CN112013286A - 管道泄漏点的定位方法及装置、存储介质、终端 - Google Patents

管道泄漏点的定位方法及装置、存储介质、终端 Download PDF

Info

Publication number
CN112013286A
CN112013286A CN202010871372.7A CN202010871372A CN112013286A CN 112013286 A CN112013286 A CN 112013286A CN 202010871372 A CN202010871372 A CN 202010871372A CN 112013286 A CN112013286 A CN 112013286A
Authority
CN
China
Prior art keywords
function
sound wave
leakage
positioning
pipeline
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
Application number
CN202010871372.7A
Other languages
English (en)
Other versions
CN112013286B (zh
Inventor
郎宪明
王佳政
曹江涛
阚哲
郭颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Hifulun Technology Co ltd
Original Assignee
Liaoning Shihua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Liaoning Shihua University filed Critical Liaoning Shihua University
Priority to CN202010871372.7A priority Critical patent/CN112013286B/zh
Publication of CN112013286A publication Critical patent/CN112013286A/zh
Application granted granted Critical
Publication of CN112013286B publication Critical patent/CN112013286B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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)
  • Examining Or Testing Airtightness (AREA)

Abstract

本发明公开了一种管道泄漏点的定位方法及装置、存储介质、终端，涉及检测技术领域，特主要目的在于解决现有管道泄漏点的定位准确性差的问题。包括：采集管道首、末两端的声波信号；基于改进的变分模态分解对所述声波信号进行去噪处理，所述改进的变分模态分解为基于误差能量函数对模态函数进行筛选处理的；生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数；基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息。主要用于管道泄漏点的定位。

Description

管道泄漏点的定位方法及装置、存储介质、终端
技术领域
本发明涉及一种检测技术领域，特别是涉及一种管道泄漏点的定位方法及装置、存储介质、终端。
背景技术
随着工业技术的快速发展，对于流体管道运输的安全性要求越来越高。尤其是，由于流体管道是通过地下、水下等位置进行布线运输，若管道出现泄漏，不仅仅会造成经济损失，同时对于不同流体的泄漏会造成不同程度的环境污染，因此，需要对运输的管道进行实时的泄漏点检测。
目前，现有基于声波的管泄漏定位方法主要是基于单点泄漏声波信号的处理分析，但是，当管道同时发生多点泄漏，产生的瞬态泄漏声波信号混叠在一起，并且受泄漏声波信号相互影响，当多点泄漏声波向管道首末站传播时，很难区分各个泄漏声波的拐点信息，无法准确定位到多个泄漏点的位置，影响管道泄漏点的定位准确性。
