CN106015948A - 一种长输油管道泄漏点快速准确定位的方法及装置 - Google Patents
一种长输油管道泄漏点快速准确定位的方法及装置 Download PDFInfo
- Publication number
- CN106015948A CN106015948A CN201610319171.XA CN201610319171A CN106015948A CN 106015948 A CN106015948 A CN 106015948A CN 201610319171 A CN201610319171 A CN 201610319171A CN 106015948 A CN106015948 A CN 106015948A
- Authority
- CN
- China
- Prior art keywords
- delta
- leakage
- pipeline
- positioning
- component
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000005259 measurement Methods 0.000 claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 34
- 238000013139 quantization Methods 0.000 claims abstract description 16
- 230000008878 coupling Effects 0.000 claims abstract description 6
- 238000010168 coupling process Methods 0.000 claims abstract description 6
- 238000005859 coupling reaction Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 32
- 230000005540 biological transmission Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 26
- 238000013461 design Methods 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000003416 augmentation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 230000003930 cognitive ability Effects 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000012886 linear function Methods 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 4
- 238000011002 quantification Methods 0.000 description 2
- 206010035148 Plague Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Pipeline Systems (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
提供一种长输油管道泄漏点快速准确定位的方法装置,具体涉及一种网络环境所引起的随机数据丢失、量化情形下的非线性系统随机H∞滤波方法及装置,其中考虑了随机信息丢失现象、量化对滤波性能的影响,将泄漏点定位方法转化为随机H∞滤波方法,针对测量模型所固有的非线性特性,线性化误差及非高斯量测误差,通过完全平方法及求解特定耦合Riccati微分方程解决了泄漏点定位问题,与已有的管道泄漏定位方法相比较,本发明的管道泄漏定位技术同时包含随机发生数据丢失、量化,得出了以求取H∞滤波器参数为目标的管道泄漏点定位技术,进一步提高了对长输油管道泄漏点定位的速度和准确性。
Description
技术领域
