极性处理,得到处理后的第二采集数据。
步骤S210,首先对两个时间段的第一采集数据的两帧信号分别作去噪处理,滤除信号中的高频干扰;
作为一种可实施方式,本发明实施例中,可以采用滑动平均滤波、小波去噪等滤波方法进行滤波去噪处理。
设经过去噪后的同一时间段的两路采集数据的帧信号序列分别为:
x(k),k=1…N
y(k),k=1…N
N为正整数,也表示序列的长度。
步骤S220,其次对去噪处理后的第一采集数据的两帧信号分别作归一化处理,计算各自的均值,并使两帧信号都成为正负信号,得到处理后的第二采集数据;
作为一种可实施方式,所述步骤S220包括如下步骤:
步骤S221,设第一采集数据的一帧信号的序列x(k),k=1-N的极大、极小值为maxX和minX;第一采集数据的另一帧信号的序列y(k),k=1-N的极大、极小值为maxY和minY;其中,N为序列的长度;
对两个序列x(k)、y(k)分别作如下进行归一化处理,如式(1)、(2)所示:
步骤S222,计算得到同一时间段的采集数据的两帧信号中每帧数据的均值和均方根误差;
计算均值和均方根误差的计算公式如式(3)、(4)所示:
步骤S223,然后以同一时间段的采集数据中每帧数据的预设的均方根误差σ为界限,提取每帧信号中均方根误差以内的新数据序列,根据新提取的数据序列,重新利用式(3)、(4)计算其各自新的均值和均方根误差;
步骤S224,根据各自新的均方根误差,通过逐次迭代方法最终计算得到各自精确的均值;
由于变送器电路中放大特性的不同,同一时间段的两帧信号的均值可能不同,为了精确地计算两路信号的时间差,调整其中一帧信号的均值,使两帧信号的均值相等。
设两个序列x(k)和y(k)的最终均值分别为meanVx和meanVy,以其中一个序列(如x)为基准,对另一个序列(如y)作如下均值调整:
如果meanVy<meanVx,则利用式(5)计算序列y(k):
y(k)=y(k)+(meanVx-meanVy) k=1…N(5)
否则,利用式(6)计算序列y(k):
y(k)=y(k)-(meanVy-meanVx) k=1…N(6)
得到序列y(k)的精确的均值。
利用式(7)、(8)对两个序列x(k)、y(k)作双极性处理,得到双极性的两个序列x(k)、y(k),即使得同一时间段的两帧信号都成为正负信号:
x(k)=x(k)-meanVx k=1…..N (7)
y(k)=y(k)-meanVx k=1…..N (8)
得到处理后的第二采集数据x(k)和y(k)。
步骤S300,对所述处理后的第二采集数据的两帧信号中的异常信号各自作后沿处理,得到后沿处理后的第三采集数据。
对所述处理后的采集数据中两帧信号中的异常信号作后沿处理,得到后沿处理后的第三采集数据,避免了传感器特性和信号调理特性不同引起的相位差异。
作为一种可实施方式,所述步骤S300,对异常信号作后沿处理,包括如下步骤:
步骤S310,对同一时间段的第二采集数据的每帧信号各自做正负区间划分,得到每个区间的起始点和结束点序列,分别为SStx(i)、Sendx(i)和SSty(i)、Sendy(i),i为信号所处的区间序号,信号区间总数为NCx和NCy;
步骤S320,遍历搜索到各个区间的正极值点序列Peakx(i) 和Peaky(i),从各个极值点序列Peakx(i) 和Peaky(i)中,找出序列x的最大极值maxvx及相应位置posx和序列y的最大极值maxvy及相应位置posy;
步骤S330,对两个序列的极值点(maxvx,posx)、(maxvy,posy)以后的数据作如下后沿处理,如式(9)、(10)所示:
x(k)=x(posx)k=posx+1…..N (9)
y(k)=y(posx)k=posy+1…..N (10)
得到后沿处理后的第三采集数据。
步骤S400,对所述第三采集数据,任选一路信号做M-1点的前后双向一次线性插值,形成两个插值序列;然后分别计算两个序列与另一信号序列的互相关系数曲线,根据两条互相关曲线极值大小及其距中点的相对位置关系得到管道泄漏信号的传播方向。
作为一种可实施方式,较佳地,为了减少相关计算的计算量,采取对其中一帧帧信号做M-1点的前后双向一次线性插值,形成两个插值序列;然后分别与另一帧信号做互相关计算,合并得到2M-2点的相关系数曲线,相关系数曲线极值点相对于中点的前后位置关系就是异常信号的传播方向。
作为一种可实施方式,所述步骤S400包括如下步骤:
