CN105444684A - 一种基于fpga的管道测径仪多路位移脉冲优选装置与方法 - Google Patents

Abstract

一种基于FPGA的管道测径仪多路位移脉冲优选装置与方法，属于管道检测技术领域。该装置包括管道测径仪本体、若干个里程轮，信号采集模块、光耦合隔离单元、FPGA中央处理单元。信号采集模块包括若干个凸透镜、若干个旋转编码器、若干个光敏元件。每个里程轮轴上装有一个凸透镜、一个旋转编码器、一个光敏元件，并且凸透镜、旋转编码器、光敏元件与里程轮同轴旋转，若干个光敏元件与光耦合隔离单元输入端相连，光耦合隔离单元的输出端与FPGA中央处理单元输入端相连。本发明利用FPGA并行处理机制，提高了位移脉冲信号的处理速度，有效区分了若干个里程轮的工作状态，解决了位移的累计误差问题，提高了位移测量的精确性。

Description

一种基于FPGA的管道测径仪多路位移脉冲优选装置与方法

技术领域

本发明属于管道检测技术领域，特别涉及一种基于FPGA的管道测径仪多路位移脉冲优选装置与方法。

背景技术

随着铺设的油气管道服役年限不断增加，老龄化管道产生的腐蚀、形变、泄漏等造成的管道事故日益增多，因此对长输管道开展泄漏检测意义重大。如何精确的对管道内发生的变形、缺陷进行及时检测维修是管道测径仪的重要任务。而精确的定位是对管道缺陷进行及时维修的重要保证。里程轮是管道测径仪里程计量装置，保证里程轮在复杂管道环境中正常运行并输出高精度脉冲信号是关键技术。目前，现有的管道测径仪里程轮定位技术仍然缺乏完整的、高效的优选方法与校正方法。

发明内容

针对现有技术的不足，本发明提出了一种基于FPGA的管道测径仪多路位移脉冲优选装置与方法。

一种基于FPGA的管道测径仪多路位移脉冲优选装置，包括管道测径仪本体、若干个里程轮、信号采集模块、光耦合隔离单元、FPGA中央处理单元，信号采集模块包括若干个凸透镜、若干个旋转编码器、若干个光敏元件。管道测径仪本体内部有光源，若干个里程轮均匀安装在管道测径仪本体内部径向圆周上，每个里程轮轴上装有一个凸透镜、一个旋转编码器、一个光敏元件，并且凸透镜、旋转编码器、光敏元件与里程轮同轴旋转。若干个光敏元件与光耦合隔离单元输入端相连，光耦合隔离单元的输出端与FPGA中央处理单元输入端相连。

所述信号采集模块将光源发出的光，通过若干个凸透镜转化为若干组平行光，透过若干个旋转编码器被若干个光敏元件检测到，并转化为周期性变化的多路数字脉冲信号，即为多路位移脉冲信号。

所述光耦合隔离单元实现多路位移脉冲信号与FPGA中央处理单元之间的电气隔离，并将多路位移脉冲信号转化为符合FPGA中央处理单元内部I/O口输入要求的数字脉冲信号。

所述FPGA中央处理单元包括异常判断模块、弯道判断模块和多路智能优选模块。异常判断模块通过多路位移脉冲信号的脉冲数判断若干个里程轮的工作状态—正常状态、可能弯道状态、异常状态。弯道判断模块利用弯道圆心角的线性回归模型计算弯道圆心角预测值，并与设定的第二阈值比较，判断若干个里程轮的工作状态是否为弯道状态。多路智能优选模块根据若干个里程轮的工作状态选择最优位移脉冲信号并输出。