本发明属于管道检测技术领域,涉及一种长输油管道泄漏点快速准确定位的方法及装置,该方法及装置适用于精准定位在石油输运管道是否存在泄漏点。
背景技术
伴随着现代文明的发展和进步,各类管道在人类生活中愈发的重要,从日程生活中的水、燃气到工业血液的石油,无不通过管道运送进行运输。随之而来的,随着管道老化、盗窃和突发情况,管道泄漏也一直困扰着相关人员和部门,因此,如何能够第一时间发现管道泄漏把损失降低到最小一直是各方努力的方向。目前在管道泄漏检测上通常采用人工巡检的方式,这种方式在人力投入和漏点发现上总是滞后,在投入和避免损失方面不成正比,泄漏损失大。
目前,世界上建成的管道总长达到250万公里,已经超过铁路总里程成为世界能源主要运输方式,发达国家和中东产油区的油品输运已全部实现管道化。我国管道在近年也得到了较快发展,总长也超过7万公里,已初步形成横跨东西、纵贯南北、覆盖全国、连通海外的能源管网大格局,管道运输成为油气等战略能源的调配输送的主要方式。
再者管道由于跨越地域广,受自然灾害、第三方施工破坏等原因,导致了较多的管道泄漏事故发生。国外管道安全情况也非常不容乐观。近年来人们安全、环保意识显著提升,作为高危行业的管道输运安全问题也得到越来越多的重视。
目前成熟的技术中对于管道泄漏监测只有声波监测法较为有效,但为了提高对泄漏监测的实时性和漏点定位的准确性,必须在管线上加大传感器的布设密度,同时增加相应的供电、通信设备,造成系统成本以及安装维护费用高昂。现有技术普遍存在监测泄漏时受到管道周围所发生的干扰事件的影响,具有很高的系统虚警率,抗干扰能力较差的问题。
发明内容
为了解决上面所述的技术问题,本发明提出一种管道泄漏点快速准确定位的方法,并且能精确定位泄漏点,不受外界干扰,进而克服了现有技术存在的技术问题。
依据本发明的第一技术方案,提供一种管道泄漏点快速准确定位的方法,其具体涉及一种网络环境所引起的随机数据丢失、量化情形下的非线性系统随机H∞滤波方法,该方法包括以下步骤:
第一步,采集管道数据,建立管道泄漏模型。
第二步,对于网络传输特性(随机数据丢失及网络量化)建模。
第三步,根据泄漏及测量模型,设计随机H∞定位滤波器的结构。
第四步,结合第一、二、三步的结果,得到总体管道泄漏模型。
第五步,根据被控对象参数,通过问题转化、完全平方法、求解特定耦合的递归Riccati差分等式,得到随机H∞滤波器参数。
第六步,利用第五步的过程,设计实现网络环境下管道泄漏定位的随机H∞滤波方法步骤。
第七步,将本发明方法在长输油管道中进行实验验证,确定管道泄漏点。
依据本发明的第一技术方案,提供一种定位管道泄漏点的装置,该装置包括:
第一模块,即泄露模型建立模块,实现建立管道泄漏模型的功能,其包括机理建模组件、线性增量方程转化组件、离散化组件;管道泄漏检测系统机理建模组件能够得出表征系统动态的常微分方程;线性增量方程转化组件能够考虑合适的静态工作点,将方程写成线性的增量形式;离散化组件能够取合适的采样时间,将连续时间系统方程离散化;
第二模块,即网络传输特性模块,实现对网络传输特性建模的功能,其包括对数型量化器组件、对角矩阵组件;对数型量化器组件能够对网络系统中的测量输出信号进行量化;对角矩阵组件能够用对角元素服从[0,1]分布的对角矩阵来描述网络传输过程中的随机信息丢失现象,通过二者建立起系统量测模型;
第三模块,即计算模块,实现设计随机H∞滤波器的结构的功能,其包括定位滤波器系统结构设计组件、H∞性能要求组件;定位滤波器系统结构设计组件能够根据泄漏模型及测量模型设计相应的定位滤波器系统结构;H∞性能要求组件能够在长输油管道泄漏点定位过程中,规定出滤波误差需满足的H∞性能要求;
第四模块,即定位模块,实现得到总体长输油管道泄漏点定位动态模型的功能,其包括状态增广组件;该组件能够结合管道泄漏模型、网络特性及滤波器结构,写出全局长输油管道泄漏点定位动态系统的表达式,其中的参数由子系统参数组合得到;
第五模块,即校正模块,实现求解随机H∞滤波器参数的功能,其包括扇形有界不确定性转化组件、鲁棒滤波问题转化组件、滤波器参数求取组件;根据被控对象参数,扇形有界不确定性转化组件能够将量化影响转化为扇形有界的不确定性;鲁棒滤波问题转化组件能够将滤波器参数设计问题转化为离散时间非线性网络化系统的鲁棒滤波问题;滤波器参数求取组件能够通过完全平方法,及求解特定耦合的递归Riccati差分等式来获取滤波器参数,同时该Riccati差分等式可以保证系统的稳定性及总体系统的H∞性能;
