CN106090621B - 一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法 - Google Patents
一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法 Download PDFInfo
- Publication number
- CN106090621B CN106090621B CN201610388707.3A CN201610388707A CN106090621B CN 106090621 B CN106090621 B CN 106090621B CN 201610388707 A CN201610388707 A CN 201610388707A CN 106090621 B CN106090621 B CN 106090621B
- Authority
- CN
- China
- Prior art keywords
- signal
- pressure signal
- pressure
- leakage
- fault
- 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.)
- Active
Links
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
Abstract
本发明涉及一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法,其特点是,包括实验数据的采集与预处理、压力信号的分解、压力信号特征提取、故障类型分类、故障定位。能够节省检测设备的成本与维护费用,通过对压力信号的分析,同时实现泄漏及堵塞故障的诊断与定位,且该方法的抗噪声干扰能力较强。经过实验验证表明,具有普适性强、定位准确、实用价值高等优点,特别适用于复杂管网泄漏、堵塞故障的诊断。
Description
技术领域
本发明涉及管道,是一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法。
背景技术
管网漏损状况不仅浪费了宝贵的水资源,还将增加供水设备造价,给供水企业带来了巨大的经济损失的同时,还会对周围环境造成污染。所以对供水管网尤其是复杂供水管网的漏损及堵塞等故障进行检测与控制是十分必要的。
现有供水管网的检测与诊断设备无法在检测精确度与设备投资维护成本之间达成一个良好的平衡。从上世纪70年代开始,就有相关学者开展管网泄漏检测领域的技术研究。从测量信号来分类,主要有流量、浓度、压力、压差、频率及声波等。总结下来主要有以下几大类:1)基于流量参数的管网泄漏检测;2)基于压差信号的管线泄漏检测;3)反向瞬态分析方法;4)多参数信息融合的管网泄漏检测方法。与前几年该领域所取得的成果相比,近几年有了突破性进展。更多信号处理分析的算法被应用到管网的广义污染检测中。这些算法都增强了泄漏诊断的精度和效率。此外,基于模拟和计算的建模方法越来越多的被应用到管线泄漏检测与定位中。但这些方法具体应用到实际管网泄漏检测中还存在一定的问题,容易受到环境条件的限制,在各种噪声的干扰下,检测效率并不如预期理想,而且很多方法只适用于简单管线,并不能应用于复杂管网中。而目前针对复杂管网采用比较多的是多参数信息融合的方案,比如压力与流量参数的融合,能够同时实现复杂管网的泄漏检测与定位,但势必增加设备的成本。所以亟需一种通过单参数分析便能实现复杂管网准确测量与定位的方法。
发明内容
本发明的目的是,提供一种从流场改变分析的角度出发、普适性强、检测精度高、定位速度快、实用价值高的基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法。
本发明由以下技术方案来实现的:
一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法,其特征是,它包括以下步骤:
(1)实验数据的采集与预处理
在管网中布置压力测点,安装压力变送器,通过对管网进行模拟泄漏与堵塞故障,分别采集相应的压力脉动信号,采集压力信号的频率为1024Hz,采集数据的长度为10240点,对采集到的压力信号进行改进小波阈值去噪处理,降低压力信号的噪声;
(2)压力信号的分解
由于压力信号本身具有不同频段的特征,是多种频段脉动的叠加体,为了使受到负压波的影响而发生畸变的某种频段脉动信号凸显出来,需要对压力脉动信号进行模态分解,采用经验模态分解方法EMD对压力信号进行分解,根据对不同状态的信号在不同频段所显示出的特征,选取第一层信号,即高频段信号作为继续分析的信号,而其它频段信号作为备选;
(3)压力信号特征提取
首先对步骤(2)所选的压力信号进行功率谱分析,所选功率谱为EV功率谱,通过连接功率谱图的首点与末点,创建功率谱斜率线,并计算其斜率,作为第一个特征值,其次对同一压力信号进行随机子空间计算,求出信号的主模态振动频率与阻尼比,将三个特征值组成特征向量,完成压力信号的特征提取步骤;
(4)故障类型分类
将不同故障类型的信号应用K-means聚类分析方法进行聚类分析,找出不同故障类型的边界,确定故障类型的分类标准,主要包括正常、泄漏、堵塞三种情况的分类边界,通过提取正常、泄漏、堵塞压力信号的三个特征值组成特征向量,判断其落在哪个区域内,就能够确定管网处于哪种状态;