一种基于FPGA的管道测径仪多路位移脉冲优选方法，采用上述基于FPGA的管道测径仪多路位移脉冲优选装置，包括如下步骤：

步骤1、光源发出的光通过若干个凸透镜转化为若干组平行光，透过若干个旋转编码器被若干个光敏元件检测到，并转化为周期性变化的多路位移脉冲信号；

步骤2、根据多路位移脉冲信号的脉冲数判断若干个里程轮的工作状态-正常状态、可能弯道状态、异常状态，如果若干个里程轮为正常状态和异常状态，则执行步骤4，如果若干个里程轮为可能弯道状态，则执行步骤3；

步骤2.1、设定采样时间间隔S、采样时间t、采样次数m；

步骤2.2、在采样时间t内分别统计n路位移脉冲信号的脉冲数C₁,C₂,...,C_n，设定第一阈值T₁；

步骤2.3、计算n路位移脉冲信号的脉冲数的均值μ和标准差σ；

步骤2.4、重复步骤2.2、步骤2.3m次；

步骤2.5、若m次标准差σ均大于第一阈值T₁，则若干个里程轮的工作状态为可能弯道状态或异常状态，利用脉冲数差值比例判别式进行进一步判断，否则若干个里程轮的工作状态为正常状态，执行步骤4，所述脉冲数差值比例判别式为当n＝奇数时，脉冲数差值比例判别式为当n＝偶数时，脉冲数差值比例判别式为i＝1,2,...,m，Q_i为若干个里程轮工作状态表示值；

步骤2.6、若m次1-Δ＜Q_i＜1+Δ，Δ为1附近的小数，则若干个里程轮的工作状态为可能弯道状态，执行步骤3，否则若干个里程轮的工作状态为异常状态，执行步骤4。

步骤3、利用弯道圆心角的线性回归模型计算弯道圆心角预测值，并与设定的第二阈值比较，判断若干个里程轮是否为弯道状态；

步骤3.1、利用采样时间t内n路位移脉冲信号的脉冲数C₁,C₂,...,C_n构建弯道圆心角的线性回归模型， $Y^{\′}=a_1{C}_1^n+a_2{C}_2^n+a_3{C}_3^n+...+a_n{C}_n^n+a_{n+1}{C}_1^{n-1}{C}_2+...,$ 其中Y′为弯道圆心角预测值，a₁,a₂,a₃,...,a_i,...为线性回归系数；

步骤3.2、对弯道圆心角的线性回归模型建立Lasso-Ridge求解模型，

其中Y为已知弯道圆心角，λ₁和λ₂分别为Lasso惩罚参数和Ridge惩罚参数，p为线性回归系数的个数，||·||表示范数运算；

步骤3.3、利用历史数据对弯道圆心角的线性回归模型进行Lasso-Ridge求解模型训练，找到线性回归系数的最优解，从而得到弯道圆心角的线性回归模型；

步骤3.4、将n路位移脉冲信号的脉冲数C₁,C₂,...,C_n代入弯道圆心角的线性回归模型中，得到弯道圆心角预测值Y′，设定第二阈值T₂，当Y′＞T₂时，若干个里程轮的工作状态为弯道状态，否则若干个里程轮的工作状态为异常状态。

步骤4、根据若干个里程轮的工作状态，选择最优位移脉冲信号并输出。

步骤4.1、设定常数Z，统计n路位移脉冲信号的脉冲数k表示n路位移脉冲信号的采样次数k＝1,2,...,m，达到m次后重新计数，表示第i路位移脉冲信号的第k次采样的脉冲数；

步骤4.2、计算n路位移脉冲信号的历史状态系数 $C_{\min }^k=\min \{C_1^k,C_2^k,...,C_n^k\},$ 令 $K_i=C_i^k{\mathrm{\λ}}_i^k,$ 设定第三阈值T₃；

步骤4.3、判断若干个里程轮的工作状态，如果若干个里程轮的工作状态为正常状态，取max{K_i}对应的第i路位移脉冲信号作为最优位移脉冲信号并输出；如果若干个里程轮的工作状态为弯道状态，取且K_i＞T₃对应的第i路位移脉冲信号作为最优位移脉冲信号并输出；如果若干个里程轮的工作状态为异常状态，取对应的第i路位移脉冲信号作为最优位移脉冲信号，并在时间时输出，C^*为当前正在输出的位移脉冲信号的脉冲数。

有益效果：

本发明利用FPGA并行处理机制，提高了位移脉冲信号的处理速度。异常判断模块和弯道判断模块有效区分了若干个里程轮的工作状态，提高了位移脉冲信号的切换效率。多路智能优选模块具有智能优选功能，保证了位移脉冲信号输出的一致性，解决了位移的累计误差问题，提高了位移测量的精确性。

附图说明

图1为本发明一种实施例的一种基于FPGA的管道测径仪多路位移脉冲优选装置的结构框图；

图2为本发明一种实施例的光耦隔离单元电路原理图；

图3为本发明一种实施例的一种基于FPGA的管道测径仪多路位移脉冲优选方法流程图；

图4为本发明一种实施例的异常判断模块流程图；

图5为本发明一种实施例的弯道判断模块流程图；

图6为本发明一种实施例的多路智能优选模块流程图。

具体实施方式

下面结合附图对本发明具体实施方式做详细说明。

一种基于FPGA的管道测径仪多路位移脉冲优选装置，如图1所示，在本实施例中，包括管道测径仪本体、3个里程轮、信号采集模块、光耦合隔离单元、FPGA中央处理单元。信号采集模块包括3个凸透镜、3个旋转编码器、3个光敏元件。旋转编码器采用E6A2-CW3E，光耦合隔离单元采用HCPL-053L，FPGA中央处理单元采用EP4CE15F17C8。管道测径仪本体内部有光源，3个里程轮均匀安装在管道测径仪本体内部径向圆周上，每个里程轮轴上装有一个凸透镜、一个旋转编码器、一个光敏元件，并且凸透镜、旋转编码器、光敏元件与里程轮同轴旋转。3个光敏元件与光耦合隔离单元输入端相连，光耦合隔离单元的输出端与FPGA中央处理单元输入端相连

所述信号采集模块将光源发出的光，通过3个凸透镜转化为3组平行光，透过3个旋转编码器被3个光敏元件检测到，并转化为周期性变化的多路数字脉冲信号，即为多路位移脉冲信号。

所述光耦合隔离单元实现多路位移脉冲信号与FPGA中央处理单元之间的电气隔离，并将光敏元件输出的5V多路位移脉冲信号隔离转化为3.3V的多路位移脉冲信号，以符合FPGA中央处理单元内部I/O口输入要求，如图2所示，其中R为主端电阻，I_F为主端电流，V_in为主端输入电压，I_C为从端电流，R_L为从端电阻，V_out为从端输出电压，V_CC为辅助电压。

所述FPGA中央处理单元包括异常判断模块、弯道判断模块和多路智能优选模块。异常判断模块通过多路位移脉冲信号的脉冲数判断3个里程轮的工作状态—正常状态、可能弯道状态、异常状态。弯道判断模块利用弯道圆心角的线性回归模型计算弯道圆心角预测值，并与设定的第二阈值比较，判断3个里程轮的工作状态是否为弯道状态。多路智能优选模块根据3个里程轮的工作状态选择最优位移脉冲信号并输出。

一种基于FPGA的管道测径仪多路位移脉冲优选方法，采用上述基于FPGA的管道测径仪多路位移脉冲优选装置，包括如下步骤，如图3所示：

步骤1、光源发出的光通过3个凸透镜转化为3组平行光，透过3个旋转编码器被3个光敏元件检测到，并转化为周期性变化的多路位移脉冲信号；

步骤2、根据多路位移脉冲信号的脉冲数判断3个里程轮的工作状态-正常状态、可能弯道状态、异常状态，若3个里程轮为正常状态和异常状态，则执行步骤4，若3个里程轮为可能弯道状态，则执行步骤3，如图4所示；

步骤2.1、设定采样时间间隔S＝3s、采样时间t＝1s、m为采样次数，根据经验m取3；

步骤2.2、在采样时间t内分别统计3路位移脉冲信号的脉冲数C₁,C₂,C₃，设定第一阈值 $T_1=\frac{C_1+C_2+C_3}{3};$

步骤2.3、计算n路位移脉冲信号的脉冲数的均值和标准差 $\mathrm{\σ}=\sqrt{\frac{1}{3}\underset{i=1}{\overset{3}{\Σ}}{(C_i-\mathrm{\μ})}^2};$

步骤2.4、重复步骤2.2、步骤2.33次；

步骤2.5、若3次的标准差σ均大于第一阈值T₁，则3个里程轮的工作状态为可能弯道状态或异常状态，利用脉冲数差值比例判别式进行进一步判断，否则3个里程轮的工作状态为正常状态，执行步骤4，所述脉冲数差值比例判别式为当n＝3时，脉冲数差值比例判别式为i＝1,2,...,m，Q_i为若干个里程轮工作状态表示值；

步骤2.6、若3次1-Δ＜Q_i＜1+Δ，Δ为0.92，则3个里程轮的工作状态为可能弯道状态，执行步骤3，否则3个里程轮的工作状态为异常状态，执行步骤4。

步骤3、利用弯道圆心角的线性回归模型计算弯道圆心角预测值，并与设定的第二阈值比较，判断3个里程轮是否为弯道状态，如图5所示；

步骤3.1、利用采样时间t内3路位移脉冲信号的脉冲数C₁,C₂,C₃构建弯道圆心角的线性回归模型， $Y^{\′}=a_1{C}_1^3+a_2{C}_2^3+a_3{C}_3^3+a_4{C}_1^2{C}_2+a_5{C}_1^2{C}_3+...+a_{19}{C}_3+a_{20};$

步骤3.2、对弯道圆心角的线性回归模型建立Lasso-Ridge求解模型：

$\arg min\left\{\right||Y-Y^{\′}|{|}^2+L\underset{i=1}{\overset{20}{\Σ}}\left|a_i\right|+{\mathrm{\λ}}_2\underset{i=1}{\overset{20}{\Σ}}{a}_i^2\};$

步骤3.3、利用历史数据对弯道圆心角的线性回归模型进行Lasso-Ridge求解模型训练，λ₁的初值取为0.2，终值取为30，步长取为0.1，λ₂的初值取为0.1，终值取为6，步长取为0.1，代入100组历史数据进行训练，获得17582组不同惩罚参数下的K＝(a₁,a₂,a₃,...,a₂₀)，对17582组不同惩罚参数下的K进行交叉验证，将50组交叉验证数据代入17582组K值中，每个K值与50组交叉验证数据对应一个误差和17582组K值对应17582个误差和，比较17582个误差和，选出误差和最小时对应的K值，这组即为线性回归系数的最优解，根据线性回归筛选原则，将K值中不回归的a_i置为0，从而得到弯道圆心角的线性回归模型

$Y^{\′}=-0.544C_1^3+0.630C_3^3-0.365C_1^2{C}_2+...+0.207C_3-0.098;$

步骤3.4、将3路位移脉冲信号的脉冲数C₁,C₂,C₃代入弯道圆心角的线性回归模型中，得到弯道圆心角预测值Y′，设定第二阈值T₂，当Y′＞T₂时，3个里程轮的工作状态为弯道状态，否则3个里程轮的工作状态为异常状态。

步骤4、根据3个里程轮的工作状态，选择最优位移脉冲信号并输出，如图6所示。

步骤4.1、设定常数Z，统计3路位移脉冲信号的脉冲数k表示n路位移脉冲信号的采样次数k＝1,2,3，达到m次后重新计数，表示第i路位移脉冲信号的第k次采样的脉冲数；