第六模块,即滤波模块,实现设计随机H∞滤波算法的功能,其包括算法生成组件;该组件能够利用求解滤波器参数的过程,给出设计随机H∞滤波器的算法步骤,最终实现网络环境下长输油管道泄漏点定位;
第七模块,即验证模块,实现实验验证的功能,其包括实验验证组件;该组件能够将本发明方法在长输油管道中进行实验,并确定泄漏点。
本发明提出的长输油管道泄漏点快速准确定位的方法及装置,可以实现非线性系统在过程和量测误差是非高斯分布情况下长输油管道泄漏点的定位;本发明所提出的随机H∞滤波方法及装置能够解决网络环境所引起的随机数据丢失情形下长输油管道泄漏点定位;本发明所提出的随机H∞滤波方法能够解决网络环境所引起的量化情形下长输油管道泄漏点定位。
附图说明
图1为依据本发明的管道泄漏点快速准确定位的方法流程示意图;
图2为长输油管道泄漏点相对于坐标系的平移分量图;
图3为长输油管道泄漏点测量结构图;
图4平面坐标中实际管道泄漏点的位置和它的估计,其中实线为实际泄漏点位置,虚线为它的估计;
图5为实际管道泄漏角度和它的估计,其中实线为实际长输油管道泄漏角度,虚线为它的估计。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
符号说明:所用符号是标准的,另述部分除外。MT表示矩阵M的转置;Rn为n维欧几里得空间;Rn×m表示所有n×m维的实矩阵集;Z-是所有非正整数集;I指适当维数的单位矩阵;0为适当维数的零矩阵;l2([0,∞);Rn)表示n维向量函数在[0,∞)上的平方和空间;对于实对称矩阵X和Y,X≥Y(X>Y)表示X-Y是正半定的(正定的);P>0表示P为实对称正定矩阵;Prob{·}为事件“·”的发生概率;对于给定的概率测度Prob,E{x}为随机变量x的期望;||A||是矩阵A的范数,定义为diag{A1,A2,…,An}表示对角块是矩阵A1,A2,…,An的块对角矩阵;在对称块矩阵中,*表示对对称项的省略;假设未直接指定的矩阵具有合适的维数。
本发明涉及一种网络环境所引起的随机数据丢失、量化情形下的长输油管道泄漏点快速准确定位新方法。
依据本发明提供的具体实施方式,如图1所示,提供一种长输油管道泄漏点快速准确定位的方法,其具体为一种网络环境所引起的随机数据丢失、量化情形下的非线性系统随机H∞滤波方法,该方法包括以下步骤:
第一步,采集管道数据,建立管道泄漏模型。
第二步,对于网络传输特性(随机数据丢失及网络量化)建模。
第三步,根据泄漏及测量模型,设计随机H∞定位滤波器的结构。
第四步,结合第一、二、三步的结果,得到总体管道泄漏模型。
第五步,根据被控对象参数,通过问题转化、完全平方法、求解特定耦合的递归Riccati差分等式,得到随机H∞滤波器参数。
第六步,利用第五步的过程,设计实现网络环境下管道泄漏定位的随机H∞滤波方法步骤。
第七步,将本方法在长输油管道中进行实验验证,确定管道泄漏点。
并且本发明进一步提供一种定位管道泄漏点的装置,该装置包括:
第一模块,即泄露模型建立模块,实现建立管道泄漏模型的功能,其包括机理建模组件、线性增量方程转化组件、离散化组件;管道泄漏检测系统机理建模组件能够得出表征系统动态的常微分方程;线性增量方程转化组件能够考虑合适的静态工作点,将方程写成线性的增量形式;离散化组件能够取合适的采样时间,将连续时间系统方程离散化;
第二模块,即网络传输特性模块,实现对网络传输特性建模的功能,其包括对数型量化器组件、对角矩阵组件;对数型量化器组件能够对网络系统中的测量输出信号进行量化;对角矩阵组件能够用对角元素服从[0,1]分布的对角矩阵来描述网络传输过程中的随机信息丢失现象,通过二者建立起系统量测模型;
第三模块,即计算模块,实现设计随机H∞滤波器的结构的功能,其包括定位滤波器系统结构设计组件、H∞性能要求组件;定位滤波器系统结构设计组件能够根据泄漏模型及测量模型设计相应的定位滤波器系统结构;H∞性能要求组件能够在长输油管道泄漏点定位过程中,规定出滤波误差需满足的H∞性能要求;
