CN107228282B - 一种天然气管道泄漏定位方法和装置 - Google Patents
一种天然气管道泄漏定位方法和装置 Download PDFInfo
- Publication number
- CN107228282B CN107228282B CN201710544323.0A CN201710544323A CN107228282B CN 107228282 B CN107228282 B CN 107228282B CN 201710544323 A CN201710544323 A CN 201710544323A CN 107228282 B CN107228282 B CN 107228282B
- Authority
- CN
- China
- Prior art keywords
- signal
- data
- component
- original
- effective
- 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
-
- 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
- F17D5/005—Protection or supervision of installations of gas pipelines, e.g. alarm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提供了一种天然气管道泄漏定位方法和装置，其中所述方法包括：利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号；利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量；分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置。本发明利用总体局部均值分解算法对传感器采集的数据进行分解处理，并获得数据信号的有效PF分量，从而大大的提升了管道泄漏的定位精度。
Description
技术领域
本发明涉及管道泄漏定位的技术领域，特别涉及一种天然气管道泄漏定位方法和装置。
背景技术
管道运输通常伴随着能源的存储与使用，便会涉及到能源的可持续发展以及相应的安全保护措施。合理的资源利用，有利于资源的再生及可持续发展；缜密的安保措施，有利于保护资源不被窃取和浪费。但随着油气管道运输的发展，管线的数量越来越多，管道的敷设距离也变得越来越长，而随着服役期的增长，加上环境和人为破坏，运行磨损，设备老化，腐蚀等多种因素，导致管道泄漏时有发生，进而引发许多重大泄漏事故。我国大部分管道目前已运行超过40年，且中国的管道事故率远远高于西方国家，数据显示，美国、欧洲、我国的管道事故率分别为0.42，0.46和0.50。我国运行超过20年的油气管道已经占总管道数的60%。随着油气管道的控制日益复杂，运行形势复杂多变，应该把管道运输的安全保障问题视为首要防御任务。因此，为了节约一次能源、改善环境污染、提高人民生活水平，对城市现代化建设的便利、舒适、安全可靠性做出重要贡献，有效的降低危及居民生活安全的燃气管道漏损现象，对燃气管道实行在线运行的实时监测、精确检测定位管网泄漏具有十分重要的意义。
现在大多比较先进成熟的泄漏检测定位方法和技术均是针对单一的长直管道，例如长输油、输天然气管道。然而，对于拓扑结构复杂的多分支型管网来说，例如供热管网、供水管网，这些方法将不能直接被利用。目前对于此类管网的泄漏定位问题，普遍采用的方法是定期人工巡查法，或泄漏事故较为严重，出现明显现象进而引起注意的被动检查法。因此，亟待寻求一种定位精度高、反应速度快的管道泄露方法。
发明内容
为了解决背景技术中所提到的技术问题，本发明提供了一种定位精度高的天然气管道泄漏定位方法和装置，在该方法中，利用总体局部均值分解算法（ELMD算法）对传感器采集的数据进行分解处理，并获得数据信号的有效PF分量，从而大大的提升了管道泄漏的定位精度。
本发明的技术方案是：该种天然气管道泄漏定位方法，其包括：
利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号；
利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量；
分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置；
所述利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量包括：
利用ELMD算法分别获取第一数据信号和第二数据信号在不同尺度下的PF分量；
计算所述第一数据信号和其各尺度下的PF分量的相关系数以及第二数据信号和其各尺度下的PF分量的相关系数；
从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量；
所述分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置包括：
从第一数据信号的有效PF分量和第二数据信号的有效PF分量中获取相同尺度下的PF分量；
分别对相同尺度的PF分量进行互相关分析，得到对应的时间差；
计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；
利用第二规则计算基于该时延值的管道泄漏位置；
所述利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号包括：
利用传感器在天然气管道的两个采样点上分别采集第一原始数据信号和第二原始数据信号；
利用ELMD算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号。
优选的，所述利用ELMD算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号包括：
利用ELMD算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的PF分量；
计算所述第一原始数据信号和其各尺度下的PF分量的相关系数以及第二原始数据信号和其各尺度下的PF分量的相关系数；
从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量；
对得到的有效PF分量进行小波包分解，得到第一原始数据信号第二原始数据信号的PF分量能量分布信息；同时利用谱峭度法对得到的有效PF分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；
分别根据得到的第一原始数据信号和第二原始数据信号的PF分量能量分布信息、最优频率、带宽重构第一原始信号的PF分量和第二原始信号的PF分量；
基于重构的PF分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