发明内容
有鉴于此，本发明提供一种管道泄漏点的定位方法及装置、存储介质、终端，主要目的在于解决现有管道泄漏点的定位准确性差的问题。
依据本发明一个方面，提供了一种管道泄漏点的定位方法，包括：
采集管道首、末两端的声波信号；
基于改进的变分模态分解对所述声波信号进行去噪处理，所述改进的变分模态分解为基于误差能量函数对模态函数进行筛选处理的；
生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数；
基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息。
依据本发明另一个方面，提供了一种管道泄漏点的定位装置，包括：
采集模块，用于采集管道首、末两端的声波信号；
去噪处理模块，用于基于改进的变分模态分解对所述声波信号进行去噪处理，所述改进的变分模态分解为基于误差能量函数对模态函数进行筛选处理的；
确定模块，用于生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数；
解寻优处理，用于基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息。
根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述管道泄漏点的定位方法对应的操作。
根据本发明的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述管道泄漏点的定位方法对应的操作。
借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：
本发明提供了一种管道泄漏点的定位方法及装置、存储介质、终端，与现有技术相比，本发明实施例通过采集管道首、末两端的声波信号；基于改进的变分模态分解对所述声波信号进行去噪处理，所述改进的变分模态分解为基于误差能量函数对模态函数进行筛选处理的；生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数；基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息，实现多个泄漏点的同时检测，并进一步定位到各泄漏点的位置，从而提高管道泄漏点的定位准确性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种管道泄漏点的定位方法流程图；
图2示出了本发明实施例提供的一种改进的差分进化算法流程示意图图；
图3示出了本发明实施例提供的一种泄漏点定位流程示意图；
图4示出了本发明实施例提供的一种泄漏点采集声波信号示意图；
图5示出了本发明实施例提供的另一种泄漏点采集声波信号示意图；
图6示出了本发明实施例提供的又一种泄漏点采集声波信号示意图；
图7示出了本发明实施例提供的一种本征模态函数的误差能量图；
图8示出了本发明实施例提供的一种方法流程图；
图9示出了本发明实施例提供的另一种声波信号重构信号示意图；
图10示出了本发明实施例提供的又一种声波信号重构信号示意图；
图11示出了本发明实施例提供的另一种声波信号重构信号示意图；
图12示出了本发明实施例提供的一种重构信号的时频分析曲线示意图；
图13示出了本发明实施例提供的另一种重构信号的时频分析曲线示意图；
图14示出了本发明实施例提供的又一种重构信号的时频分析曲线示意图；
图15示出了本发明实施例提供的一种管道泄漏点的定位装置组成框图；
图16示出了本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种管道泄漏点的定位方法，如图1所示，该方法包括：
101、采集管道首、末两端的声波信号。
本发明实施例中，所述管道为可以运输石油、天然气、工业流体等业态物质的运输工具，包括直线管道、弯曲管道，作为当前端的服务端在待进程泄漏点管道的两端安装有声波传感器，并通过数据采集设备实时采集管道首、末两端的声波信号，如PCB 106B声波信号传感器，本发明实施例不做具体限定。