第四模块,即定位模块,实现得到总体长输油管道泄漏点定位动态模型的功能,其包括状态增广组件;该组件能够结合管道泄漏模型、网络特性及滤波器结构,写出全局长输油管道泄漏点定位动态系统的表达式,其中的参数由子系统参数组合得到;
第五模块,即校正模块,实现求解随机H∞滤波器参数的功能,其包括扇形有界不确定性转化组件、鲁棒滤波问题转化组件、滤波器参数求取组件;根据被控对象参数,扇形有界不确定性转化组件能够将量化影响转化为扇形有界的不确定性;鲁棒滤波问题转化组件能够将滤波器参数设计问题转化为离散时间非线性网络化系统的鲁棒滤波问题;滤波器参数求取组件能够通过完全平方法,及求解特定耦合的递归Riccati差分等式来获取滤波器参数,同时该Riccati差分等式可以保证系统的稳定性及总体系统的H∞性能;
第六模块,即滤波模块,实现设计随机H∞滤波算法的功能,其包括算法生成组件;该组件能够利用求解滤波器参数的过程,给出设计随机H∞滤波器的算法步骤,最终实现网络环境下长输油管道泄漏点定位;
第七模块,即验证模块,实现实验验证的功能,其包括实验验证组件;该组件能够将本发明方法在长输油管道中进行实验,并确定泄漏点。
在本发明的方法中,第一步的具体内容为:采集管道数据,建立管道泄漏模型;
利用常微分方程进行机理建模,如图2所示,二维室内平面中长输油管道泄漏点位置通常使用三元组(x,y,θ)表示,其中z=(x,y)表示泄漏点相对于坐标系的位置(平移分量),θ表示泄漏方向(旋转分量)。在此平衡点下,忽略高阶项,将此系统模型写为如下的线性增量形式:
其中v(t)和为泄漏位移和速度变量。取采样时间为△T,可得到如下的离散化系统
设置
系统(2)可重写为如下形式:
zk+1=f(zk,uk) (3)
其中:
将此非线性系统在滤波估计点处泰勒级数展开,可得如下系统:
zk+1=Akzk+ωk (5)
其中:
σz表示非线性函数f(zk,uk)泰勒级数展开的高阶项。
第二步步骤的具体内容为:对于网络传输特性(随机数据丢失及网络量化)建模;
如图3所示,我们首先选择M做标记点,从传感器平移分量到标记点的距离及方位角作为管道泄漏检测系统的测量方程,表示如下:
mk=g(zk) (7)
其中:
类似的,量测等式(7)可表示如下:
mk=Ckzk+ζk (8)
其中,
ζk表示非线性及外部测量误差。
在长输油管道应用领域,网络环境下测量输出在传输到其他节点前通常要量化,这里量化器表示为
量化器选为对数量化器,量化水平描绘如下:
这里,对数量化器定义如下:
其中:
从上述定义可以得到:
其中:
定义具有量化效果的量测输出表示为:
在实际应用中,传感器接收到的测量信息由于外部环境的动态变化,传感器对环境认知能力的限制,传感器内部发生故障,临时测量失败等因素而产生信息丢失,测量丢包建模如下:
其中是传感器接收到的实际测量信息,且有:
E1=diag{1,0},E2=diag{0,1},Λk=diag{α1k,α2k}
αik是描述丢失测量的相互独立的随机变量,经过大量重复实验,得到概率密度函数qi(s)。由此可求得数学期望及方差
第三步的具体内容为:根据泄漏及测量模型,设计随机H∞定位滤波器的结构;
长输油管道泄漏点定位系统中滤波器结构设计采用如下形式:
其中Kk是待设计的滤波器参数。
第四步的具体内容为:结合第一、二、三步的模型,得到总体管道泄漏模型;
定义
可得全局管道泄漏动态系统模型:
其中
第五步步骤的具体内容为:根据被控对象参数,通过问题转化、完全平方法、求解特定耦合的递归Riccati差分等式,得到随机H∞滤波器参数;
为使滤波器满足如下条件:在所有可容许的测量量化和丢包条件下满足下式
其中:
R=IITdiag{S,ml}II,
γ>0为一预设标量。
如果存在矩阵一个正标量函数εk>0,使下列耦合离散Riccati差分等式
有解满足
其中
EI=[I 0 0]
则可得如下结论:
(1)滤波器增益矩阵为
Mik是Mk的广义逆。
(2)滤波误差满足(10)式的性能要求。
第六步的具体内容为:利用第五步的过程,设计实现网络环境下管道泄漏定位的随机H∞滤波方法步骤;
步骤1:给定H∞性能指标γ,正定矩阵S,设置k=N-1及初始值εN-1满足
步骤2:根据等式(11)计算滤波增益矩阵Kk。
步骤3:求解Qk,Pk
步骤4:如果k≠0,Θk>0,Ωk>0,并且Ωk>0,设置k=k-1,返回步骤2,否则进入步骤5.