本发明所提供的一种天然气管道泄漏定位装置，其包括：
传感器，其被装设在天然气管道的两个采样点上，并用于采集数据信号；
处理器，其配置为利用所述传感器在两个采样点上采集的数据信号获得第一数据信号和第二数据信号；并利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量；以及分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置；
所述处理器进一步配置为利用ELMD算法分别获取第一数据信号和第二数据信号在不同尺度下的PF分量；并计算所述第一数据信号和其各尺度下的PF分量的相关系数以及第二数据信号和其各尺度下的PF分量的相关系数；以及从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量。
对于所述的装置，优选方式1，其中，所述处理器进一步配置为从第一数据信号的有效PF分量和第二数据信号的有效PF分量中获取相同尺度下的PF分量；分别对相同尺度的PF分量进行互相关分析，得到对应的时间差；并计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；利用第二规则计算基于该时延值的管道泄漏位置。
对于所述的装置，优选方式2，其中，所述处理器进一步配置为利用ELMD算法和小波包算法分别对传感器在两个采样点上采集的第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号。
在优选方式2的基础上，所述处理器进一步配置为利用ELMD算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的PF分量；并计算所述第一原始数据信号和其各尺度下的PF分量的相关系数以及第二原始数据信号和其各尺度下的PF分量的相关系数；以及从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量；对得到的有效PF分量进行小波包分解，得到第一原始数据信号第二原始数据信号的PF分量能量分布信息；同时利用谱峭度法对得到的有效PF分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；分别根据得到的第一原始数据信号和第二原始数据信号的PF分量能量分布信息、最优频率、带宽重构第一原始信号的PF分量和第二原始信号的PF分量；基于重构的PF分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
本发明具有如下有益效果：首先，本发明利用总体局部均值分解算法（Ensemblelocal mean decomposition，ELMD），借助辅助噪声技术，抑制LMD分解过程中模态混叠的问题。其次，有用信息在传输过程中往往会受到各种噪声的影响和干扰，使信号源中的有用信号被削减或混淆。为增强有用信号，抑制噪声干扰，保障后续提取的特征值能够代表信号特征，需要对采集的原始信号进行降噪预处理。同时为避免小波分解过程存在的技术漏洞，提出基于小波包的ELMD谱峭度联合降噪算法。该算法在ELMD分解出的各有效PF（Productfunction）分量的基础上，利用谱峭度最优参数及小波包能量分布确定信号重构节点，完成对各PF分量的信号降噪。降噪后的各PF分量可表征原始信号在不同尺度下的特征。再次，本发明，通过经ELMD分解得到的PF分量与互相关算法的融合，得到不同特征尺度下的时延差，从而完成对管道泄漏的定位。该算法相比直接利用原始信号进行相关计算得到的定位结果更加精确，有助于管道泄漏定位精度的提升。
附图说明：
图1为本发明实施例中的一种天然气管道泄漏定位的方法的原理流程图；
图2为本发明实施例中的天然气管道的结构示意图；
图3为本发明实施例中的利用ELMD算法获取有效PF分量的原理流程图；
图4为本发明实施例利用有效PF分量进行泄漏点定位的原理流程图；
图5为本发明实施例中利用ELMD算法和小波包算法对信号进行降噪处理的原理流程图；
图6为本发明实施例中的小波包分解树的结构示意图；
图7所示为本发明实施例中的天然气管道泄漏定位装置的原理结构示意图。
具体实施方式：
下面结合附图对本发明作进一步说明：
本发明实施例提供了一种定位精度高的天然气管道泄漏定位方法和装置。
为了解决上述技术方案，本发明实施例提供了如下的技术方案：
本发明实施例提供了一种天然气管道泄漏定位方法，其包括：
利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号；
利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量；
分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置。
在一优选实施例中，所述利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量包括：
利用ELMD算法分别获取第一数据信号和第二数据信号在不同尺度下的PF分量；
计算所述第一数据信号和其各尺度下的PF分量的相关系数以及第二数据信号和其各尺度下的PF分量的相关系数；
从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量。
在一优选实施例中，所述分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置包括：
从第一数据信号的有效PF分量和第二数据信号的有效PF分量中获取相同尺度下的PF分量；
分别对相同尺度的PF分量进行互相关分析，得到对应的时间差；
计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；
利用第二规则计算基于该时延值的管道泄漏位置。
在一优选实施例中，所述利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号包括：
利用传感器在天然气管道的两个采样点上分别采集第一原始数据信号和第二原始数据信号；
利用ELMD算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号。
在一优选实施例中，所述利用ELMD算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号包括：
利用ELMD算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的PF分量；
计算所述第一原始数据信号和其各尺度下的PF分量的相关系数以及第二原始数据信号和其各尺度下的PF分量的相关系数；
从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量；
对得到的有效PF分量进行小波包分解，得到第一原始数据信号第二原始数据信号的PF分量能量分布信息；同时利用谱峭度法对得到的有效PF分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；