步骤S410,任选一路信号作线性插值,设所选择的信号为x(k)序列;
步骤S420,首先计算序列x(k)的两列一阶差分,如式(11)、(12)所示:
步骤S430,在时间轴方向上,对x序列的每个采样点数据共做(inc-1)阶的双向插值,以此来描述每个时间点前后的信号特征;
所述双向插值方法如式(13)、(14)所示:
x1(j,k)=x(k+1)+j*dx1(k) 其中,j=1…inc-1,k=1…N-2(13)
x2(j,k)=x(k+1)-j*dx2(k) 其中,j=1…inc-1,k=1…N-2(14)
x1(j,k)表示采样点k之后的j阶插值,x2(j,k)表示采样点k之前的j阶插值。
步骤S440,对每一阶插值后形成的序列x1和x2,分别与另一序列(y)作互相关计算,如式(15)、(16)、(17)所示,实现时间差由采样点数向插值阶数的映射:
r1(j)=ρ(x1(j,:),y)其中j=1…inc-1 (15)
r2(j)=ρ(x2(j,:),y)其中j=1…inc-1 (16)
其中:
步骤S450,最后合并得到2*(inc-1)点总体互相关系数曲线R,R={r1,r2},
步骤S460,计算曲线R的极值点对应位置与(inc-1)之差,两者之差的符号表示信号传播方向。
曲线R的极值点对应位置与(inc-1)之差即为信号经过两传感器的时间差,符号表示信号传播方向,从而得到异常信号的传播方向。
下面进一步举例说明本发明实施例的异常信号定向方法实现过程。
1:设置两只声波信号或动态压力信号变送器,安装在管道一端,两只变送器安装间距为36cm;安装数据采集存储设备,较佳地,所述数据采集存储设备为带有采样保持器的多路信号采样芯片ADS7841作为模数转换芯片,顺序轮流采集所述两变送器输出的4-20mA信号,采用微处理器控制采样和/或处理,所述微处理器为AT91SAM9261 ARM处理器,采样周期20ms。采样数据可以通过网络接口上传至通用计算机并存储。
选择在仪表A的左侧通过阀门C模拟产生泄漏(异常)信号,如图1所示,去噪后的模拟泄漏信号如图2所示。
2:对图2所示信号分别作信号的归一化处理、均值调整及双极性化,处理后结果如图3所示。
3:对图3所示两路信号分别作异常信号的后沿处理。首先对两路信号做正负区间划分,得到每个区间的起始点和结束点序列,分别为SStx(i)、Sendx(i)和SSty(i)、Sendy(i),信号区间总数分别为37和25。搜索到各个区间的正极值Peakx(i) 和Peaky(i),从各个极值点序列Peakx(i) 和Peaky(i)中,找出序列x的最大极值0.4151、其位置为2698,序列y的最大极值0.4218、其位置为2698。对两个序列的极值点以后的数据分别赋值0.4151和0.4218,得到信号如图4所示。
4:对图4所示信号作双向线性插值及相关计算。其中线性插值点数inc为100,最后得到互相关系数曲线如图5所示。对应的极值点位置为96,小于inc-1,由此可以判断异常信号是由A变送器的上游侧传播过来的。
作为一种可实施方式,本发明实施例的异常信号定向方法过程可以用任何语言编程实现,并在相应的微处理器上运行。
本发明实施例的管道异常信号定向方法,其结合应用现场实际空间条件和采样周期,既能满足现场安装条件,又不用提高信号实际采样率,能够可靠判定管道中异常信号的传播方向。其大大缩短了两个变送器(或传感器)之间的安装距离,可以满足所有阀室、场站的现场安装条件,而且可以有效的滤除来自所监测管段外侧传播过来的调泵、调阀等干扰信号,并且计算工作量和内存需求量大大减小,有利于工程实现。
最后应当说明的是,很显然,本领域的技术人员可以对本发明进行各种改动和变型(如用于管道内声波速度测量)而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型。
Claims (6)
1.一种管道内异常信号定向方法,其特征在于,包括如下步骤:
步骤S100,利用安装在管道一端间隔预设距离的两个变送器感测管道内部的动态压力信号或声波信号,通过带有采样保持功能的数据采集设备顺序采集并提取预设时间长度的两个变送器的输出信号作为第一采集数据;
步骤S200,对提取的第一采集数据的两帧数据分别进行输出信号的归一化处理、均值调整及双极性处理,得到处理后的第二采集数据;
步骤S300,根据信号的极性从所述第二采集数据的两帧数据中分别查找出所述第二采集数据的信号最大极值,并根据两个最大极值对所述第二采集数据的两帧数据对应作异常信号的后沿处理,得到后沿处理后的第三采集数据;