步骤5:如果Q0≥r2R,或者Θk≤0或者Ωk≤0,方法不可行,停止。
第七步步骤的具体内容为:将本发明方法在长输油管道中进行实验验证,确定管道泄漏点。
图4及图5可以看出本方法的实际效果:当丢包期望方差为0.15,0.05时,实际长输油管道泄漏位置与滤波器估计位置的平均误差为0.1647米。当减小丢包概率及增加量化浓度时,定位精度更高。此结果说明了本方法的有效性。
如上述,已经清楚详细地描述了本发明提出的方法及装置,尽管本发明的优选实施例详细描述并解释了本发明,但是本领域普通的技术人员可以理解,在不背离所附权利要求定义的本发明的精神和范围的情况下,可以在形式和细节中做出多种修改。
Claims (9)
1.一种长输油管道泄漏点快速准确定位的方法,该方法的步骤如下:
第一步,采集管道数据,建立管道泄漏模型;
第二步,对于网络传输特性(随机数据丢失及网络量化)建模;
第三步,根据泄漏及测量模型,设计随机H∞定位滤波器的结构;
第四步,结合第一、第二、第三步的结果,得到总体管道泄漏模型;
第五步,根据被控对象参数,通过问题转化、完全平方法、求解特定耦合的递归Riccati差分等式,得到随机H∞滤波器参数;
第六步,利用第五步的过程,设计实现网络环境下管道泄漏定位的随机H∞滤波算法步骤;
第七步,将滤波方法在长输油管道中进行实验验证,确定管道泄漏点。
2.依据权利要求1所述的长输油管道泄漏点快速准确定位的方法,其特征在于,第一步的具体内容为:建立管道泄漏模型;
利用常微分方程进行机理建模,二维室内平面中长输油管道泄漏点位置使用三元组(x,y,θ)表示,其中z=(x,y)表示泄漏点相对于坐标系的位置,θ表示泄漏方向;在此平衡点下,忽略高阶项,将此系统模型写为如下的线性增量形式:
其中v(t)和为泄漏位移和速度变量;取采样时间为ΔT,可得到如下的离散化系统
设置
系统(2)可重写为如下形式:
zk+1=f(zk,uk) (3)
其中:
将此非线性系统在滤波估计点处泰勒级数展开,可得如下系统:
zk+1=Akzk+ωk (5)
其中:
σz表示非线性函数f(zk,uk)泰勒级数展开的高阶项。
3.依据权利要求1所述的长输油管道泄漏点快速准确定位的方法,其特征在于,第二步的具体内容为:对于网络传输特性建模;
首先选择M做标记点,从传感器平移分量到标记点的距离及方位角作为管道泄漏检测系统的测量方程,表示如下:
mk=g(zk) (7)
其中:
类似的,量测等式(7)可表示如下:
mk=Ckzk+ζk (8)
其中,
ζk表示非线性及外部测量误差;
在长输油管道应用领域,网络环境下测量输出在传输到其他节点前通常要量化,这里量化器表示为
量化器选为对数量化器,量化水平描绘如下:
这里,对数量化器定义如下:
其中:
从上述定义可以得到:
其中:
定义具有量化效果的量测输出表示为:
因外部环境导致传感器接收到的测量信息动态变化,传感器对环境认知能力的限制,传感器内部发生故障,临时测量失败的因素而产生信息丢失,测量丢包建模如下:
其中是传感器接收到的实际测量信息,且有:
E1=diag{1,0},E2=diag{0,1},Λk=diag{α1k,α2k}
αik是描述丢失测量的相互独立的随机变量,经过大量重复实验,得到概率密度函数qi(s);由此可求得数学期望及方差
4.依据权利要求1所述的长输油管道泄漏点快速准确定位的方法,其特征在于,第三步的具体内容为:根据泄漏及测量模型,设计随机H∞定位滤波器的结构;
长输油管道泄漏点定位系统中滤波器结构设计采用如下形式:
其中Kk是待设计的滤波器参数。
5.依据权利要求1所述的长输油管道泄漏点快速准确定位的方法,其特征在于,第四步的具体内容为:结合第一、第二、第三步的模型,得到总体管道泄漏模型;
定义
可得全局管道泄漏动态系统模型:
其中
6.依据权利要求1所述的长输油管道泄漏点快速准确定位的方法,其特征在于,第五步的具体内容为:根据被控对象参数,通过问题转化、完全平方法、求解特定耦合的递归Riccati差分等式,得到随机H∞滤波器参数;
为使滤波器满足如下条件:在所有可容许的测量量化和丢包条件下满足下式
其中:
R=IITdiag{S,ml}II,
γ>0为一预设标量;
如果存在矩阵一个正标量函数εk>0,使下列耦合离散Riccati差分等式
有解满足
其中
EI=[I 0 0]
则可得如下结论:
(1)滤波器增益矩阵为
Mik是Mk的广义逆;
(2)滤波误差满足(10)式的性能要求。
7.依据权利要求1所述的长输油管道泄漏点快速准确定位的方法,其特征在于,第六步的具体内容为:利用第五步的过程,设计实现网络环境下管道泄漏定位的随机H∞滤波算法步骤;
步骤1:给定H∞性能指标γ,正定矩阵S,设置k=N-1及初始值εN-1满足
步骤2:根据等式(11)计算滤波增益矩阵Kk;
步骤3:求解Qk,Pk
步骤4:如果k≠0,Θk>0,Ωk>0,并且Ωk>0,设置k=k-1,返回步骤2,否则进入步骤5;
步骤5:如果Q0≥r2R,或者Θk≤0或者Ωk≤0,算法不可行,停止。
8.依据权利要求1所述的长输油管道泄漏点快速准确定位的方法,其特征在于,第七步的具体内容为:在长输油管道中进行实验验证,确定管道泄漏点;