步骤4.2、计算3路位移脉冲信号的历史状态系数 令设定第三阈值T₃＝(K₁+K₂+K₃)/3；

步骤4.3、判断3个里程轮的工作状态，若3个里程轮的工作状态为正常状态，取max{K_i}对应的第i路位移脉冲信号作为最优位移脉冲信号并输出；若3个里程轮的工作状态为弯道状态，取且K_i＞T₃对应的第i路位移脉冲信号作为最优位移脉冲信号并输出；若3个里程轮的工作状态为异常状态，取对应的第i路位移脉冲信号作为最优位移脉冲信号，并在时间时输出，C^*为当前正在输出的位移脉冲信号的脉冲数。

由单片机模拟3路位移脉冲优选装置与方法得到的实验数据如表1所示，3个里程轮为正常状态，由步骤4.3可知max{K₁,K₂,K₃}对应的该路位移脉冲信号作为最优位移脉冲信号并输出。

表1用单片机模拟的3路位移脉冲优选装置与方法实验数据表

Claims (6)

1.一种基于FPGA的管道测径仪多路位移脉冲优选装置，包括管道测径仪本体、若干个里程轮，管道测径仪本体内部有光源，其特征在于：还包括信号采集模块、光耦合隔离单元、FPGA中央处理单元，信号采集模块包括若干个凸透镜、若干个旋转编码器、若干个光敏元件，若干个里程轮均匀安装在管道测径仪本体内部径向圆周上，每个里程轮轴上装有一个凸透镜、一个旋转编码器、一个光敏元件，并且凸透镜、旋转编码器、光敏元件与里程轮同轴旋转，若干个光敏元件与光耦合隔离单元输入端相连，光耦合隔离单元的输出端与FPGA中央处理单元输入端相连。

2.根据权利要求1所述的基于FPGA的管道测径仪多路位移脉冲优选装置，其特征在于：

所述信号采集模块将光源发出的光，通过若干个凸透镜转化为若干组平行光，透过若干个旋转编码器被若干个光敏元件检测到，并转化为周期性变化的多路数字脉冲信号，即为多路位移脉冲信号；

所述光耦合隔离单元实现多路位移脉冲信号与FPGA中央处理单元之间的电气隔离，并将多路位移脉冲信号转化为符合FPGA中央处理单元内部I/O口输入要求的数字脉冲信号；

所述FPGA中央处理单元包括异常判断模块、弯道判断模块和多路智能优选模块，异常判断模块通过多路位移脉冲信号的脉冲数判断若干个里程轮的工作状态—正常状态、可能弯道状态、异常状态，弯道判断模块利用弯道圆心角的线性回归模型计算弯道圆心角预测值，并与设定的第二阈值比较，判断若干个里程轮的工作状态是否为弯道状态，多路智能优选模块根据若干个里程轮的工作状态选择最优位移脉冲信号并输出。

3.采用权利要求1所述的基于FPGA的管道测径仪多路位移脉冲优选装置进行多路位移脉冲优选的方法，其特征在于：包括如下步骤：

步骤1、光源发出的光通过若干个凸透镜转化为若干组平行光，透过若干个旋转编码器被若干个光敏元件检测到，并转化为周期性变化的多路位移脉冲信号；

步骤2、根据多路位移脉冲信号的脉冲数判断若干个里程轮的工作状态-正常状态、可能弯道状态、异常状态，如果若干个里程轮为正常状态和异常状态，则执行步骤4，如果若干个里程轮为可能弯道状态，则执行步骤3；