步骤S400,对所述第三采集数据,任选一路信号做M-1点的前后双向一次线性插值,形成两个插值序列;然后分别计算所述两个序列与另一信号序列的互相关系数曲线,根据两条互相关曲线极值大小及其距中点的相对位置关系得到管道泄漏信号的传播方向。
2.根据权利要求1所述的管道内异常信号定向方法,其特征在于,所述步骤S100包括如下步骤:
步骤S110,在管道同侧的两个预设位置各安装一个声波或动态压力变送器,两信号变送器间隔为d米;
步骤S120,以采样周期T顺序轮流连续采集两个变送器的输出信号,在整分钟时刻对采集的两路信号分别打上时间标签,得到多个时间段的两路信号的采集数据各一帧;
步骤S130,设每个时间段采集数据的长度为N/2点,提取两个连续时间段的数据,其中前一时间段为历史采集数据,后一时间段为实时采集数据,将该历史采集数据和实时采集数据作为第一采集数据;
其中,d、T为大于0的正数;N为正整数。
3.根据权利要求1所述的管道内异常信号定向方法,其特征在于,所述步骤S200包括如下步骤:
步骤S210,对两个时间段的第一采集数据的两帧信号分别作去噪处理,滤除信号中的高频干扰;
步骤S220,对去噪处理后的第一采集数据的两帧信号分别作归一化处理,计算各自的均值,并使两帧信号都成为正负信号,得到处理后的第二采集数据。
4.根据权利要求3所述的管道内异常信号定向方法,其特征在于,所述步骤S220包括如下步骤:
步骤S221,设第一采集数据的一帧信号的序列x(k),k=1…N的极大、极小值为maxX和minX;第一采集数据的另一帧信号的序列y(k),k=1…N的极大、极小值为maxY和minY;其中,N为序列的长度;
对两个序列x(k)、y(k)分别作如下进行归一化处理,如下式所示:
步骤S222,计算得到同一时间段的采集数据的两帧信号中每帧数据的均值和均方根误差;
计算均值和均方根误差的计算公式如下:
步骤S223,以同一时间段的采集数据中每帧数据的预设的均方根误差σ为界限,提取每帧信号中均方根误差以内的新数据序列,根据新提取的数据序列,重新利用步骤S222中的公式计算其各自新的均值和均方根误差;
步骤S224,根据各自新的均方根误差,通过逐次迭代方法最终计算得到各自精确的均值;
设两个序列x(k)和y(k)的最终均值分别为meanVx和meanVy,以其中一个序列x(k)为基准,对另一个序列y(k)作如下均值调整:
如果meanVy<meanVx,则利用下式计算序列y(k):
y(k)=y(k)+(meanVx-meanVy) k=1…N
否则,利用下式计算序列y(k):
y(k)=y(k)-(meanVy-meanVx) k=1…N
利用下式对上式计算得到的两个序列x(k)、y(k)作双极性处理,得到双极性的两个序列x(k)、y(k),即使得同一时间段的两帧信号都成为正负信号:
x(k)=x(k)-meanVx k=1…..N
y(k)=y(k)-meanVx k=1…..N
得到处理后的第二采集数据x(k)和y(k)。
5.根据权利要求1所述的管道内异常信号定向方法,其特征在于,所述步骤S300包括如下步骤:
步骤S310,对同一时间段的第二采集数据的每帧信号各自做正负区间划分,得到每个区间的起始点和结束点序列,分别为SStx(i)、Sendx(i)和SSty(i)、Sendy(i),i为信号所处的区间序号,信号区间总数为NCx和NCy;
步骤S320,遍历搜索到各个区间的正极值点序列Peakx(i) 和Peaky(i),从各个极值点序列Peakx(i) 和Peaky(i)中,找出序列x的最大极值maxvx及相应位置posx和序列y的最大极值maxvy及相应位置posy;
步骤S330,对两个序列的极值点(maxvx,posx)、(maxvy,posy)以后的数据作如下后沿处理,如下式所示:
x(k)=x(posx)k=posx+1…..N
y(k)=y(posx)k=posy+1…..N
得到后沿处理后的第三采集数据。
6.根据权利要求1所述的管道内异常信号定向方法,其特征在于,所述步骤S400包括如下步骤:
步骤S410,任选一路信号作线性插值,设所选择的信号为x(k)序列;
步骤S420,首先计算序列x(k)的两列一阶差分,如下式所示:
步骤S430,在时间轴方向上,对x序列的每个采样点数据共做(inc-1)阶的双向插值,以此来描述每个时间点前后的信号特征;