需要说明的是，由于不同运输液态物质处于管道中的压力、温度、密度等会影响对管道中声波信号的采集，因为，为了满足实际场景的检测需求，预先通过压力、温度等传感器获取到管道中的压力数据、温度数据等用于表征液体环境的数据，并使管道中的液态物质处于稳定的液体环境中，以便使采集的声波信号不受压力、温度等液体环境所影响。当然的，若采集的压力数据、温度数据等变化，则需要重新校正采集的声波信号，本发明实施例不做具体限定。
102、基于改进的变分模态分解对所述声波信号进行去噪处理。
本发明实施例中，为了满足检测是否存在多个泄漏点的需求，并对采集的声波信号进行进一步的检测处理，需要对采集的声波信号进行去噪处理，具体的，通过改进的变分模态分解进行去噪处理。其中，所述改进的变分模态分解为基于误差能量函数对所述变分模态分解中的模态函数进行筛选处理得到的，即基于变分模态分解VMD的多点泄漏检测方法，包括建立采集的声波信号的变分模型，然后利用求解约束变分方程最优解的过程来声波信号的分解，得到去噪后的声波信号。
需要说明是的，在变分模型的求解过程中，各模态的中心频率不断更新，最终分解出k个固有本征模态函数，并确定合适的模态分解个数n。因为n决定了频率分辨率，如果n太小，使得本征模态函数分解不足，对声波信号微小波动的信号不敏感，如果n太大，就会产生伪模态函数分量，增加计算量，为了更有效的、精度更高的计算模态函数的数目，本发明实施例中基于误差能量函数对模态函数进行筛选处理，从而得到最优效果去噪的声波信号。其中，误差能量函数为Eτ＝τ2，τ是采集的声波信号与经VMD重构后的声波信号之间的误差，通过计算出每个本征模态函数的误差能量与预设的泄漏点预设阈值进行比较，自适应的筛选出合适数量的模态函数，本发明实施例不做具体限定。
103、生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数。
本发明实施例中，为了从声波信号中准确检测出泄漏点个数，并减少因不同个数的泄漏点之间声波的叠加，从而提高泄漏点个数的检测准确性，利用去噪处理后的声波信号的声波振幅变化生成对应的时频分布，如包含有时频曲线的时频分布图，或时频分布集等，并基于生成的时频分布中的分布曲线确定泄漏点个数。
需要说明的是，本发明实施例中，通过预先绘制的不同泄漏点个数对应的分布曲线与生成的分布曲线进行对比，不同泄漏点个数优选为3个，因此，右预先绘制的分布曲线包括1个泄漏点的分布曲线，2个泄漏点的分布曲线，3个泄漏点的分布曲线，根据对比的一致性，确定泄漏点个数，本发明实施例不做具体限定。
104、基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息。
本发明实施例中，为了准确对泄漏点进行处理，需要对具体的泄漏点进行定位，从而满足对泄漏点的补救需求。具体的，当管道出现多个泄漏点同时发生时，多个泄漏点引起的声波幅值变化混合在一起，且由于多点泄漏信号之间的相互作用，在管道首、末端得到声波信号为叠加信号，因此，构建出泄漏点定位函数，并基于泄漏点个数对泄漏点定位函数进行求解。其中，在求解过程中，本发明实施例选取差分进化算法进行搜索最优解，具体为从随机的初始个体开始，按照一定的迭代算法，根据每个个体的适应度值，保留较好的个体，引导搜索过程达到最优解，
需要说明的是，在优化过程中，差分进化算法存在收敛速度慢、早熟等缺点，严重影响了算法的性能。因此，在差分进化算法中引入粒子群参数寻优原理，用粒子群算法搜索整个种群，使其快速跳出局部最优，避免早熟现象，从而提高对泄漏点定位函数的最优解的求解准确性及效率，从而确定准确的定位信息。
进一步地，为了进一步地说明及限定，所述生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数包括：利用时频域转换函数生成与所述声波振幅变化匹配的时频分布，按照不同泄漏点个数匹配的关联分布曲线与所述时频分步中的分布曲线进行对比，确定泄漏点个数。
本发明实施例中，由于在管道中，声波信号的振幅会受到泄漏点个数的影响，即不同泄漏点个数的声波信号振幅不同，因此，为了准确确定出管道中泄漏点的泄漏个数，以便查找到匹配泄漏点的定位信息，具体的，通过时频转换函数生成声波振幅变化的时频分布，并利用关联分布曲线与时频分布中的分布曲线进行对比，从而确定出泄漏点个数。其中，关联分布曲线为至少基于1个泄漏点、2个泄漏点、3个泄漏点预先生成的时频分布曲线，从而，直接对比出泄漏点个数。
其中，所述时频域转换函数为
Figure BDA0002651234690000061
