CN108181059A - 基于小波信号的多相流管道泄漏声波信号识别方法 - Google Patents
基于小波信号的多相流管道泄漏声波信号识别方法 Download PDFInfo
- Publication number
- CN108181059A CN108181059A CN201711444157.3A CN201711444157A CN108181059A CN 108181059 A CN108181059 A CN 108181059A CN 201711444157 A CN201711444157 A CN 201711444157A CN 108181059 A CN108181059 A CN 108181059A
- Authority
- CN
- China
- Prior art keywords
- small echo
- echo signal
- energy
- signal
- extreme value
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
- G01M3/24—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations
- G01M3/243—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations for pipes
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了一种基于小波信号的多相流管道泄漏声波信号识别方法,采集多相流管道泄漏声波信号,并进行小波包分解,获得小波信号;根据小波信号的长度及其极值偏离中心程度选取窗宽度;计算各频段下的小波信号的能量极值曲线;判断相同条件下的能量极值曲线上能量极值是否发生突变,识别泄漏信号。本发明提供的多相流泄漏声波信号分析方法通过判断能量损失来识别泄漏,根据能量守恒,能够对泄漏进行识别;解决了仅通过频谱分析不能识别泄漏的局限性,提高了声波法多相流管道泄漏检测的适用性。
Description
技术领域
本发明涉及管道检测技术领域,具体涉及一种基于小波信号的多相流管道泄漏声波信号识别方法。
背景技术
声波法测量的是管道流体流动中的动态压力变化量,与管线运行的压力无关。目前该技术大部分应用于油气单相管道的泄漏检测中,而对于多相流管道检测的研究仍然很少。由于多相管流中的介质间在流动中存在相间传质,在不同的压力、流速、气液比下呈现不同的流形,泄漏时泄漏孔处气、液、固相互耦合作用形成声源。在现有的两相流泄漏声波信号分析中,发现多相流管道泄漏声波信号的频谱出现第一峰值和第二峰值,而常规信号与泄漏信号的频谱互相重叠,仅通过频谱分析无法识别常规信号与泄漏信号。小波分析具有多时间尺度分析的特性,能够将时域信号分解成多层小波分解信号。为识别多相流管道泄漏声波信号与常规信号,采用小波系数能量分析的方法。根据大量调研发现,现阶段基于小波系数能量分析进行信号识别的专利主要有:
中国专利201410614389.9公开了一种基于多传感器信息融合的齿轮故障诊断方法,该方法采用小波变换分解得到各频带内的小波系数,对各频带的小波系数进行相关降噪处理,得到高信噪比的小波系数;计算高信噪比的小波系数的能谱熵,将各层系数能谱熵输入到SOM神经网路中,得到子证据;按照D-S证据理论的融合规则对各传感器子证据进行融合诊断。该方法可适应一定的噪声干扰,提高了故障诊断的准确性。
中国专利201510023769.X公开了一种基于引入粒子群算法及相位扰动的孤岛检测方法,它于第一阶段通过检测一个周期内公共耦合点上的电压信号并进行小波变换,重构后得到尺度上信号的幅值,然后以此计算得到各尺度能量作为粒子群与BP神经网络的输入信号,最后运用BP神经网络进行模式识别;
中国专利201310520959.3公开了一种基于小波分析的电压下陷检测装置及该装置的控制方法。当电压下陷发生时,通过小波分析得到的小波系数在设定的尺度下发生巨大的变化,从而准确的定位电压下陷的发生时刻和下陷电压幅值,然后给电压下陷补偿装置的控制部分发送信号使其工作补偿下陷的电压,或者发送信号给负载的保护系统使其做出相应的保护动作。
中国专利201310476724.9公开了一种振动信号特征参数提取方法,对采集的振动信号进行预处理后进行离散小波变换,得到小波系数;对小波系数进行快速傅里叶变换,得出小波系数的频谱,以及各层小波系数的样点数;按照频率的高低顺序,将上述各层小波系数的样点数合成完整频谱;计算上述各层小波系数能量,求出mel对数功率谱;对上述mel对数功率谱进行离散小波变换;提取mel离散小波变换谱振幅,作为振动信号特征参数,达到提高动信号特征参数精确度的目的。
中国专利201210425449.3公开了基于小波多分辨率分析的电网动态扰动事故在线辨识与可视化方法,对电网中典型动态扰动事故特性进行离线仿真分析,选择得到的最大小波系数能量对应的小波函数ψ和分解层数I作为在线小波多分辨率分析工具,根据目标电网PMU配置情况进行分区,使每个区域有且仅有一个PMU子站进行量测,并将每个PMU子站量测的频率信号传送至WAMS主站;从WAMS主站获取各PMU子站的频率信号,用确定的小波函数ψ进行I层在线小波多分辨率分析,得到第I层的小波系数;用其进行扰动发生时刻、扰动发生位置以及扰动类型的判别;并以地图为背景进行可视化显示。
中国专利201210264149.1公开了一种基于小波系数分析和Hopfield网络的模拟电路故障诊断方法,该方法将理想与实测的电路输出响应分别作为训练与测试数据集进行小波系数分解,这些分解的小波系数通过能量计算而得到的能量值构成相应故障的特征向量;各样本的特征向量经过Hopfield编码后提交给Hopfield网络以实现准确、迅速的故障分类。对具有微弱幅值响应的硬故障与具有较大幅值响应的软故障采取的故障特征预处理效果较好,新定义的能量函数与编码规则对模拟电路的故障诊断准确性影响显著。
综上所述,现有技术中都只是提取某一频段的小波系数能量值作为特征向量,实现模式识别,未涉及到对小波系数能量极值分析的技术;现在技术均为电路故障识别及图像处理,未涉及到对识别多相流管道声波泄漏信号的技术。现有技术中对于对小波系数能量极值分析和对多相流管道声波泄漏信号识别的问题,尚缺乏有效的解决方案。
发明内容
为了克服上述现有技术的不足,本发明提供了一种基于小波信号的多相流管道泄漏声波信号识别方法,通过判断能量损失来识别泄漏,根据能量守恒,能够对泄漏进行识别。
本发明所采用的技术方案是:
一种基于小波信号的多相流管道泄漏声波信号识别方法,包括以下步骤:
采集多相流管道泄漏声波信号,并进行小波包分解,获得小波信号;
根据小波信号的长度及其极值偏离中心程度选取窗宽度M;
计算各频段下的小波信号的能量极值曲线;
判断相同条件下的能量极值曲线上能量极值是否发生突变,识别泄漏信号。
进一步的,所述采集多相流管道泄漏声波信号,并进行小波包分解,获得小波信号,包括:
利用多相流管道泄漏模拟装置产生多相流管道泄漏声波信号,采集该多相流管道泄漏声波信号,同时,对采集到的声波信号进行滤波预处理;
采用离散小波变换对滤波预处理后的声波信号进行小波包分解,得到各频段内的小波信号。
进一步的,所述根据小波信号的长度及其极值偏离中心程度选取窗宽度,包括:
利用长度函数得到小波信号的长度;
利用极值函数得到小波信号的极值,将小波信号的极值与小波信号的平均值做差,得到小波信号极值偏离中心程度;
根据小波信号的的长度及其极值偏离中心程度选取窗宽度M。
进一步的,所述小波信号包括细节信号和近似信号,所述细节信号为高频信号,所述近似信号为低频信号。
进一步的,所述计算各频段下的小波信号的能量极值曲线,包括:
将小波信号向右扩展M个数据点,分别计算第N-M+1至N个数据点的能量极值,建立能量极值曲线,其中,M为窗宽度,N为小波信号的长度。
进一步的,所述能量极值的计算公式为:
其中,R(i)为第i数据点的能量极值,能量极值曲线共包括M为窗宽度,N为小波信号长度;X(k)为小波信号序列。
进一步的,所述比较相同条件下的常规信号与泄漏信号的能量极值,识别泄漏信号,包括:
根据常规信号的能量极值设定临界阈值K;
在相同的压力、流量和流型的条件下,计算能量极值曲线上能量极值R(i)与能量极值R(i+1)的差值,并与设定的临界阈值K相比较;
当R(i)-R(i+1)>K时,则认为发生泄漏,;当R(i)-R(i+1)≤K,则认为无泄漏发生。
一种实现上述的基于小波信号的多相流管道泄漏声波信号识别方法的识别装置,包括:
小波分解模块,用于将采集的多相流管道泄漏声波信号,并进行小波包分解,获得小波信号;
窗宽度获取模块,用于根据小波信号的长度及其极值偏离中心程度选取窗宽度M;
能量极值曲线计算模块,用于计算各频段下的小波信号的能量极值曲线;
泄漏信号识别模块,用于判断相同条件下的能量极值曲线上能量极值是否发生突变,识别泄漏信号。
进一步的,所述泄漏信号识别模块进一步用于:
根据常规信号的能量极值设定临界阈值K;
在相同的压力、流量和流型的条件下,计算能量极值曲线上能量极值R(i)与能量极值R(i+1)的差值,并与设定的临界阈值K相比较;
当R(i)-R(i+1)>K时,则认为发生泄漏,;当R(i)-R(i+1)≤K,则认为无泄漏发生。
与现有技术相比,本发明的有益效果是:
(1)本发明通过对多相流管道泄漏声波信号进行小波包分解,获得小波信号;根据小波信号的长度及极值偏离中心程度进行优选窗宽度,并根据能量极值计算公式,计算小波信号的能量极值曲线,基于泄漏声波信号的极值会发生突变,将小波信号的能量极值与常规信号的能量极值相比较,判断是否发生突变,实现了多相流管道泄漏声波信号识别;
(2)本发明提供的多相流泄漏声波信号分析方法通过判断能量损失来识别泄漏。根据能量守恒,该方法能够对泄漏进行识别;
(3)本发明解决了仅通过频谱分析不能识别泄漏的局限性,提高了声波法多相流管道泄漏检测的适用性;
(4)本发明方法简单,操作方便,对提取多相流管道声波法泄漏检测与定位方法中的泄漏声波特征适用性强。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是本发明实施例公开的基于小波信号的多相流管道泄漏声波信号识别方法流程图一;
图2是本发明实施例公开的基于小波信号的多相流管道泄漏声波信号识别方法流程图二;
图3是本发明实施例公开的基于小波能量极值分析的多相流泄漏声波信号识别方法的识别装置结构图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的,现有技术中存在无法对小波系数能量极值分析和对多相流管道声波泄漏信号识别的不足,为了解决如上的技术问题,本申请提出了一种基于能量极值的多相流管道泄漏声波信号识别方法。
本申请的一种典型的实施方式中,如图1所示,提供了一种基于小波信号的多相流管道泄漏声波信号识别方法,包括以下步骤:
步骤101:采集多相流管道泄漏声波信号,并进行小波包分解,获得小波信号;
步骤102:根据小波信号的长度及其极值偏离中心程度选取窗宽度M;
步骤103:计算各频段下的小波信号的能量极值曲线;
步骤104:判断相同条件下的能量极值曲线上能量极值是否发生突变,识别泄漏信号。
本实施例提出的基于小波信号的多相流管道泄漏声波信号识别方法,通过对多相流管道泄漏声波信号进行小波包分解,获得小波信号,基于小波信号的能量极值与常规信号的能量极值相比较,判断是否发生突变,若发生突变,则判定发生突变;若未发生突变,则判定未发生突变。本发明通过判断能量损失来识别泄漏,根据能量守恒,该方法能够对泄漏进行识别。
为了使本领域技术人员更好地了解本发明,下面列举一个更为详细的实施例,如图2所述,本实施例提供了一种基于小波信号的多相流管道泄漏声波信号识别方法,包括以下步骤:
步骤201:采集多相流管道泄漏声波信号,并进行小波包分解,获得小波信号。
在本实施例中,利用多相流泄漏模拟装置及数据采集软件采集多相流管道泄漏声波信号;在采集多相流管道泄漏声波信号时,同时,对采集到的声波信号进行滤波预处理;
采用离散小波变换对滤波预处理后的声波信号进行小波包分解,得到各频段内的小波信号。
步骤202:根据小波信号的长度及其极值偏离中心程度选取窗宽度M。
步骤2021:所述步骤202的具体实现方式为:
步骤2022:利用长度函数得到小波信号的长度。
在本实施例中,小波信号的长度可由matlab中的size或length函数直接得到。
步骤2022:利用极值函数得到小波信号的极值,将小波信号的极大值与小波信号的平均值做差,得到小波信号极值偏离中心程度。
在本实施例中,小波信号的极值可由matlab中的max函数得出,得到小波信号的极值后,将小波信号的极大值与小波信号的平均值做差得到小波信号极值偏离中心程度。
步骤2022:根据小波信号的的长度及其极值偏离中心程度选取窗宽度M。
在本实施例中,选取窗宽度M是为了后续的小波信号的能量极值的计算,在计算小波信号的能量极值时,需要将小波信号向右扩展的数据点与窗宽度M相同。
步骤203:计算各频段下的小波信号的能量极值曲线;
在本实施例中,在对多相流管道泄漏的声波信号进行小波分解后,得到小波信号,其中,高频信号为细节信号,低频信号为近似信号,即计算各频段下的细节信号与近似信号的能量极值曲线。
将小波信号向右扩展M个数据点,分别计算第N-M+1至N个数据点的能量极值,建立能量极值曲线,其中,M为窗宽度,N为小波信号的长度。
其中,所述能量极值的计算公式为:
其中,R(i)为第i数据点的能量极值,能量极值曲线共包括M为窗宽度,N为小波信号长度;X(k)为小波信号序列。
步骤203:判断相同条件下的能量极值曲线上能量极值是否发生突变,识别泄漏信号。
该步骤203的具体实施例方式为:
根据常规信号的能量极值设定临界阈值K;
在相同的压力、流量和流型的条件下,计算能量极值曲线上能量极值R(i)与能量极值R(i+1)的差值,并与设定的临界阈值K相比较;
当R(i)-R(i+1)>K时,则认为发生泄漏,;当R(i)-R(i+1)≤K,则认为无泄漏发生。
本实施例提出的基于小波信号的多相流管道泄漏声波信号识别方法,通过对多相流管道泄漏声波信号进行小波包分解,获得小波信号;根据小波信号的长度及极值偏离中心程度进行优选窗宽度,并根据能量极值计算公式,计算小波信号的能量极值曲线,基于小波信号的能量极值与常规信号的能量极值相比较,判断是否发生突变,若发生突变,则判定发生突变;若未发生突变,则判定未发生突变。本发明通过判断能量损失来识别泄漏,根据能量守恒,该方法能够对泄漏进行识别,解决了仅通过频谱分析不能识别泄漏的局限性,提高了声波法多相流管道泄漏检测的适用性。
本申请的另一种典型实施方式中,如图3所示,提供了一种实现上述的的基于小波信号的多相流管道泄漏声波信号识别方法的识别装置,该装置包括:
小波分解模块,用于将采集的多相流管道泄漏声波信号,并进行小波包分解,获得小波信号;
窗宽度获取模块,用于根据小波信号的长度及其极值偏离中心程度选取窗宽度M;
能量极值曲线计算模块,用于计算各频段下的小波信号的能量极值曲线;
泄漏信号识别模块,用于判断相同条件下的能量极值曲线上能量极值是否发生突变,识别泄漏信号。
其中,窗宽度获取模块进一步的用于:
利用长度函数得到小波信号的长度;
利用极值函数得到小波信号的极值,将小波信号的极值与小波信号的平均值做差,得到小波信号极值偏离中心程度;
根据小波信号的的长度及其极值偏离中心程度选取窗宽度M。
所述能量极值曲线计算模块进一步的用于:
将小波信号向右扩展M个数据点,分别计算第N-M+1至N个数据点的能量极值,建立能量极值曲线,其中,M为窗宽度,N为小波信号的长度。
其中,所述能量极值的计算公式为:
其中,R(i)为第i数据点的能量极值,能量极值曲线共包括M为窗宽度,N为小波信号长度;X(k)为小波信号序列。
所述泄漏信号识别模块进一步用于:
根据常规信号的能量极值设定临界阈值K;
在相同的压力、流量和流型的条件下,计算能量极值曲线上能量极值R(i)与能量极值R(i+1)的差值,并与设定的临界阈值K相比较;
当R(i)-R(i+1)>K时,则认为发生泄漏,;当R(i)-R(i+1)≤K,则认为无泄漏发生。
本实施例提出的实现上述的的基于小波信号的多相流管道泄漏声波信号识别方法的识别装置,通过小波分解模块对多相流管道泄漏声波信号进行小波包分解,获得小波信号;能量极值曲线计算模块计算小波信号的能量极值曲线,泄漏信号识别模块基于小波信号的能量极值与常规信号的能量极值相比较,判断是否发生突变,若发生突变,则判定发生突变;若未发生突变,则判定未发生突变。本发明通过判断能量损失来识别泄漏,根据能量守恒,该方法能够对泄漏进行识别。
从以上的描述中,可以看出,本申请上述的实施例实现了如下技术效果:
(1)本发明通过对多相流管道泄漏声波信号进行小波包分解,获得小波信号;根据小波信号的长度及极值偏离中心程度进行优选窗宽度,并根据能量极值计算公式,计算小波信号的能量极值曲线,基于泄漏声波信号的极值会发生突变,将小波信号的能量极值与常规信号的能量极值相比较,判断是否发生突变,实现了多相流管道泄漏声波信号识别;
(2)本发明提供的多相流泄漏声波信号分析方法通过判断能量损失来识别泄漏,根据能量守恒,能够对泄漏进行识别;
(3)本发明解决了仅通过频谱分析不能识别泄漏的局限性,提高了声波法多相流管道泄漏检测的适用性;
(4)本发明方法简单,操作方便,对提取多相流管道声波法泄漏检测与定位方法中的泄漏声波特征适用性强。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (9)
1.一种基于小波信号的多相流管道泄漏声波信号识别方法,其特征是,包括以下步骤:
采集多相流管道泄漏声波信号,并进行小波包分解,获得小波信号;
根据小波信号的长度及其极值偏离中心程度选取窗宽度M;
计算各频段下的小波信号的能量极值曲线;
判断相同条件下的能量极值曲线上能量极值是否发生突变,识别泄漏信号。
2.根据权利要求1所述的基于小波信号的多相流管道泄漏声波信号识别方法,其特征是,所述采集多相流管道泄漏声波信号,并进行小波包分解,获得小波信号,包括:
利用多相流管道泄漏模拟装置产生多相流管道泄漏声波信号,并采集该多相流管道泄漏声波信号,同时,对采集到的声波信号进行滤波预处理;
采用离散小波变换对滤波预处理后的声波信号进行小波包分解,得到各频段内的小波信号。
3.根据权利要求1所述的基于小波信号的多相流管道泄漏声波信号识别方法,其特征是,所述根据小波信号的长度及其极值偏离中心程度选取窗宽度,包括:
利用长度函数得到小波信号的长度;
利用极值函数得到小波信号的极值,将小波信号的极大值与小波信号的平均值做差,得到小波系数极值偏离中心程度;
根据小波信号的的长度及其极值偏离中心程度选取窗宽度M。
4.根据权利要求1所述的基于小波信号的多相流管道泄漏声波信号识别方法,其特征是,所述小波信号包括细节信号和近似信号,所述细节信号为高频信号,所述近似信号为低频信号。
5.根据权利要求4所述的基于小波信号的多相流管道泄漏声波信号识别方法,其特征是,所述计算各频段下的小波信号的能量极值曲线,包括:
将小波信号向右扩展M个数据点,分别计算第N-M+1至N个数据点的能量极值,建立能量极值曲线,其中,M为窗宽度,N为小波信号的长度。
6.根据权利要求1所述的基于小波信号的多相流管道泄漏声波信号识别方法,其特征是,所述能量极值的计算公式为:
其中,R(i)为第i数据点的能量极值,能量极值曲线共包括M为窗宽度,N为小波信号长度;X(k)为小波信号序列。
7.根据权利要求1所述的基于小波信号的多相流管道泄漏声波信号识别方法,其特征是,所述比较相同条件下的常规信号与泄漏信号的能量极值,识别泄漏信号,包括:
根据常规信号的能量极值设定临界阈值K;
在相同的压力、流量和流型的条件下,计算能量极值曲线上能量极值R(i)与能量极值R(i+1)的差值,并与设定的临界阈值K相比较;
当R(i)-R(i+1)>K时,则认为发生泄漏,;当R(i)-R(i+1)≤K,则认为无泄漏发生。
8.一种实现权利要求1-7中任一项所述的基于小波信号的多相流管道泄漏声波信号识别方法的识别装置,其特征是,包括:
小波分解模块,用于将采集的多相流管道泄漏声波信号,并进行小波包分解,获得小波信号;
窗宽度获取模块,用于根据小波信号的长度及其极值偏离中心程度选取窗宽度M;
能量极值曲线计算模块,用于计算各频段下的小波信号的能量极值曲线;
泄漏信号识别模块,用于判断相同条件下的能量极值曲线上能量极值是否发生突变,识别泄漏信号。
9.根据权利要求8所述的基于小波信号的多相流管道泄漏声波信号识别方法的识别装置,其特征是,所述泄漏信号识别模块进一步用于:
根据常规信号的能量极值设定临界阈值K;
在相同的压力、流量和流型的条件下,计算能量极值曲线上能量极值R(i)与能量极值R(i+1)的差值,并与设定的临界阈值K相比较;
当R(i)-R(i+1)>K时,则认为发生泄漏,;当R(i)-R(i+1)≤K,则认为无泄漏发生。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711444157.3A CN108181059B (zh) | 2017-12-27 | 2017-12-27 | 基于小波信号的多相流管道泄漏声波信号识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711444157.3A CN108181059B (zh) | 2017-12-27 | 2017-12-27 | 基于小波信号的多相流管道泄漏声波信号识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108181059A true CN108181059A (zh) | 2018-06-19 |
CN108181059B CN108181059B (zh) | 2019-12-10 |
Family
ID=62547697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711444157.3A Active CN108181059B (zh) | 2017-12-27 | 2017-12-27 | 基于小波信号的多相流管道泄漏声波信号识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108181059B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109470352A (zh) * | 2018-10-19 | 2019-03-15 | 威海北洋光电信息技术股份公司 | 基于自适应阈值的分布式光纤管道安全监测算法 |
CN109595472A (zh) * | 2018-11-29 | 2019-04-09 | 北京市燃气集团有限责任公司 | 基于频谱分析的中低压庭院管线异常流量识别方法及装置 |
CN110943794A (zh) * | 2018-09-25 | 2020-03-31 | 上海无线通信研究中心 | 一种基于小波边沿检测的高效宽带频谱感知方法及系统 |
CN111322524A (zh) * | 2020-03-02 | 2020-06-23 | 周红 | 钻井平台安全检测方法、装置及检测设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102563361A (zh) * | 2012-01-18 | 2012-07-11 | 中国石油大学(华东) | 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 |
CN104132250A (zh) * | 2014-07-14 | 2014-11-05 | 上海师范大学 | 一种基于改进小波包的管道泄漏特征向量提取方法 |
CN104502024A (zh) * | 2014-12-19 | 2015-04-08 | 中国石油天然气股份有限公司 | 阀门内漏流量量化回归预测方法及装置 |
CN104595729A (zh) * | 2015-01-15 | 2015-05-06 | 中国石油大学(华东) | 一种基于声波幅值的油气管道泄漏定位方法 |
CN105716791A (zh) * | 2016-02-03 | 2016-06-29 | 江苏省电力公司南京供电公司 | 一种基于振动信号的gis漏气监测方法 |
CN107228282A (zh) * | 2017-07-06 | 2017-10-03 | 东北石油大学 | 一种天然气管道泄漏定位方法和装置 |
-
2017
- 2017-12-27 CN CN201711444157.3A patent/CN108181059B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102563361A (zh) * | 2012-01-18 | 2012-07-11 | 中国石油大学(华东) | 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 |
CN104132250A (zh) * | 2014-07-14 | 2014-11-05 | 上海师范大学 | 一种基于改进小波包的管道泄漏特征向量提取方法 |
CN104502024A (zh) * | 2014-12-19 | 2015-04-08 | 中国石油天然气股份有限公司 | 阀门内漏流量量化回归预测方法及装置 |
CN104595729A (zh) * | 2015-01-15 | 2015-05-06 | 中国石油大学(华东) | 一种基于声波幅值的油气管道泄漏定位方法 |
CN105716791A (zh) * | 2016-02-03 | 2016-06-29 | 江苏省电力公司南京供电公司 | 一种基于振动信号的gis漏气监测方法 |
CN107228282A (zh) * | 2017-07-06 | 2017-10-03 | 东北石油大学 | 一种天然气管道泄漏定位方法和装置 |
Non-Patent Citations (1)
Title |
---|
李晓胜: "小波变换法在输油管道泄漏检测中的应用", 《胜利油田师范专科学校学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110943794A (zh) * | 2018-09-25 | 2020-03-31 | 上海无线通信研究中心 | 一种基于小波边沿检测的高效宽带频谱感知方法及系统 |
CN110943794B (zh) * | 2018-09-25 | 2022-02-08 | 上海无线通信研究中心 | 一种基于小波边沿检测的高效宽带频谱感知方法及系统 |
CN109470352A (zh) * | 2018-10-19 | 2019-03-15 | 威海北洋光电信息技术股份公司 | 基于自适应阈值的分布式光纤管道安全监测算法 |
CN109595472A (zh) * | 2018-11-29 | 2019-04-09 | 北京市燃气集团有限责任公司 | 基于频谱分析的中低压庭院管线异常流量识别方法及装置 |
CN109595472B (zh) * | 2018-11-29 | 2020-07-24 | 北京市燃气集团有限责任公司 | 基于频谱分析的中低压庭院管线异常流量识别方法及装置 |
CN111322524A (zh) * | 2020-03-02 | 2020-06-23 | 周红 | 钻井平台安全检测方法、装置及检测设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108181059B (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108181059A (zh) | 基于小波信号的多相流管道泄漏声波信号识别方法 | |
CN110454687A (zh) | 一种基于改进vmd的管道多点泄漏定位方法 | |
CN103308804B (zh) | 基于快速k-s变换电能质量扰动信号时频参数提取方法 | |
CN106646121B (zh) | 一种配电网故障行波波头的辨识方法 | |
Sheng et al. | Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank | |
CN111520615B (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 | |
CN105864643B (zh) | 基于rbf神经网络的气体管道泄漏定位实验装置及方法 | |
CN104089699B (zh) | 一种变电站设备声音重建算法 | |
CN111239549A (zh) | 一种基于离散小波变换的配电故障快速定位方法 | |
CN104217112A (zh) | 一种基于多类型信号的电力系统低频振荡分析方法 | |
CN106874950A (zh) | 一种暂态电能质量录波数据的识别分类方法 | |
CN113109669B (zh) | 一种基于行波特征频率的配电网混联线路故障定位方法 | |
CN107798283A (zh) | 一种基于决策导向无环图的神经网络故障多类分类器 | |
CN111157843B (zh) | 一种基于时频域行波信息的配电网选线方法 | |
CN106548031A (zh) | 一种结构模态参数识别方法 | |
CN106093516B (zh) | 基于多频带分解的输电线路故障电流行波波形的重现方法 | |
CN105866633B (zh) | 基于波权重的输电线路故障电流行波波形的重现方法 | |
Srikanth et al. | An intelligent algorithm for autorecognition of power system faults using superlets | |
Chen et al. | Fault diagnosis of full-hydraulic drilling rig based on RS–SVM data fusion method | |
Deng et al. | A single-ended fault location method for transmission line based on full waveform features extractions of traveling waves | |
Hao et al. | Leakage signal analysis of urban gas pipeline based on improved variational mode decomposition | |
CN116975763A (zh) | 一种基于双谱和卷积神经网络的供水管网异常诊断方法 | |
CN115978464A (zh) | 基于变分模态分解和神经网络的管网泄漏检测与定位方法 | |
CN110222390A (zh) | 基于小波神经网络的齿轮裂纹识别方法 | |
CN104730384A (zh) | 基于不完全s变换的电能扰动识别与定位方法 |
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 |