(5)故障定位
通过步骤(1)-步骤(4)诊断出管网处于泄漏或堵塞状态时,选取压力信号的EV功率谱斜率、主振动模态频率与阻尼比三个特征值,另外还需选取管网中有无弯管的开关量(0或1)、两个压力变送器采集到的压力信号第一层主模态频率差值、两个压力变送器采集到的压力信号第三层主振荡幅值的差值,采用蒙特卡洛马尔科夫模型进行多元线性回归,建立故障定位模型,最终得到的定位模型为
Δx=33.37-17.02x1+47.85x2-118.48x3-144.03x4+1.45x5 (1)
式中,Δx为两个压力变送器之间的距离,x1为压力变送器#1的功率谱斜率,x2为压力变送器#2的功率谱斜率,x3为管网中是否有弯管,作为复杂管网,肯定存在弯管,所以此处为1,x4为两个压力变送器压力信号第三层主振荡频率差,x5为两个压力变送器压力信号第一层主振荡模式幅值差,能够准确确定出故障点在两变送器之间的具体位置,实现对管网泄漏或堵塞故障的准确定位。
利用本发明的方法对管网泄漏或堵塞故障进行诊断与定位,充分反应此方法对管网泄漏与堵塞故障诊断与定位的有效性;该方法具有普适性强、定位准确、实用价值高等优点,特别适用于复杂管网泄漏、堵塞故障的诊断。
附图说明
图1是复杂管网实验系统图;
图2是本发明的技术路线图;
图3是采集到的压力信号EMD分解图;
图4是压力信号EV功率谱图;
图5是不同压力传感器的泄漏压力信号EV功率谱斜率图;
图6是不同压力传感器的堵塞压力信号EV功率谱斜率图;
图7是k-means聚类分析图。
图1是复杂管网实验系统图,整个实验系统由四个小的环状管网构成,管线之间都安装有阀门,可以根据需要随时开关阀门,调整管网的结构。管网中有四个压力测点,三个模拟泄漏点,两个模拟供水点,管网中的所有阀门都可以模拟堵塞故障。管道的流速和管径设计是以雷诺数为依据,使雷诺数控制在实际供水管网的雷诺数范围之内5×104~4×106。主管道管径为2.54cm,支管道直径为1.91cm。整个管网的长度为20m,实验系统高3.5m,充分将重力等因素考虑进去。图2是本发明的技术路线图,采集信号、特征提取、故障诊断以及定位建模。图3是实验中采集到的压力信号经过EMD分解后的结果,从图中可以看到不同频段的压力信号有不同的特征,通过反复的计算分析对比,发现第一层结果在功率谱计算中所体现出的不同故障状态的特征最为明显,所以选取第一层作为后续分析的信号,其它信号中第三层也有较好的效果,作为备选。图4是压力信号的EV功率谱图,通过将信号进行EV功率谱分析,发现不同的故障类型功率谱差异还是比较明显,可以对其进行定量特征值提取,作为后续研究的基础。图5、6是不同压力传感器的泄漏和堵塞压力信号EV功率谱斜率图,通过提取功率谱的斜率,实现对功率谱的定量特征值提取。图7是对功率谱斜率、随机子空间主振荡频率和阻尼比进行k-means聚类,将不同故障类型进行分类,从结果看,只有两个点出现了误识别,说明三个特征值可以很好的对不同故障类型的压力信号进行表征。
具体实施方式
本发明的一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法,包括以下步骤:
(1)实验数据的采集与预处理
在管网中布置压力测点,安装压力变送器,通过对管网进行模拟泄漏与堵塞故障,分别采集相应的压力脉动信号。采集压力信号的频率为1024Hz,采集数据的长度为10240点。对采集到的压力信号进行改进小波阈值去噪处理,降低压力信号的噪声。
(2)压力信号的分解
由于压力信号本身具有不同频段的特征,是多种频段脉动的叠加体,为了使受到负压波的影响而发生畸变的某种频段脉动信号凸显出来,需要对压力脉动信号进行模态分解。采用经验模态分解方法EMD对压力信号进行分解,根据对不同状态的信号在不同频段所显示出的特征,选取第一层信号,即高频段信号作为继续分析的信号,而其它频段信号作为备选。
(3)压力信号特征提取
首先对步骤(2)所选的压力信号进行功率谱分析,所选功率谱为EV功率谱。通过连接功率谱图的首点与末点,创建功率谱斜率线,并计算其斜率,作为第一个特征值。其次对同一压力信号进行随机子空间计算,求出信号的主模态振动频率与阻尼比。将三个特征值组成特征向量,完成压力信号的特征提取步骤。
(4)故障类型分类
将不同故障类型的信号应用K-means聚类分析方法进行聚类分析,找出不同故障类型的边界,确定故障类型的分类标准。主要包括正常、泄漏与堵塞三种情况的分类边界,通过提取正常、泄漏与堵塞压力信号的三个特征值组成特征向量,判断其落在哪个区域内,就能够确定管网处于哪种状态。
(5)故障定位
若通过步骤(1)-步骤(4)诊断出管网处于泄漏或堵塞状态时,选取除正常、泄漏、堵塞压力信号的三个特征值之外的有无弯管的开关量(0或1)、两个压力变送器采集到的压力信号第一层主模态频率差值、两个压力变送器采集到的压力信号第三层主振荡幅值的差值,采用蒙特卡洛马尔科夫模型进行多元线性回归,建立故障定位模型。最终得到的定位模型为
Δx=33.37-17.02x1+47.85x2-118.48x3-144.03x4+1.45x5 (1)
式中,Δx为两个压力变送器之间的距离,x1为压力变送器#1的功率谱斜率,x2为压力变送器#2的功率谱斜率,x3为管网中是否有弯管,作为复杂管网,肯定存在弯管,所以此处为1,x4为两个压力变送器压力信号第三层主振荡频率差,x5为两个压力变送器压力信号第一层主振荡模式幅值差。通过对实验数据中测试样本的分析发现,模型的定位准确率达到85%以上,能够准确确定出故障点在两变送器之间的具体位置,从而实现对管网故障,特别是对复杂管网的准确定位。
下面利用附图和实施例对本发明作进一步说明。
具体实例:本发明选择的实验系统图具有复杂管网的普遍特征,由环状和枝状管网组成,系统中经过优化计算选定压力测点,并设定三个泄漏模拟点,分别位于主管道,上支管道和下支管道,如图1所示。主要针对压力变送器#1和#3所采集到的信号进行分析。对采集到的压力信号首先进行去噪处理,应用的方法是改进小波阈值去噪方法。经过去噪后的信号进行EMD分解,如图3所示,将不同频段的信号进行功率谱及随机子空间分析计算,对比不同故障信号的谱图及特征值,找出差异比较大的频段,作为继续分析的信号,通过实验分析计算发现,EMD分解后的第一层和第三层信号比较具有代表性,首选第一层,第三层作为备选。对第一层信号进行功率谱计算,并提取功率谱斜率作为一个主要特征值,图4-图6,另外对信号进行随机子空间计算,求取信号的主振荡模态的频率与阻尼比,作为另外两个特征值,将三个特征值组成特征向量进行k-means聚类分析,找出不同故障类型的分界线,如图7所示,作为管网故障类型判断的标准。对管网故障做出诊断后,对压力变送器#1的功率谱斜率,压力变送器#3的功率谱斜率,管网中是否有弯管的开关量(0或者1),两个压力变送器压力信号第三层主振荡频率差,两个压力变送器压力信号第一层主振荡模式幅值差作为参数值进行多元线性回归,主要采取马尔科夫蒙特卡洛模型进行定位建模,通过对实验数据中测试样本的分析发现,模型的定位准确率达到85%以上,能够准确确定出故障点在两变送器之间的具体位置,从而实现对复杂管网故障的准确定位。
因此,本发明的一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法,能够节省检测设备的成本与维护费用,通过对压力信号的分析,同时实现泄漏及堵塞故障的诊断与定位,且该方法的抗噪声干扰能力较强。经过实验验证表明,具有普适性强、定位准确、实用价值高等优点,特别适用于复杂管网泄漏、堵塞故障的诊断。
Claims (1)
1.一种基于压力信号分析的供水管网泄漏、堵塞故障诊断方法,其特征是,它包括以下步骤:
(1)实验数据的采集与预处理
在管网中布置压力测点,安装压力变送器,通过对管网进行模拟泄漏与堵塞故障,分别采集相应的压力脉动信号,采集压力信号的频率为1024Hz,采集数据的长度为10240点,对采集到的压力信号进行改进小波阈值去噪处理,降低压力信号的噪声;
(2)压力信号的分解
由于压力信号本身具有不同频段的特征,是多种频段脉动的叠加体,为了使受到负压波的影响而发生畸变的某种频段脉动信号凸显出来,需要对压力脉动信号进行模态分解,采用经验模态分解方法EMD对压力信号进行分解,根据对不同状态的信号在不同频段所显示出的特征,选取第一层信号,即高频段信号作为继续分析的信号,而其它频段信号作为备选;
(3)压力信号特征提取
首先对步骤(2)所选的第一层压力信号进行功率谱分析,所选功率谱为EV功率谱,通过连接功率谱图的首点与末点,创建功率谱斜率线,并计算其斜率,作为第一个特征值,其次对同一压力信号进行随机子空间计算,求出信号的主模态振动频率与阻尼比,将三个特征值组成特征向量,完成压力信号的特征提取步骤;
(4)故障类型分类
将不同故障类型的信号应用K-means聚类分析方法进行聚类分析,找出不同故障类型的边界,确定故障类型的分类标准,主要包括正常、泄漏、堵塞三种情况的分类边界,分别提取采集到的压力信号的三个特征值组成特征向量,判断其落在哪个区域内,就能够确定管网处于哪种状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610388707.3A CN106090621B (zh) | 2016-06-02 | 2016-06-02 | 一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610388707.3A CN106090621B (zh) | 2016-06-02 | 2016-06-02 | 一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106090621A CN106090621A (zh) | 2016-11-09 |
CN106090621B true CN106090621B (zh) | 2018-12-11 |
Family
ID=57447304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610388707.3A Active CN106090621B (zh) | 2016-06-02 | 2016-06-02 | 一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106090621B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106644256A (zh) * | 2016-11-24 | 2017-05-10 | 安徽皖拓自动化有限公司 | 压力传感器故障诊断装置及其诊断方法 |
CN108980630B (zh) * | 2017-05-31 | 2020-06-05 | 西门子(中国)有限公司 | 管道泄漏检测方法和装置 |
CN107329167B (zh) * | 2017-06-09 | 2019-05-07 | 中国石油大学(北京) | 检测管道沉积物分布的方法、系统以及计算机储存介质 |
CN107355684B (zh) * | 2017-07-19 | 2018-12-04 | 中国水利水电科学研究院 | 一种管网故障水力监测实验系统及其实现故障辨识的方法 |
CN107715242A (zh) * | 2017-11-24 | 2018-02-23 | 中国科学院苏州生物医学工程技术研究所 | 基于智能专家库的无线智能镇痛泵管理系统 |
CN108194843B (zh) * | 2018-02-06 | 2019-07-30 | 长江大学 | 一种利用声波检测管道泄漏的方法 |
CN108758356B (zh) * | 2018-05-20 | 2019-08-23 | 东北石油大学 | 一种信息处理方法和系统 |
CN109442226A (zh) * | 2018-10-25 | 2019-03-08 | 中国石油大学(北京) | 模拟液烃管道泄漏的装置及利用该装置测算泄漏量的方法 |
CN109828493B (zh) * | 2019-01-11 | 2020-04-21 | 杭州电子科技大学 | 一种城市水务管网系统供水故障的控制方法 |
CN110673199B (zh) * | 2019-08-30 | 2022-05-13 | 昆明理工大学 | 一种基于低频声压信号分析的u型管堵塞状态评估方法 |
CN111059477B (zh) * | 2019-12-23 | 2021-10-01 | 浙江工业大学 | 一种基于双层架构反向寻源化工管道泄漏检测与定位方法 |
CN113550736A (zh) * | 2021-07-26 | 2021-10-26 | 重庆夏软科技有限公司 | 应用于油气采集的异常分析系统及方法 |
CN113418146A (zh) * | 2021-08-03 | 2021-09-21 | 上海航天动力科技工程有限公司 | 一种用于供水管网的漏损辅助定位控制方法 |
CN114542997A (zh) * | 2022-03-04 | 2022-05-27 | 夏泽鑫 | 一种基于数字孪生的供水管网异常漏损探测方法 |
CN117490810B (zh) * | 2023-12-29 | 2024-03-22 | 浙江黄氏建设科技股份有限公司 | 一种基于定位信息的水表远程监控方法及监控系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58135434A (ja) * | 1982-02-04 | 1983-08-12 | Mitsubishi Electric Corp | 管路の異常検知装置 |
WO2001014788A1 (en) * | 1999-08-03 | 2001-03-01 | Halftan Nilsen | Method and equipment concerning pressure deliverance system for gas or liquid |
CN101886743A (zh) * | 2010-06-30 | 2010-11-17 | 东北大学 | 一种定位海底管道机器人方法及装置 |
CN202209524U (zh) * | 2011-01-25 | 2012-05-02 | 黄腾飞 | 一种基于压力温度分析的机场坪航空燃油管网泄漏检测系统 |
CN102537670A (zh) * | 2012-03-05 | 2012-07-04 | 北京化工大学 | 一种管道泄漏诊断方法 |
CN103453323A (zh) * | 2013-08-26 | 2013-12-18 | 朱振 | 管网漏水主动监测及定位系统及其方法 |
CN105423137A (zh) * | 2015-12-28 | 2016-03-23 | 安阳师范学院 | 燃气管网泄漏瞬变压力波检测分析系统及检测分析方法 |
-
2016
- 2016-06-02 CN CN201610388707.3A patent/CN106090621B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58135434A (ja) * | 1982-02-04 | 1983-08-12 | Mitsubishi Electric Corp | 管路の異常検知装置 |
WO2001014788A1 (en) * | 1999-08-03 | 2001-03-01 | Halftan Nilsen | Method and equipment concerning pressure deliverance system for gas or liquid |
CN101886743A (zh) * | 2010-06-30 | 2010-11-17 | 东北大学 | 一种定位海底管道机器人方法及装置 |
CN202209524U (zh) * | 2011-01-25 | 2012-05-02 | 黄腾飞 | 一种基于压力温度分析的机场坪航空燃油管网泄漏检测系统 |