分别根据得到的第一原始数据信号和第二原始数据信号的PF分量能量分布信息、最优频率、带宽重构第一原始信号的PF分量和第二原始信号的PF分量；
基于重构的PF分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
另外，本发明实施例还提供了一种天然气管道泄漏定位装置，其包括：
传感器，其被装设在天然气管道的两个采样点上，并用于采集数据信号；
处理器，其配置为利用所述传感器在两个采样点上采集的数据信号获得第一数据信号和第二数据信号；并利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量；以及分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置。
在一优选实施例中，所述处理器进一步配置为利用ELMD算法分别获取第一数据信号和第二数据信号在不同尺度下的PF分量；并计算所述第一数据信号和其各尺度下的PF分量的相关系数以及第二数据信号和其各尺度下的PF分量的相关系数；以及从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量。
在一优选实施例中，所述处理器进一步配置为从第一数据信号的有效PF分量和第二数据信号的有效PF分量中获取相同尺度下的PF分量；分别对相同尺度的PF分量进行互相关分析，得到对应的时间差；并计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；利用第二规则计算基于该时延值的管道泄漏位置。
在一优选实施例中，所述处理器进一步配置为利用ELMD算法和小波包算法分别对传感器在两个采样点上采集的第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号。
在一优选实施例中，所述处理器进一步配置为利用ELMD算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的PF分量；并计算所述第一原始数据信号和其各尺度下的PF分量的相关系数以及第二原始数据信号和其各尺度下的PF分量的相关系数；以及从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量；对得到的有效PF分量进行小波包分解，得到第一原始数据信号第二原始数据信号的PF分量能量分布信息；同时利用谱峭度法对得到的有效PF分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；分别根据得到的第一原始数据信号和第二原始数据信号的PF分量能量分布信息、最优频率、带宽重构第一原始信号的PF分量和第二原始信号的PF分量；基于重构的PF分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
下面，结合附图对本发明的具体实施例进行详细的描述，但不作为本发明的限定。
下面，结合附图详细的说明本发明实施例，本发明实施例提供了一种天然气管道泄漏定位方法，该方法利用ELMD算法（总体局部均值分解算法）对从天然气管道采集的数据信号进行处理，从而获取各数据信号的有效PF分量，可以提升定位检测的精度。
具体的，如图1所示，为本发明实施例中的一种天然气管道泄漏定位的方法的原理流程图，其中该方法可以包括：
利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号；
利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量；
分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置。
在本发明实施例中，为了实现对于天然气管道泄漏点的定位检测，需要从天然气管道上采集数据信号，而基于该数据信号进一步的分析。而由于天然气的泄漏发生后，在泄漏点的两端管道上传输的声波信号会有所变化，本发明实施例中的传感器即可以包括声波传感器，将两个声波传感器分别布设在管道的首端和末端（如图2所示），其中，x为泄漏点据首端传感器的距离，L为首末传感器之间的距离， t1和t2分别为泄漏点产生的次声波传播到两个传感器的时间。则泄漏位置x的计算公式为，式中v为泄漏次声波的传播速度，实际天然气管道中计算值取1000m/s。只要首末传感器接收泄漏信号的时间差确定，则利用上述公式就能确定出泄漏位置。
据此，本发明实施例中利用声波传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号；并进一步利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量；并分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置。
本发明实施例中的ELMD算法，是指在LMD分解前，将不同有限幅值的白噪声信号加入待分解信号中，利用白噪声均值为零，频谱能量分布均匀的特性，使得白噪声可以均匀的分布在整个时频空间中，并且不同时间尺度的信号会自动分布到与背景噪声相关的适当尺度上去。由于白噪声零均值的特性，噪声将会相互抵消，进而得到消除，唯一持久稳固的部分便是信号本身，因此本申请采用ＥＬＭＤ算法对第一数据信号和第二数据信号进行分解处理。
进一步的，如图３所示，为本发明实施例中的利用ELMD算法获取有效PF分量的方法包括：
利用ELMD算法分别获取第一数据信号和第二数据信号在不同尺度下的PF分量；
计算所述第一数据信号和其各尺度下的PF分量的相关系数以及第二数据信号和其各尺度下的PF分量的相关系数；
从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量。
其中，本发明实施例中的第一数据信号和第二数据信号可以表示为：，其中x(t)表示第一数据信号和第二数据信号，PFi(t)表示经ELMD分解降噪后得到若干个PF分量，un（t）表示残项。在获取各PF分量后，计算第一数据信号和其各尺度下的PF分量的相关系数以及第二数据信号和其各尺度下的PF分量的相关系数，并从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量。
也就是说，本发明实施例可以将ELMD分解出来的各PF分量与对应的而数据信号做信号相关度计算，并利用相关系数衡量相关性的强弱。相关系数的取值位于-1至1，相关系数绝对值越大，则表明该分量与数据信号的相关度越高，相关系数绝对值越小，则表明该分量与原始信号相关度越低。
而本发明实施例通过将获取的相关函数与预设阈值进行比较，来得到符合第一规则的相关系数。该第一规则为判断出获取的相关系数大于阈值，其中表示计算出的相关系数。在判断出获取的相关系数大于阈值 0时，则判断为该相关系数符合第一规则。
从而可以判断为符合第一规则的相关系数所对应的PF分量为有效PF分量。