所述双向插值方法如下式所示:
x1(j,k)=x(k+1)+j/dx1(k) 其中,j=1…inc-1,k=1…N-2
x2(j,k)=x(k+1)-j/dx2(k) 其中,j=1…inc-1,k=1…N-2
x1(j,k)表示采样点k之后的j阶插值,x2(j,k)表示采样点k之前的j阶插值;
步骤S440,对每一阶插值后形成的序列x1和x2,分别与另一序列y作互相关计算,如下式所示,实现时间差由采样点数向插值阶数的映射:
r1(j)=ρ(x1(j,:),y)其中j=1…inc-1
r2(j)=ρ(x2(j,:),y)其中j=1…inc-1
其中:
步骤S450,最后合并得到2*(inc-1)点总体互相关系数曲线R,R={r1,r2};
步骤S460,计算曲线R的极值点对应位置与(inc-1)之差,两者之差的符号表示信号传播方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210571604.2A CN103032682B (zh) | 2012-12-25 | 2012-12-25 | 一种管道内异常信号定向方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210571604.2A CN103032682B (zh) | 2012-12-25 | 2012-12-25 | 一种管道内异常信号定向方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103032682A true CN103032682A (zh) | 2013-04-10 |
CN103032682B CN103032682B (zh) | 2014-08-20 |
Family
ID=48019896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210571604.2A Active CN103032682B (zh) | 2012-12-25 | 2012-12-25 | 一种管道内异常信号定向方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103032682B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048165A (zh) * | 2013-08-16 | 2014-09-17 | 北京化工大学 | 管道泄漏诊断的方法 |
CN106247173A (zh) * | 2016-09-26 | 2016-12-21 | 北京化工大学 | 管道泄漏检测的方法及装置 |
CN109114424A (zh) * | 2017-06-26 | 2019-01-01 | 中国石油天然气股份有限公司 | 管道泄漏点位置的确定方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1090106A (ja) * | 1996-09-19 | 1998-04-10 | Fuji Tecomu Kk | 漏洩探査装置 |
CN1402836A (zh) * | 1999-10-12 | 2003-03-12 | L3通讯股份有限公司 | 处理定向无线信号的系统 |
CN1442029A (zh) * | 2000-07-17 | 2003-09-10 | 皇家菲利浦电子有限公司 | 用于衍生诸如定向和中心信号的辅助音频信号的立体声音频处理设备 |
CN1681311A (zh) * | 2004-04-09 | 2005-10-12 | 乐金电子(沈阳)有限公司 | 通过同步信号定向耦合来输出超出输入范围信号的方法 |
-
2012
- 2012-12-25 CN CN201210571604.2A patent/CN103032682B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1090106A (ja) * | 1996-09-19 | 1998-04-10 | Fuji Tecomu Kk | 漏洩探査装置 |
CN1402836A (zh) * | 1999-10-12 | 2003-03-12 | L3通讯股份有限公司 | 处理定向无线信号的系统 |