CN102537670A (zh) * | 2012-03-05 | 2012-07-04 | 北京化工大学 | 一种管道泄漏诊断方法 |
CN103453323A (zh) * | 2013-08-26 | 2013-12-18 | 朱振 | 管网漏水主动监测及定位系统及其方法 |
CN105423137A (zh) * | 2015-12-28 | 2016-03-23 | 安阳师范学院 | 燃气管网泄漏瞬变压力波检测分析系统及检测分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106090621A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106090621B (zh) | 一种基于压力信号分析的供水管网泄漏、堵塞故障诊断与定位方法 | |
CN104595729B (zh) | 一种基于声波幅值的油气管道泄漏定位方法 | |
Kang et al. | Novel leakage detection by ensemble CNN-SVM and graph-based localization in water distribution systems | |
CN109555979B (zh) | 一种供水管网漏损监测方法 | |
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 | |
CN105840987A (zh) | 一种基于压力波和声波的管道泄漏加权定位方法及装置 | |
CN104132250A (zh) | 一种基于改进小波包的管道泄漏特征向量提取方法 | |
Rashid et al. | WML: Wireless sensor network based machine learning for leakage detection and size estimation | |
CN102537670B (zh) | 一种管道泄漏诊断方法 | |
Keramat et al. | Objective functions for transient-based pipeline leakage detection in a noisy environment: least square and matched-filter | |
CN103775832B (zh) | 基于瞬变流反问题方法的输油管道漏失检测的装置 | |
CN104076404B (zh) | 运用多通道相干抑制地磁背景噪声的磁异常探测方法 | |
CN103697915B (zh) | 一种考虑干扰影响的卫星敏感器故障可诊断性评价方法 | |
CN106121622B (zh) | 一种基于示功图的有杆泵抽油井的多故障诊断方法 | |
CN106247173A (zh) | 管道泄漏检测的方法及装置 | |
CN104456089B (zh) | 一种流体管道多泄漏点定位方法 | |
CN103234121A (zh) | 基于音波信号的输气管道泄漏检测装置及检测方法 | |
CN101592288A (zh) | 一种管道泄漏辨识方法 | |
Yu et al. | Leak detection in water distribution systems by classifying vibration signals | |
US20180246004A1 (en) | Intelligent Pipeline Small Leaks and Thefts Detection Methods and Systems | |
Ma et al. | A novel broad learning system based leakage detection and universal localization method for pipeline networks | |
CN103678938B (zh) | 一种面向空间形状和误差范围的退化模型一致性检验方法 | |
CN106764451B (zh) | 基于音波信号检测输气管道微泄漏的建模方法 | |
CN114444663A (zh) | 一种基于时间卷积网络的供水管网泄漏检测与定位方法 | |
Romano et al. | Burst detection and location in water distribution systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220414 Address after: 400020 No.5, floor 2, building 13, jialingsan village, Jiangbei District, Chongqing Patentee after: CHONGQING XINJIE ENVIRONMENTAL PROTECTION TECHNOLOGY Co.,Ltd. Address before: 132012, Changchun Road, Jilin, Jilin, 169 Patentee before: NORTHEAST DIANLI University |