进一步地，如图4所示，为本发明实施例利用有效PF分量进行泄漏点定位的原理流程图，其中可以包括：
从第一数据信号的有效PF分量和第二数据信号的有效PF分量中获取相同尺度下的PF分量；
分别对相同尺度的PF分量进行互相关分析，得到对应的时间差；
计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；
利用第二规则确定基于该时延值的管道泄漏位置。
如上所示，对管道泄漏的定位需要确定在管道中传输的信号之间的时延差，并基于该时延差确定管道泄漏位置。
如图3所示的实施例中，对于PF分量是在不同尺度下分解获取的，因此可以获取关于有效PF分量的尺度值的信息。而本发明实施例可以对第一数据信号和第二数据信号在相同尺度值下的PF分量作互相关处理，得到互相关值并作为该尺度下PF分量之间的时间差值。进一步，可以基于不同对应尺度下所获取的时间差值的平均值来获取第一数据信号和第二数据信号之间的时间差，并利用第二规则确定泄漏位置。其中第二规则为：。
其中，t1-t2即为上述时间差、L、v均为已知的值，通过上式即可以得到泄漏点与首端传感器之间的距离，即定位了泄漏点。
本发明实施例中，利用ELMD算法分解出数据信号的PF 分量，并从分解出的PF分量中筛选出有效PF分量，并基于该有效PF分量来计算两路数据信号的时延值，可以更加保证泄漏点的定位精度。
另外，本发明实施例中，还可以对传感器获取的数据信号进行降噪处理，进一步提高定位精度。我们通常将妨碍人的视觉感官或系统传感器对所接收信源信息进行理解和分析的各种因素统称为噪声。而在管道泄漏检测中，这种噪声通常指由于外界嘈杂的声音如车辆行驶、大型仪器导致的振动信号，被传感器接收，并混合在泄漏信号中，使得泄漏信号难以分别和提取。本发明实施例中，可以将传感器在天然气管道的两个采样点上分别采集的信号定义为第一原始数据信号和第二原始数据信号；而将利用ELMD算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理后生成的泄漏信号定义为第一数据信号和第二数据信号。
具体的，如图5所示，为本发明实施例中利用ELMD算法和小波包算法对信号进行降噪处理的原理流程图。其中可以包括：
利用ELMD算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的PF分量；
计算所述第一原始数据信号和其各尺度下的PF分量的相关系数以及第二原始数据信号和其各尺度下的PF分量的相关系数；
从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量；
对得到的有效PF分量进行小波包分解，得到第一原始数据信号第二原始数据信号的PF分量能量分布信息；同时利用谱峭度法对得到的有效PF分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；
分别根据得到的第一原始数据信号和第二原始数据信号的PF分量能量分布信息、最优频率、带宽重构第一原始信号的PF分量和第二原始信号的PF分量；
基于重构的PF分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
同样的，可以对原始信号进行ELMD分解从而获得多个尺度下的PF分量，并利用第一规则对各原始数据信号和其各尺度下的PF分量的之间相关系数进行筛选，并选出符合第一规则的相关系数，从而获得有效PF分量。
如图6所示为本发明实施例中的小波包分解树的结构示意图，其中以三层小波包分解为例，其中A表示低频，D表示高频，末尾中的数字表示小波包分解的尺度，也就是所谓的尺度。多层分解则是在后续分解中依次进行二分得到低频和高频两部分。信号经小波包分解后，信号特征被划分的更细致，根据信号分解的分解结果，可以求出信号分解后的能量谱，从而可以分析出信号各频率成分的能量分布情况，即能量分布信息。基于上述，本发明实施例可以对得到的有效PF分量进行小波包分解，从而得到第一原始数据信号第二原始数据信号的PF分量能量分布信息。
同时，还可以将谱峭度算法作为是一组带通滤波器，通过计算信号的峭度值，找寻信号中的最优频率及频带，从而刻画反映信号特征。因此，本发明实施例中还可以利用谱峭度法对得到的有效PF分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽。本发明实施例所采用的基于小波包的ELMD谱峭度联合降噪算法，通过谱峭度的最优参数及小波包能量分布，极大限度的保留信号中的有用成分，去噪效果是普通小波阈值降噪效果的4倍左右。
在获取PF分量的能量分布信息、最优频率和带宽之后，即可以重构第一原始信号和第二原始信号。其中，可以分别根据得到的第一原始数据信号和第二原始数据信号的PF分量能量分布信息、最优频率、带宽重构第一原始信号的PF分量和第二原始信号的PF分量；并进一步基于重构的PF分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。也就是说，通过上述分析，第一数据信号是基于第一原始信号中的有效PF分量而重构得到的，而第二数据信号是基于第二原始信号中的有效PF分量重构得到的，去除了第一原始信号和第二原始信号中的噪声分量和残留分量，以及不符合第一规则的相关系数所对应的PF分量。从而可以大大的提升信号的准确度，以及计算出的泄漏位置的精度。
通过本发明实施例的上述配置，利用总体局部均值分解算法（ELMD算法）对传感器采集的数据进行分解处理，并获得数据信号的有效PF分量，从而大大的提升了管道泄漏的定位精度。
另外，本发明实施例还提供了一种天然气管道泄漏定位装置，该装置应用如上述实施例所述的天然气管道泄漏定位方法，具有检测精度高的特点。
如图7所示为本发明实施例中的天然气管道泄漏定位装置的原理结构示意图。其中可以包括：第一传感器101和第二传感器102，以及分别与所述第一传感器101和第二传感器102数据连接的处理器200。
其中，第一传感器101和第二传感器102可以分别被装设在天然气管道的两个采样点上，并用于采集数据信号。在本发明实施例中，为了实现对于天然气管道泄漏点的定位检测，需要从天然气管道上采集数据信号，而基于该数据信号进一步的分析。而由于天然气的泄漏发生后，在泄漏点的两端管道上传输的声波信号会有所变化，本发明实施例中的第一传感器101和第二传感器即可以为声波传感器，将两个声波传感器分别布设在管道的首端和末端（如图2所示），其中，x为泄漏点据首端传感器的距离，L为首末传感器之间的距离，t1和t2分别为泄漏点产生的次声波传播到两个传感器的时间。则泄漏位置x的计算公式为，式中v为泄漏次声波的传播速度，实际天然气管道中计算值取1000m/s。只要首末传感器接收泄漏信号的时间差确定，则利用上述公式就能确定出泄漏位置。
据此，本发明实施例中利用第一传感器101和第二传感器102分别在天然气管道的两个采样点（首端和末端）上采集数据信号，处理器200则可以通过与第一传感器101和第二传感器102连接来接收两个传感器所采集的数据信号，并对应的获得第一数据信号和第二数据信号；进而可以利用ELMD算法分解所述第一数据信号和第二数据信号，获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量；并分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置。
本发明实施例中的ELMD算法，是指在LMD分解前，将不同有限幅值的白噪声信号加入待分解信号中，利用白噪声均值为零，频谱能量分布均匀的特性，使得白噪声可以均匀的分布在整个时频空间中，并且不同时间尺度的信号会自动分布到与背景噪声相关的适当尺度上去。由于白噪声零均值的特性，噪声将会相互抵消，进而得到消除，唯一持久稳固的部分便是信号本身，因此本申请采用ＥＬＭＤ算法对第一数据信号和第二数据信号进行分解处理。
本发明实施例中的处理器200可以进一步配置为利用ELMD算法分别获取第一数据信号和第二数据信号在不同尺度下的PF分量；计算所述第一数据信号和其各尺度下的PF分量的相关系数以及第二数据信号和其各尺度下的PF分量的相关系数；从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量。
其中，本发明实施例中的第一数据信号和第二数据信号可以表示为：，其中x(t)表示第一数据信号和第二数据信号，PFi(t)表示经ELMD分解降噪后得到若干个PF分量，un（t）表示残项。在获取各PF分量后，计算第一数据信号和其各尺度下的PF分量的相关系数以及第二数据信号和其各尺度下的PF分量的相关系数，并从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量。
也就是说，本发明实施例可以将ELMD分解出来的各PF分量与对应的而数据信号做信号相关度计算，并利用相关系数衡量相关性的强弱。相关系数的取值位于-1至1，相关系数绝对值越大，则表明该分量与数据信号的相关度越高，相关系数绝对值越小，则表明该分量与原始信号相关度越低。
而本发明实施例中，处理器200可以通过将获取的相关函数与预设阈值进行比较，来得到符合第一规则的相关系数。该第一规则为判断出获取的相关系数大于阈值，其中表示计算出的相关系数。在判断出获取的相关系数大于阈值 0时，则判断为该相关系数符合第一规则。
从而处理器200可以判断为符合第一规则的相关系数所对应的PF分量为有效PF分量。
进一步地，处理器200还可以配置为从第一数据信号的有效PF分量和第二数据信号的有效PF分量中获取相同尺度下的PF分量；分别对相同尺度的PF分量进行互相关分析，得到对应的时间差；计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；以及利用第二规则确定基于该时延值的管道泄漏位置。
如上所示，对管道泄漏的定位需要确定在管道中传输的信号之间的时延差，并基于该时延差确定管道泄漏位置。
在如图3的实施例中，对于PF分量是在不同尺度下分解获取的，因此可以获取关于有效PF分量的尺度值的信息。而本发明实施例可以对第一数据信号和第二数据信号在相同尺度值下的PF分量作互相关处理，得到互相关值并作为该尺度下PF分量之间的时间差值。进一步，可以基于不同对应尺度下所获取的时间差值的平均值来获取第一数据信号和第二数据信号之间的时间差，并利用第二规则确定泄漏位置。其中第二规则为：。
其中，t1-t2即为上述时间差、L、v均为已知的值，通过上式即可以得到泄漏点与首端传感器之间的距离，即定位了泄漏点。
本发明实施例中，处理器可以利用ELMD算法分解出数据信号的PF 分量，并从分解出的PF分量中筛选出有效PF分量，并基于该有效PF分量来计算两路数据信号的时延值，可以更加保证泄漏点的定位精度。
另外，本发明实施例中，处理器200还可以对第一传感器101和第二传感器102所获取的数据信号进行降噪处理，进一步提高定位精度。我们通常将妨碍人的视觉感官或系统传感器对所接收信源信息进行理解和分析的各种因素统称为噪声。而在管道泄漏检测中，这种噪声通常指由于外界嘈杂的声音如车辆行驶、大型仪器导致的振动信号，被传感器接收，并混合在泄漏信号中，使得泄漏信号难以分别和提取。本发明实施例中，可以将第一传感器101和第二传感器102在天然气管道的两个采样点上分别采集的信号定义为第一原始数据信号和第二原始数据信号；而处理器200可以将利用ELMD算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理后生成的泄漏信号定义为第一数据信号和第二数据信号。
具体的处理器200可以利用ELMD算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的PF分量；计算所述第一原始数据信号和其各尺度下的PF分量的相关系数以及第二原始数据信号和其各尺度下的PF分量的相关系数；从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量；对得到的有效PF分量进行小波包分解，得到第一原始数据信号第二原始数据信号的PF分量能量分布信息；同时利用谱峭度法对得到的有效PF分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；分别根据得到的第一原始数据信号和第二原始数据信号的PF分量能量分布信息、最优频率、带宽重构第一原始信号的PF分量和第二原始信号的PF分量；基于重构的PF分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
同样的，处理器200可以对原始信号进行ELMD分解从而获得多个尺度下的PF分量，并利用第一规则对各原始数据信号和其各尺度下的PF分量的之间相关系数进行筛选，并选出符合第一规则的相关系数，从而获得有效PF分量。
如图6所示为本发明实施例中的小波包分解树的结构示意图，其中以三层小波包分解为例，其中A表示低频，D表示高频，末尾中的数字表示小波包分解的尺度，也就是所谓的尺度。多层分解则是在后续分解中依次进行二分得到低频和高频两部分。信号经小波包分解后，信号特征被划分的更细致，根据信号分解的分解结果，可以求出信号分解后的能量谱，从而可以分析出信号各频率成分的能量分布情况，即能量分布信息。基于上述，本发明实施例中的处理器200可以对得到的有效PF分量进行小波包分解，从而得到第一原始数据信号第二原始数据信号的PF分量能量分布信息。
同时，处理器200还可以将谱峭度算法作为是一组带通滤波器，通过计算信号的峭度值，找寻信号中的最优频率及频带，从而刻画反映信号特征。因此，本发明实施例中还可以利用谱峭度法对得到的有效PF分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽。本发明实施例所采用的基于小波包的ELMD谱峭度联合降噪算法，通过谱峭度的最优参数及小波包能量分布，极大限度的保留信号中的有用成分，去噪效果是普通小波阈值降噪效果的4倍左右。
处理器200在获取PF分量的能量分布信息、最优频率和带宽之后，即可以重构第一原始信号和第二原始信号。其中，处理器200可以分别根据得到的第一原始数据信号和第二原始数据信号的PF分量能量分布信息、最优频率、带宽重构第一原始信号的PF分量和第二原始信号的PF分量；并进一步基于重构的PF分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。也就是说，通过上述分析，第一数据信号是基于第一原始信号中的有效PF分量而重构得到的，而第二数据信号是基于第二原始信号中的有效PF分量重构得到的，去除了第一原始信号和第二原始信号中的噪声分量和残留分量，以及不符合第一规则的相关系数所对应的PF分量。从而可以大大的提升信号的准确度，以及计算出的泄漏位置的精度。
另外，本发明实施例中的处理器200可以有至少一个数据处理芯片构成，以实现上述功能。上述数据处理芯片可以包括单片机等硬件器件。
通过本发明实施例的上述配置，利用总体局部均值分解算法（ELMD算法）对传感器采集的数据进行分解处理，并获得数据信号的有效PF分量，从而大大的提升了管道泄漏的定位精度。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的数据处理方法所应用于的电子设备，可以参考前述产品实施例中的对应描述，在此不再赘述。
以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。
Claims (6)
1.一种天然气管道泄漏定位方法，其包括：
利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号；
利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量；
分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置；
所述利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量包括：
利用ELMD算法分别获取第一数据信号和第二数据信号在不同尺度下的PF分量；
计算所述第一数据信号和其各尺度下的PF分量的相关系数以及第二数据信号和其各尺度下的PF分量的相关系数；
从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量；
所述分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置包括：
从第一数据信号的有效PF分量和第二数据信号的有效PF分量中获取相同尺度下的PF分量；
分别对相同尺度的PF分量进行互相关分析，得到对应的时间差；
计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；
利用第二规则计算基于该时延值的管道泄漏位置；
所述利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号包括：
利用传感器在天然气管道的两个采样点上分别采集第一原始数据信号和第二原始数据信号；
利用ELMD算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号；
其中，所述第一规则包括相关系数大于阈值其中ρ表示计算出的相关系数；
所述第二规则包括其中，t1-t2即为所述时间差、L为两个采样点之间的距离，v为次声波的传播速度。
2.根据权利要求1所述的方法，其中所述利用ELMD算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号包括：
利用ELMD算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的PF分量；
计算所述第一原始数据信号和其各尺度下的PF分量的相关系数以及第二原始数据信号和其各尺度下的PF分量的相关系数；
从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量；
对得到的有效PF分量进行小波包分解，得到第一原始数据信号第二原始数据信号的PF分量能量分布信息；同时利用谱峭度法对得到的有效PF分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；
分别根据得到的第一原始数据信号和第二原始数据信号的PF分量能量分布信息、最优频率、带宽重构第一原始信号的PF分量和第二原始信号的PF分量；
基于重构的PF分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
3.一种天然气管道泄漏定位装置，其包括：
传感器，其被装设在天然气管道的两个采样点上，并用于采集数据信号；
处理器，其配置为利用所述传感器在两个采样点上采集的数据信号获得第一数据信号和第二数据信号；并利用ELMD算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效PF分量和第二数据信号的有效PF分量；以及分别利用第一数据信号和第二数据信号的有效PF分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延值利用第二规则计算管道泄漏位置；
所述处理器进一步配置为利用ELMD算法分别获取第一数据信号和第二数据信号在不同尺度下的PF分量；并计算所述第一数据信号和其各尺度下的PF分量的相关系数以及第二数据信号和其各尺度下的PF分量的相关系数；以及从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量；
其中，所述第一规则包括相关系数大于阈值其中ρ表示计算出的相关系数；
所述第二规则包括其中，t1-t2即为时间差、L为两个采样点之间的距离，v为次声波的传播速度。
4.根据权利要求3所述的装置，其中，所述处理器进一步配置为从第一数据信号的有效PF分量和第二数据信号的有效PF分量中获取相同尺度下的PF分量；分别对相同尺度的PF分量进行互相关分析，得到对应的时间差；并计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；利用第二规则计算基于该时延值的管道泄漏位置。
5.根据权利要求3所述的装置，其中，所述处理器进一步配置为利用ELMD算法和小波包算法分别对传感器在两个采样点上采集的第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号。
6.根据权利要求5所述的装置，其中，所述处理器进一步配置为利用ELMD算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的PF分量；并计算所述第一原始数据信号和其各尺度下的PF分量的相关系数以及第二原始数据信号和其各尺度下的PF分量的相关系数；以及从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的PF分量作为有效PF分量；对得到的有效PF分量进行小波包分解，得到第一原始数据信号第二原始数据信号的PF分量能量分布信息；同时利用谱峭度法对得到的有效PF分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；分别根据得到的第一原始数据信号和第二原始数据信号的PF分量能量分布信息、最优频率、带宽重构第一原始信号的PF分量和第二原始信号的PF分量；基于重构的PF分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710544323.0A CN107228282B (zh) | 2017-07-06 | 2017-07-06 | 一种天然气管道泄漏定位方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710544323.0A CN107228282B (zh) | 2017-07-06 | 2017-07-06 | 一种天然气管道泄漏定位方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107228282A CN107228282A (zh) | 2017-10-03 |
| CN107228282B true CN107228282B (zh) | 2019-05-07 |
Family
ID=59956365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710544323.0A Active CN107228282B (zh) | 2017-07-06 | 2017-07-06 | 一种天然气管道泄漏定位方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107228282B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108181059B (zh) * | 2017-12-27 | 2019-12-10 | 钦州学院 | 基于小波信号的多相流管道泄漏声波信号识别方法 |
| CN109084186B (zh) * | 2018-08-17 | 2020-05-26 | 常州大学 | 基于改进的elmd多尺度熵的管道泄漏信号识别方法 |
| CN109215295B (zh) * | 2018-09-11 | 2020-07-14 | 清华大学合肥公共安全研究院 | 燃气泄漏的判断方法、装置及电子设备 |
| CN109506135A (zh) * | 2018-11-06 | 2019-03-22 | 三川智慧科技股份有限公司 | 管道泄漏点定位方法及装置 |
| CN109556797B (zh) * | 2018-11-19 | 2020-10-09 | 浙江工业大学 | 基于样条局部均值分解和卷积神经网络的管道泄漏检测与定位方法 |
| CN109630908B (zh) * | 2019-01-23 | 2020-10-09 | 常州大学 | 一种多次降噪的管道泄漏定位方法 |
| CN112578230B (zh) * | 2020-12-28 | 2022-08-16 | 广东电网有限责任公司佛山供电局 | 一种气体绝缘金属封闭输电线路的故障定位方法及装置 |
| CN113551159B (zh) * | 2021-09-22 | 2021-12-03 | 天津泰达滨海清洁能源集团有限公司 | 厌氧环境下埋地燃气管道泄漏的判别方法 |
| CN115512717A (zh) * | 2022-11-21 | 2022-12-23 | 东北石油大学三亚海洋油气研究院 | 一种基于集成学习的二阶段单传感器管道泄漏定位方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2478261A1 (fr) * | 1979-03-13 | 1981-09-18 | Pi Kommunalproekt | Dispositif pour localiser les fuites dans une tuyauterie de refoulement |
| CN1322914A (zh) * | 2001-05-25 | 2001-11-21 | 中国石化胜利油田有限公司胜利采油厂 | 输油管线泄漏报警及漏点定位系统 |
| CN2542909Y (zh) * | 2002-05-10 | 2003-04-02 | 李振家 | 管道泄漏监测报警装置 |
| CN102997051A (zh) * | 2011-09-14 | 2013-03-27 | 中国石油天然气集团公司 | 一种基于光纤传感的天然气管道泄漏监测方法和系统 |
| CN103730109A (zh) * | 2014-01-14 | 2014-04-16 | 重庆大学 | 一种公共场所异常声音特征提取方法 |
| CN103984866A (zh) * | 2014-05-20 | 2014-08-13 | 浙江师范大学 | 一种基于局域均值分解的信号去噪方法 |
| JP5879455B1 (ja) * | 2015-10-16 | 2016-03-08 | 株式会社ネフロンジャパン | 水道検針装置 |
-
2017
- 2017-07-06 CN CN201710544323.0A patent/CN107228282B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2478261A1 (fr) * | 1979-03-13 | 1981-09-18 | Pi Kommunalproekt | Dispositif pour localiser les fuites dans une tuyauterie de refoulement |
| CN1322914A (zh) * | 2001-05-25 | 2001-11-21 | 中国石化胜利油田有限公司胜利采油厂 | 输油管线泄漏报警及漏点定位系统 |
| CN2542909Y (zh) * | 2002-05-10 | 2003-04-02 | 李振家 | 管道泄漏监测报警装置 |
| CN102997051A (zh) * | 2011-09-14 | 2013-03-27 | 中国石油天然气集团公司 | 一种基于光纤传感的天然气管道泄漏监测方法和系统 |
| CN103730109A (zh) * | 2014-01-14 | 2014-04-16 | 重庆大学 | 一种公共场所异常声音特征提取方法 |
| CN103984866A (zh) * | 2014-05-20 | 2014-08-13 | 浙江师范大学 | 一种基于局域均值分解的信号去噪方法 |
| JP5879455B1 (ja) * | 2015-10-16 | 2016-03-08 | 株式会社ネフロンジャパン | 水道検針装置 |
Non-Patent Citations (1)
| Title |
|---|