步骤3、利用弯道圆心角的线性回归模型计算弯道圆心角预测值，并与设定的第二阈值比较，判断若干个里程轮是否为弯道状态；

步骤4、根据若干个里程轮的工作状态，选择最优位移脉冲信号并输出。

4.根据权利要求3所述基于FPGA的管道测径仪多路位移脉冲优选方法，其特征在于：所述步骤2具体步骤如下：

步骤2.1、设定采样时间间隔S、采样时间t、采样次数为m；

步骤2.2、在采样时间t内分别统计n路位移脉冲信号的脉冲数C₁,C₂，...,C_n，设定第一阈值T₁；

步骤2.3、计算n路位移脉冲信号的脉冲数的均值μ和标准差σ；

步骤2.4、重复步骤2.2、步骤2.3m次；

步骤2.5、若m次标准差σ均大于第一阈值T₁，则若干个里程轮的工作状态为可能弯道状态或异常状态，利用脉冲数差值比例判别式进行进一步判断，否则若干个里程轮的工作状态为正常状态，执行步骤4，所述脉冲数差值比例判别式为当n＝奇数时，脉冲数差值比例判别式为当n＝偶数时，脉冲数差值比例判别式为Q_i为若干个里程轮工作状态表示值；

步骤2.6、若m次1-Δ＜Q_i＜1+Δ，Δ为1附近的小数，则若干个里程轮的工作状态为可能弯道状态，执行步骤3，否则若干个里程轮的工作状态为异常状态，执行步骤4。

5.根据权利要求3所述基于FPGA的管道测径仪多路位移脉冲优选方法，其特征在于：所述步骤3具体步骤如下：

步骤3.1、利用采样时间t内n路位移脉冲信号的脉冲数C₁,C₂,...,C_n构建弯道圆心角的线性回归模型， $Y^{\′}=a_1{C}_1^n+a_2{C}_2^n+a_3{C}_3^n+...+a_n{C}_n^n+a_{n+1}{C}_1^{n-1}{C}_2+...,$ 其中Y′为弯道圆心角预测值，a₁,a₂,a₃,...,a_i,...为线性回归系数；

步骤3.2、对弯道圆心角的线性回归模型建立Lasso-Ridge求解模型，

其中Y为已知弯道圆心角，λ₁和λ₂分别为Lasso惩罚参数和Ridge惩罚参数，p为线性回归系数的个数，||·||表示范数运算；

步骤3.3、利用历史数据对弯道圆心角的线性回归模型进行Lasso-Ridge求解模型训练，找到线性回归系数的最优解，从而得到弯道圆心角的线性回归模型；

步骤3.4、将n路位移脉冲信号的脉冲数C₁,C₂,...,C_n代入弯道圆心角的线性回归模型中，得到弯道圆心角预测值Y′，设定第二阈值T₂，当Y′＞T₂时，若干个里程轮的工作状态为弯道状态，否则若干个里程轮的工作状态为异常状态。

6.根据权利要求3所述基于FPGA的管道测径仪多路位移脉冲优选方法，其特征在于：所述步骤4具体步骤如下：

步骤4.1、设定常数Z，统计n路位移脉冲信号的脉冲数k表示n路位移脉冲信号的采样次数k＝1,2,...,m，达到m次后重新计数，表示第i路位移脉冲信号的第k次采样的脉冲数；

步骤4.2、计算n路位移脉冲信号的历史状态系数其中 $C_{min}^k=\min \{C_1^k,C_2^k,...,C_n^k\},$ 令 $K_i=C_i^k{\mathrm{\λ}}_i^k,$ 设定第三阈值T₃；

步骤4.3、判断若干个里程轮的工作状态，如果若干个里程轮的工作状态为正常状态，取max{K_i}对应的第i路位移脉冲信号作为最优位移脉冲信号并输出；如果若干个里程轮的工作状态为弯道状态，取且K_i＞T₃对应的第i路位移脉冲信号作为最优位移脉冲信号并输出；如果若干个里程轮的工作状态为异常状态，取对应的第i路位移脉冲信号作为最优位移脉冲信号，并在时间时输出，C^*为当前正在输出的位移脉冲信号的脉冲数。