确定过程为:当丢包期望方差为0.15,0.05时,实际长输油管道泄漏位置与滤波器估计位置的平均误差为0.1647米;当减小丢包概率及增加量化浓度时,定位泄漏点。
9.实现权利要求1-8中之任一方法的定位管道泄漏点的装置,该装置包括:
第一模块,即泄露模型建立模块,实现建立管道泄漏模型的功能,其包括机理建模组件、线性增量方程转化组件、离散化组件;管道泄漏检测系统机理建模组件能够得出表征系统动态的常微分方程;线性增量方程转化组件能够考虑合适的静态工作点,将方程写成线性的增量形式;离散化组件能够取合适的采样时间,将连续时间系统方程离散化;
第二模块,即网络传输特性模块,实现对网络传输特性建模的功能,其包括对数型量化器组件、对角矩阵组件;对数型量化器组件能够对网络系统中的测量输出信号进行量化;对角矩阵组件能够用对角元素服从[0,1]分布的对角矩阵来描述网络传输过程中的随机信息丢失现象,通过二者建立起系统量测模型;
第三模块,即计算模块,实现设计随机H∞滤波器的结构的功能,其包括定位滤波器系统结构设计组件、H∞性能要求组件;定位滤波器系统结构设计组件能够根据泄漏模型及测量模型设计相应的定位滤波器系统结构;H∞性能要求组件能够在长输油管道泄漏点定位过程中,规定出滤波误差需满足的H∞性能要求;
第四模块,即定位模块,实现得到总体长输油管道泄漏点定位动态模型的功能,其包括状态增广组件;该组件能够结合管道泄漏模型、网络特性及滤波器结构,写出全局长输油管道泄漏点定位动态系统的表达式,其中的参数由子系统参数组合得到;
第五模块,即校正模块,实现求解随机H∞滤波器参数的功能,其包括扇形有界不确定性转化组件、鲁棒滤波问题转化组件、滤波器参数求取组件;根据被控对象参数,扇形有界不确定性转化组件能够将量化影响转化为扇形有界的不确定性;鲁棒滤波问题转化组件能够将滤波器参数设计问题转化为离散时间非线性网络化系统的鲁棒滤波问题;滤波器参数求取组件能够通过完全平方法,及求解特定耦合的递归Riccati差分等式来获取滤波器参数,同时该Riccati差分等式可以保证系统的稳定性及总体系统的H∞性能;
第六模块,即滤波模块,实现设计随机H∞滤波算法的功能,其包括算法生成组件;该组件能够利用求解滤波器参数的过程,给出设计随机H∞滤波器的算法步骤,最终实现网络环境下长输油管道泄漏点定位;
第七模块,即验证模块,实现实验验证的功能,其包括实验验证组件;该组件能够将本发明方法在长输油管道中进行实验,并确定泄漏点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610319171.XA CN106015948B (zh) | 2016-05-15 | 2016-05-15 | 一种长输油管道泄漏点快速准确定位的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610319171.XA CN106015948B (zh) | 2016-05-15 | 2016-05-15 | 一种长输油管道泄漏点快速准确定位的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106015948A true CN106015948A (zh) | 2016-10-12 |
CN106015948B CN106015948B (zh) | 2017-05-03 |
Family
ID=57100535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610319171.XA Active CN106015948B (zh) | 2016-05-15 | 2016-05-15 | 一种长输油管道泄漏点快速准确定位的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106015948B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427388A (zh) * | 2018-04-11 | 2018-08-21 | 广东工业大学 | 一种r2r制造系统故障范围确定方法及装置 |
CN108646249A (zh) * | 2018-05-11 | 2018-10-12 | 中国科学院声学研究所 | 一种适用于部分均匀混响背景的参数化泄露目标检测方法 |
CN109827079A (zh) * | 2019-03-18 | 2019-05-31 | 东北大学 | 一种基于海底石油管道信息物理系统的溢油源检测方法 |
CN110848578A (zh) * | 2018-08-21 | 2020-02-28 | 湖南大学 | 一种基于pdd模型的城市供水管网既有漏损定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050246112A1 (en) * | 2004-04-29 | 2005-11-03 | Abhulimen Kingsley E | Realtime computer assisted leak detection/location reporting and inventory loss monitoring system of pipeline network systems |