| 局域均值分解中PF获取方法的改进;梁世杰等;《航空计算技术》;20120731;第42卷(第4期);第24-27页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107228282A (zh) | 2017-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107228282B (zh) | 一种天然气管道泄漏定位方法和装置 | |
| CN107461611B (zh) | 基于小波和emd重构相结合的泄漏检测方法及泄漏检测装置 | |
| CN110671613B (zh) | 基于改进经验小波变换的流体管道泄漏信号时延估计方法 | |
| Ahadi et al. | Leak detection in water-filled plastic pipes through the application of tuned wavelet transforms to acoustic emission signals | |
| Srirangarajan et al. | Wavelet-based burst event detection and localization in water distribution systems | |
| CN110454687A (zh) | 一种基于改进vmd的管道多点泄漏定位方法 | |
| AU2020261087B2 (en) | Method and system for detecting a structural anomaly in a pipeline network | |
| Li et al. | Identifying P phase arrival of weak events: The Akaike Information Criterion picking application based on the Empirical Mode Decomposition | |
| Adnan et al. | Leak detection in gas pipeline by acoustic and signal processing-A review | |
| Zan et al. | Event detection and localization in urban water distribution network | |
| CN112013286B (zh) | 管道泄漏点的定位方法及装置、存储介质、终端 | |
| Li et al. | Enhancement of oil debris sensor capability by reliable debris signature extraction via wavelet domain target and interference signal tracking | |
| Ting et al. | Water leak location based on improved dual-tree complex wavelet transform with soft thresholding de-noising | |
| Yao et al. | An adaptive seismic signal denoising method based on variational mode decomposition | |
| CN104764564B (zh) | 基于声波传感器的阀门内漏检测方法 | |
| CN113625337A (zh) | 一种极浅水高精度地震资料快速成像方法 | |
| Ezer et al. | Global sea level reconstruction for 1900–2015 reveals regional variability in ocean dynamics and an unprecedented long weakening in the Gulf Stream flow since the 1990s | |
| CN111695465B (zh) | 基于压力波模式识别的管网故障诊断与定位方法及系统 | |
| CN105674065A (zh) | 一种基于变模式分解的声发射管道漏点定位方法 | |
| Liu et al. | Negative pressure wave denoising based on VMD and its application in pipeline leak location | |
| CN115031906A (zh) | 基于次声波的管道泄漏在线监测方法 | |
| Srirangarajan et al. | Water main burst event detection and localization | |
| Han et al. | Localization of CO2 gas leakages through acoustic emission multi-sensor fusion based on wavelet-RBFN modeling | |
| CN105928666A (zh) | 基于希尔伯特黄变换与盲源分离的泄漏声波特征提取方法 | |
| CN215569800U (zh) | 基于时域反射技术的铁路给水管网检漏系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230804 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Address before: No. 199, development road, high tech Zone, Daqing City, Heilongjiang Province, 163318 Patentee before: NORTHEAST PETROLEUM University Effective date of registration: 20230804 Address after: 6th Floor, Guangtou Energy Management Center, Intersection of Gaoling Road and Fangchenggang Road, Nanning City, Guangxi Zhuang Autonomous Region, 530000 yuan Patentee after: Guangxi Guangtou Gas Co.,Ltd. Address before: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee before: Dragon totem Technology (Hefei) Co.,Ltd. |
|
| TR01 | Transfer of patent right |