所述g(t)为所述声波信号的时域函数，所述h(t)为所述声波信号的频域函数，x是多点泄漏的声波信号的振幅变化，ω为频率。
进一步地，为了进一步限定及说明，所述基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息之前，所述方法还包括：利用粒子群优化算法对差分进化算法中变异操作中随机选取的变异个体进行筛选，基于筛选出的变异个体作为改进差分进化算法中变异操作个体。
本发明实施例中，由于利用差分进化算法对利用泄漏点个数、泄漏点定位函数的求解过程进行寻优，可以大大的提高求解精度，从而准确进行定位，因此，为了对差分进化算法中迭代过程中，提高个体适应度，保留优质个体，从而达到搜索过程的最优解，本发明实施例通过粒子群算法对差分进化算法的变异操作中随机选取的变异个体进行筛选，从而得到最优的变异操作个体，使得对泄漏点定位函数求解的最优效果。
具体的，如图2所示，差分进化算法DE中，对于具有n个变量的全局优化问题。全局优化问题可转化为最小值问题，求解如下函数：
Figure BDA0002651234690000071
其中，D是问题空间解的维数，aj和bj分别是χj的上限和下限。即DE算法主要包括变异操作、交叉操作和选择操作，变异操作：
Figure BDA0002651234690000072
其中t是进化次数，χr1,χr2和χr3是随机选取的三个单独个体，ui是修正因子，F是突变因子。交叉操作：为了增加种群多样性，采用了交叉：
Figure BDA0002651234690000073
其中，j＝1,2,…,D，D是维度，CR∈[0,1]是交叉率。选择操作：由公式
Figure BDA0002651234690000074
中试验向量和原始向量中选取较好的个体，
Figure BDA0002651234690000075
f(χ)是χ的目标函数。为了提高DE算法的收敛速度，提高算法的性能，在DE算法中引入粒子群PSO原理，用PSO搜索整个种群，使其快速跳出局部最优。具体的，粒子群优化的个体变异操作如下：
Figure BDA0002651234690000076
其中，χbest是优势个体，本发明实施例不做具体限定。
进一步地，为了进一步限定及说明，所述基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息包括：基于筛选出变异操作个体的差分进化算法对根据泄漏点定位函数计算所述泄漏点个数匹配的定位信息进行解寻优处理，。
具体的，为了提高对泄漏点的定位，如图3所示，在基于时频分析确定出泄漏点个数后，基于改进的差分进化算法对泄漏点定位函数进行解寻优处理，具体为筛选出变异操作个体的差分进化算法对泄漏点定位函数计算至少1个泄漏点、2个泄漏点、3个泄漏点对应的定位信息进行寻优求解。其中，当管道出现多个泄漏点同时发生时，多个泄漏点引起的声波幅值变化混合在一起，基于多个泄漏点的信号之间的相互作用，在管道首、末端得到多个泄漏点的声波信号的叠加信号，还包括泄漏点的声波传播和泄漏点声波衰减的振幅分布描述为：
Figure BDA0002651234690000081
根据多个泄漏点的声波信号幅值变化的特点，所述泄漏点定位函数为
Figure BDA0002651234690000082
所述x0为声波信号的原始振幅，a为衰减因子，xa为管道首端的声波信号，xb为管道末端的声波信号，li为第i个泄漏点，L为管道的长度，从而计算出各泄漏点的泄漏位置。另外，同时发生的多个泄漏点引起的振幅变化是重叠的，无法区分多个泄漏点引起的振幅变化。因此，在已知多个泄漏点数量的情况下，可以通过最小化管道首、末端的声波振幅误差来计算多个泄漏点，本发明实施例不做具体限定。
进一步地，为了提高对声波信号的去噪精度，使得泄漏点的检测更为精准，对变分模态分解进行改进，具体的，所述基于改进的变分模态分解对所述声波信号进行去噪处理之前，所述方法还包括：根据所述声波信号的个数筛选变分模态分解的模态分解个数，并获取对所述声波信号进行变分模态分解的本征模态函数；利用误差能量函数绘制与所述模态分解个数、所述本征模态函数匹配的误差能量图；通过泄漏点数量阈值所述本征模态函数中筛选作为所述改进的变分模态分解去噪的模态函数。
具体的，变分模态分解能够对多个泄漏点的声波信号进的低频有效、准确的提取，过滤掉外界高频噪声，因此，对应的，变分模态分解的具体步骤包括：