CN1442029A (zh) * | 2000-07-17 | 2003-09-10 | 皇家菲利浦电子有限公司 | 用于衍生诸如定向和中心信号的辅助音频信号的立体声音频处理设备 |
CN1681311A (zh) * | 2004-04-09 | 2005-10-12 | 乐金电子(沈阳)有限公司 | 通过同步信号定向耦合来输出超出输入范围信号的方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048165A (zh) * | 2013-08-16 | 2014-09-17 | 北京化工大学 | 管道泄漏诊断的方法 |
CN104048165B (zh) * | 2013-08-16 | 2016-10-05 | 北京化工大学 | 管道泄漏诊断的方法 |
CN106247173A (zh) * | 2016-09-26 | 2016-12-21 | 北京化工大学 | 管道泄漏检测的方法及装置 |
CN109114424A (zh) * | 2017-06-26 | 2019-01-01 | 中国石油天然气股份有限公司 | 管道泄漏点位置的确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103032682B (zh) | 2014-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104595729B (zh) | 一种基于声波幅值的油气管道泄漏定位方法 | |
CN105042339B (zh) | 一种基于无量纲的成品油管道泄漏量估计系统及方法 | |
CN105927863B (zh) | Dma分区管网泄漏在线检测定位系统及其检测定位方法 | |
EP3676588B1 (en) | Frequency sub-band leak detection | |
CN101246467B (zh) | 自适应阈值检漏结合多尺度快速时延搜索的泄漏定位方法 | |
CN102563361A (zh) | 基于常规数据和音波信号的输气管道泄漏检测定位装置及方法 | |
CN101832472B (zh) | 利用次声波实现管道泄漏检测的系统 | |
CN103822097B (zh) | 在流体输送管道中估计负压波的波速的方法及装置 | |
CN104595730B (zh) | 一种基于声波幅值衰减模型的油气管道泄漏定位方法 | |
Kartakis et al. | Adaptive edge analytics for distributed networked control of water systems | |
US20190128766A1 (en) | Correlator for leak detection | |
CN103216732B (zh) | 一种管网漏水实时监测定位系统 | |
CN102537670B (zh) | 一种管道泄漏诊断方法 | |
CN102606891A (zh) | 漏水检测仪及检测系统、及检测方法 | |
CN110469782B (zh) | 一种基于自适应滤波器的管道泄漏定位装置 | |
JPH11201859A (ja) | 周波数帯域分割による配管漏洩検知方法 | |
CN103032682B (zh) | 一种管道内异常信号定向方法 | |
CN103234121A (zh) | 基于音波信号的输气管道泄漏检测装置及检测方法 | |
CN106289121A (zh) | 一种变径管等效管长的计算方法 | |
CN111520615A (zh) | 基于线谱对和三次插值搜索的管网漏损识别与定位方法 | |
CN110555282B (zh) | 一种排除有源信号有效进行盲源分析的方法 | |
CN116384277A (zh) | 一种基于滤波器的多分支供水管漏损检测与定位方法、装置及系统 | |
CN104456089A (zh) | 一种流体管道多泄漏点定位方法 | |
CN102087107A (zh) | 绳系多传感器协同优化近海测波浮标及其滤波融合方法 | |
KR102155419B1 (ko) | 인공신경망을 기반으로 하는 적응형 거리측정장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |