CN110532635A - 一种基于时域的管道泄漏检测算法 - Google Patents

Abstract

本发明公开了一种基于时域的管道泄漏检测算法。本发明在频域下以空间平均的方式预处理每一秒的监测信号，并结合信号增强与分解算法，最终获得重构的时域信号并据此给出合适的阈值，从而判断管道状态。本发明显著提高了监测信号的特征，根据重构信号的特点，设定合适的报警阈值即可精确判断管道是否发生泄漏，检测精度高，误报率低，实用性强且具有较好的信噪比。

Description

一种基于时域的管道泄漏检测算法

技术领域

本发明涉及管道泄漏监测技术领域，具体地说是一种基于时域的管道泄漏检测算法。

背景技术

目前对管道监测信号的处理方法主要有功率谱分析法、基于频域的时均方法、时域分析等。通过管道内泄漏时会引起实测管道应力波信号功率谱的变化，可以通过分析这种信号的变化来检测泄漏，由于影响管道应力波传播的因素很多，很难用解析的方法描述管道振动。通过对管道泄漏时振动信号做基于频域的时均处理判断泄漏的发生，在实际工程的应用中限制较大，而简单的时域分析普遍存在泄漏特征不明显，检测精度低、误报率高的问题。

发明内容

针对目前检测管道泄漏信号处理方法中存在的问题，本发明提出了一种基于时域的管道泄漏检测算法；其在频域下以空间平均的方式预处理每一秒的监测信号，并结合信号增强与分解算法，最终获得重构的时域信号并据此给出合适的阈值，从而判断管道状态。本发明显著提高了监测信号的特征，根据重构信号的特点，设定合适的报警阈值即可精确判断管道是否发生泄漏，检测精度高，误报率低，实用性强且具有较好的信噪比。

为了达到上述目的，本发明提供一种基于时域的管道泄漏检测算法，该方法包含以下步骤：

步骤1：预处理

根据管道泄漏时的信号特点，对每一秒的N点信号进行预处理：

其中，x[n]为监测信号，e为自然对数的底数，i为虚数单位，N为信号长度，0≤n＜N；从而可得

其中,T＝NΔt，f_s为采样率，S_x(k)为功率谱密度；

对某段n米管道长度，且频率在20-5000hz的S_x(k)做累加：

其中，x(t₁)为时域信号，s为管道始末点所在位置；

步骤2：进一步处理时域信号

x(t₁)＝c_0，k，根据式(4)和式(5)进行分解：

c_j，k＝∑_nc_j-1，nh_n-2k k＝(0，1，2，…，N-1) (4)

d_j，k＝∑_nc_j-1，ng_n-2k k＝(0，1，2，…，N-1) (5)

其中，c_j，k为系数，d_j，k为系数，h(e^jw)＝g(e^j(w-π))，j为分解层数；

由式(6)确定软阈值：

其中，N为信号长度；

根据式(7)处理d_j，k，得到系数w_j，k，即

根据式(8)得到重构信号x(t₂)：

c_j-1，n＝∑_nc_j，nh_n-2k+∑_nw_j，ng_n-2k (8)

步骤3：将x(t₂)进行分解处理

①初始化：r₀＝x(t₂)，i＝1；

②得到第i个分量(I)：

(a)初始化：h₀＝r_i-1(t₂)，j＝1；

(b)找出h_j-1(t₂)的局部极值点；

(c)对h_j-1(t₂)的极大和极小值点分别进行三次样条函数差值，形成上下包络线；

(d)计算上下包络线的平均值m_j-1(t₂)；

(e)h_j(t₂)＝h_j-1(t₂)-m_j-1(t₂)；

(f)若h_j(t₂)是分量，则I_i(t₂)＝h_j(t₂)；否则，j＝j+1，转到(b)；

③r_i(t₂)＝r_i-1(t₂)-I_i(t₂)；

④如果r_i(t₂)极值点数仍多于2个，则i＝i+1，转到②；否则，分解结束，r_i(t₂)是残余分量；步骤4：将分量与x(t₂)做相关性分析，根据相关性准则将相关系数大于0.3的分量进行叠加重构得到重构信号x(t₃)，即为最终的重构信号；根据重构信号x(t₃)的特点，设定合适的报警阈值即可判断管道是否发生泄漏。

和现有技术相比，本发明的有益效果在于，本发明通过上述步骤1和步骤2中的信号增强与分解算法显著提高了监测信号的特征，检测方法简单，检测精度高，误报率低，实用性强。

附图说明

图1是实施例1中管道泄漏的原始信号示例图。

图2是实施例1中处理后的信号示例图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明，但不应以此限制本发明的保护范围。

实施例1

首先将检测管道泄漏的传感信号做预处理，在频域下以空间平均的方式预处理每一秒的监测信号，采样率为20khz，得到x(k)，从而得S_x(k)，对其中5米管道长度上且频率为20-5000Hz的S_x(k)进行累加平均，得到时域信号x(t₁)，其对应于图1，管道在第5秒发生泄漏。

接着按步骤2进一步处理时域信号x(t₁)，采样点数为4096，分解层数为10，从而确定阈值，处理后得到系数w_j，k，重构后得到信号x(t₂)，然后将x(t₂)按步骤3进行分解处理,得到若干分量。

最后将每个分量与x(t₂)做相关性分析，将相关系数大于0.3的分量进行叠加重构得到重构信号x(t₃)，即为最终的重构信号，其对应于图2，管道在第5秒发生泄漏。根据重构信号x(t₃)的特点，将报警阈值设置为10000，即可判断管道是否发生泄漏，且检测精度高，误报率低，实用性强。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (1)

1.一种基于时域的管道泄漏检测算法，其特征在于，该方法包含以下步骤：

步骤1：预处理

根据管道泄漏时的信号特点，对每一秒的N点信号进行预处理：

其中，x[n]为监测信号，e为自然对数的底数，i为虚数单位，N为信号长度，0≤n＜N；从而可得

其中,T＝NΔt，f_s为采样率，S_x(k)为功率谱密度；

对某段n米管道长度，且频率在20-5000hz的S_x(k)做累加：

其中，x(t₁)为时域信号，s为管道始末点所在位置；

步骤2：进一步处理时域信号

x(t₁)＝c_0，k，根据式(4)和式(5)进行分解：

c_j，k＝∑_nc_j-1，nh_n-2k k＝(0，1，2，…，N-1) (4)

d_j，k＝∑_nc_j-1，ng_n-2k k＝(0，1，2，…，N-1) (5)

其中，c_j，k为系数，d_j，k为系数，h(w^jw)＝g(e^j(w-π))，j为分解层数；

由式(6)确定软阈值：

根据式(7)处理d_j，k，得到系数w_j，k，即

根据式(8)得到重构信号x(t₂)：

c_j-1，n＝∑_nc_j，nh_n-2k+∑_nw_j，ng_n-2k (8)

步骤3：将x(t₂)进行分解处理

①初始化：r₀＝x(t₂)，i＝1；

②得到第i个分量(I)：

(a)初始化：h₀＝r_i-1(t₂)，j＝1；

(b)找出h_j-1(t₂)的局部极值点；

(c)对h_j-1(t₂)的极大和极小值点分别进行三次样条函数差值，形成上下包络线；

(d)计算上下包络线的平均值m_j-1(t₂)；

(e)h_j(t₂)＝h_j-1(t₂)-m_j-1(t₂)；

(f)若h_j(t₂)是分量，则I_i(t₂)＝h_j(t₂)；否则，j＝j+1，转到(b)；

③r_i(t₂)＝r_i-1(t₂)-I_i(t₂)；

④如果r_i(t₂)极值点数仍多于2个，则i＝i+1，转到②；否则，分解结束，r_i(t₂)是残余分量；

步骤4：将分量与x(t₂)做相关性分析，根据相关性准则将相关系数大于0.3的分量进行叠加重构得到重构信号x(t₃)，即为最终的重构信号；根据重构信号x(t₃)的特点，设定合适的报警阈值即可判断管道是否发生泄漏。