Figure BDA0002651234690000083
其中，x(t)是采集的泄漏点的声波信号，本发明实施例中优选为3个，因此t＝1，2，3，uk是变分模态函数，δ(t)是单位阶跃函数，ωk是变分模态函数对应的中心频率。进一步地，uk＝Ak(t)cos(2πωk(t))，Ak是瞬时振幅，为了得到上述约束变分问题的最优解，采用了增广拉格朗日函数，构造的增广拉格朗日函数如下：
Figure BDA0002651234690000084
其中，a是带宽参数，λ是拉格朗日乘子，通过交替方向乘子法计算增广拉格朗日函数，并将原始多点泄漏声波信号分解为k个固有本征模态函数。然后基于Plancherel定理，将L2范数问题等距变换为Fourier变换，得到如下公式：
Figure BDA0002651234690000091
其中的收敛条件为：
Figure BDA0002651234690000092
需要说明的是，在上述的求解过程中，为了提高变分模态分解的优化率，首先，确定合适的模态分解个数n，n用于表征频率分辨率，如果n太小，会使的本征模态函数分解不足，对作为泄漏点的声波信号的微小波动的信号不敏感，如果n太大，就会产生伪本征模态函数分量，增加计算量。因此，对声波信号x(t)进行变分模态分解为k个模态函数，计算为：
Figure BDA0002651234690000093
τ为采集的声波信号与经变分模态分解重构信号之间的误差。
本发明实施例中，优选的声波信号的个数为3个，因此，筛选变分模态分解的模态分解个数优选的，也为3个。另外，本发明实施例中是为了结合误差能量理论来改进变分模态分解，因此，获取变分模态分解的本征模态函数，并利用误差能量函数绘制误差能量图，即利用误差能量函数计算模态分解个数、本征模态函数的误差能量值，其中，本征模态函数即为基于模态分解个数确定变分模态分解的变分模态函数uk。所述泄漏点数量阈值为预先设定的用于自适应筛选模态函数的阈值θ，一般的，设定为所有误差能量函数值的平均值，当计算出的的误差能量值在误差能量图中绘制的曲线与阈值θ绘制的直线间距离大于特定倍数，称为有效本征模态模式。当大于特定倍数时，则固有本征模态函数已包含了多点泄漏的有效信息，因此，不进行选取，进而的，根据改进的变分模态分解结合绘制的能量误图自适应的选择合适数量的模态函数，完成对变分模态分解的改进。
进一步地，为了进一步说明及限定，所述利用误差能量函数绘制与所述模态分解个数、所述本征模态函数匹配的误差能量图包括：利用误差能量函数计算所述本征模态函数的误差能量值，并绘制与所述模态分解个数匹配的误差能量图。
具体的，经过变分模态分解后得到多个本征模态函数，每个本征模态函数通过误差能量函数计算得到对应的误差能量值，并绘制误差能量图。所述误差能量函数为Er＝τ2，其中，
Figure BDA0002651234690000094
x(t)为所述声波信号，所述uk为k个所述模态分解个数的本征模态函数，n为所述模态分解个数。并且，误差能量越小，说明采集的声波信号与重构信号越相似，如果误差能量为0，则采集的声波信号和重构信号相同。
进一步地，为了进一步说明及限定，所述通过泄漏点数量阈值所述本征模态函数中筛选作为所述改进的变分模态分解去噪的模态函数包括：根据所述误差能量值的平均值确定为泄漏点数据阈值；当所述误差能量图中的所述本征模态函数的误差能量值小于所述泄漏点阈值时，将所述误差能量值小于所述泄漏点阈值的本征模态函数确定为所述改进的变分模态分解去噪的模态函数。
本发明实施例中，为了准确对经过去噪处理的声波信号确定是否为泄漏点，通过分类模型进行分类，所述根据已训练的分类模型对完成去噪处理的声波信号进行分类处理，得到包含有泄漏点个数的分类结果之前，所述方法还包括：构建包含特征参数的泄漏点训练集，所述特征参数包括所述声波信号的平均幅值、能量、有效值、峰值系数、脉冲系数和峰值；利用所述特征参数对预设双支持向量机进行分类训练，得到已训练的双支持向量机模型。
需要说明的是，由于受管道环境的影响，为了准确的从管道首、末端的声波信号中确定是否存在多个泄漏点，如1个、2个、3个泄漏点，声波信号中包含有大量的泄漏信息，例如，泄漏点的声波信号的平均幅值可以反映多次泄漏引起的声波大小，泄漏点的声波信号的能量可以用来计算声波振幅强度，泄漏点的声波信号的有效值可以用来表示声波信号的振动能量。另外，泄漏点的声波信号的峰值系数可以用来表示声波信号的幅度变化，泄漏点的声波信号的脉冲系数可以用来反映多次泄漏下声波的变化特征，以及泄漏点的声波信号的峰值来计算声波振幅的分布，因此，构建泄漏点训练集，包含有声波信号的平均幅值、能量、有效值、峰值系数、脉冲系数和峰值，作为特征参数，以便利用特征参数对分类模型进行训练。