CN103994334A (zh) * | 2014-05-30 | 2014-08-20 | 东北大学 | 基于kpca-rbf曲线拟合的输油管道泄漏流量估计装置及方法 |
-
2016
- 2016-05-15 CN CN201610319171.XA patent/CN106015948B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050246112A1 (en) * | 2004-04-29 | 2005-11-03 | Abhulimen Kingsley E | Realtime computer assisted leak detection/location reporting and inventory loss monitoring system of pipeline network systems |
CN103994334A (zh) * | 2014-05-30 | 2014-08-20 | 东北大学 | 基于kpca-rbf曲线拟合的输油管道泄漏流量估计装置及方法 |
Non-Patent Citations (4)
Title |
---|
刘世前等: "线性离散周期系统满意估计", 《控制理论与应用》 * |
张红兵等: "长距离输气管线泄漏监测技术研究", 《石油与天然气化工》 * |
练浩云: "基于SCADA的输油管道泄漏监测系统", 《科技传播》 * |
许志刚等: "基于不完全量测下离散线性滤波的修正Riccati方程", 《控制理论与应用》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427388A (zh) * | 2018-04-11 | 2018-08-21 | 广东工业大学 | 一种r2r制造系统故障范围确定方法及装置 |
CN108427388B (zh) * | 2018-04-11 | 2020-10-23 | 广东工业大学 | 一种r2r制造系统故障范围确定方法及装置 |
CN108646249A (zh) * | 2018-05-11 | 2018-10-12 | 中国科学院声学研究所 | 一种适用于部分均匀混响背景的参数化泄露目标检测方法 |
CN108646249B (zh) * | 2018-05-11 | 2020-06-09 | 中国科学院声学研究所 | 一种适用于部分均匀混响背景的参数化泄露目标检测方法 |
CN110848578A (zh) * | 2018-08-21 | 2020-02-28 | 湖南大学 | 一种基于pdd模型的城市供水管网既有漏损定位方法 |
CN110848578B (zh) * | 2018-08-21 | 2021-07-30 | 湖南大学 | 一种基于pdd模型的城市供水管网既有漏损定位方法 |
CN109827079A (zh) * | 2019-03-18 | 2019-05-31 | 东北大学 | 一种基于海底石油管道信息物理系统的溢油源检测方法 |
CN109827079B (zh) * | 2019-03-18 | 2020-05-22 | 东北大学 | 一种基于海底石油管道信息物理系统的溢油源检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106015948B (zh) | 2017-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106015948B (zh) | 一种长输油管道泄漏点快速准确定位的方法及装置 | |
CN110851774B (zh) | 一种城市供水管网的漏损估计方法 | |
CN108090614B (zh) | 一种基于相关系数的空间风场预测模型建立方法 | |
Vrachimis et al. | Leakage detection and localization in water distribution systems: A model invalidation approach | |
CN109827629A (zh) | 一种城市河道水位的分布式可靠性估计方法 | |
Cai et al. | A dynamic-Bayesian-networks-based resilience assessment approach of structure systems: Subsea oil and gas pipelines as A case study | |
CN116523152B (zh) | 漂浮物的漂移预测方法、装置、设备和介质 | |
WO2019007497A1 (en) | METHOD AND APPARATUS FOR NON-INTRUSIVE VIBRATION OF A CENTRALIZED SYSTEM FOR DETECTING AND MONITORING LEAKAGE OF WATER DISTRIBUTION NETWORK PIPELINES | |
Hu et al. | Real-time leak location of long-distance pipeline using adaptive dynamic programming | |
Ghahari et al. | Quantifying modeling uncertainty in simplified beam models for building response prediction | |
Chu et al. | Life-cycle assessment of long-span bridge’s wind resistant performance considering multisource time-variant effects and uncertainties | |
CN113609721B (zh) | 多类型极端灾害电气互联系统韧性计算方法及装置 | |
Li et al. | Pipeline bending strain measurement and compensation technology based on wavelet neural network | |
CN111062139A (zh) | 城市地下排水管网水流态势的估计方法 | |
CN105717257B (zh) | 一种气体源无线定位方法 | |
Rego et al. | State estimation and leakage detection in water distribution networks using constrained zonotopes | |
Rafiee et al. | Combined state-parameter estimation for shallow water equations | |
Liu et al. | Modeling multidimensional multivariate turbulent wind fields using a correlated turbulence wave number–frequency spectral representation method | |
Xu et al. | SENSOR DEPLOYMENT FOR PIPELINE LEAKAGE DETECTION VIA OPTIMAL BOUNDARY CONTROL STRATEGIES. | |
CN101545778A (zh) | 一种基于非线性滤波的电控罗经初始对准方法 | |
Wang et al. | Statistical modeling and analysis of satellite failure based on 2-Weibull segmented model | |
CN104678989A (zh) | 一种噪声环境下提高故障可诊断性的状态感知优化方法 | |
Mu et al. | Buoy sensor cyberattack detection in offshore petroleum cyber-physical systems | |
Tyagi et al. | Reliability, risk, and uncertainty analysis using generic expectation functions | |
Gong et al. | A leak sample dataset construction method for gas pipeline leakage estimation using pipeline studio |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20161205 Address after: 163318 Daqing province high tech Zone, Northeast Petroleum University, Institute of electric power, Heilongjiang, 132 Applicant after: Northeast Petroleum University Address before: Chongshan Road Huanggu District of Shenyang City, Liaoning Province, Liaoning University No. 66 110036 Applicant before: Lu Hui |
|
GR01 | Patent grant | ||
GR01 | Patent grant |