本发明实施例中提供一个应用场景，包括但不限定于：如图3所示的流程示意图，当管道长度为20000m，管道内径为100mm。管道上游压力为2MPa，管道下游压力为0.5MPa，流量为200L/min，密度是830kg/m3，环境温度是25℃，通过声传感器(PCB 106B)获取三种不同个数泄漏点的管道首、末端的声波信号，如图4、5、6所示的声波信号变化示意图，经变分模态分镜VMD进行5层本征模态分解，5个本征模态函数IMFs可以较好地消除被测信号的噪声，并且根据声波信号的5个IMFs，计算误差能量函数并绘制误差能量图，本征模态函数的误差能量图如图7所示，当本征模态的数目为2个时，误差能量函数值为0.92，这些本征模式包含更有效的泄漏信息，即选取2个本征模态含，对三种不同泄漏点个数的声波信号进行去噪处理，即选择两个包含有效泄漏点信息的IMFs分量作为重构信号，如图8、9、10所示。进一步地，通过对3中泄漏点的声波信号的重构信号进行时频分析，时频分析曲线分别如图11、12、13所示，经预先生成的1点、2点、3点泄漏的时频分布曲线对比，确定出三种泄漏分别为1点泄漏、2点泄漏、3点泄漏，然后利用改进的差分进化算法IDE对多点泄漏进行定位。在差分进化算法DE中，突变因子F＝0.5、迭代次数t＝100和维数D由TFA决定，交叉率CR＝0.9和种群数量为100。另外，将IDE的参数与DE的数值一样，粒子群数量是40，维数是20，学习因子是2，惯性权重是1.2。进一步地，对于包含有1点泄漏、2点泄漏的3点泄漏场景，采用IDE算法求解3点同时泄漏的目标函数，通过IDE算法迭代次数为14，得到第1点泄漏定位值为14230m，定位误差为30m；第2点泄漏的为15530m，IDE算法迭代次数为10次，定位误差为30m；第3点漏定位为15818m，IDE算法迭代次数为16次，定位误差为18m，如图14所示。
本发明提供了一种管道泄漏点的定位方法，与现有技术相比，本发明实施例通过采集管道首、末两端的声波信号；基于改进的变分模态分解对所述声波信号进行去噪处理，所述改进的变分模态分解为基于误差能量函数对模态函数进行筛选处理的；生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数；基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息，实现多个泄漏点的同时检测，并进一步定位到各泄漏点的位置，从而提高管道泄漏点的定位准确性。
进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种管道泄漏点的定位装置，如图15所示，该装置包括：
采集模块21，用于采集管道首、末两端的声波信号；
去噪处理模块22，用于基于改进的变分模态分解对所述声波信号进行去噪处理，所述改进的变分模态分解为基于误差能量函数对模态函数进行筛选处理的；
确定模块23，用于生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数；
解寻优处理24，用于基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息。
本发明提供了一种管道泄漏点的定位装置，与现有技术相比，本发明实施例通过采集管道首、末两端的声波信号；基于改进的变分模态分解对所述声波信号进行去噪处理，所述改进的变分模态分解为基于误差能量函数对模态函数进行筛选处理的；生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数；基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息，实现多个泄漏点的同时检测，并进一步定位到各泄漏点的位置，从而提高管道泄漏点的定位准确性。
根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的管道泄漏点的定位方法。
图16示出了根据本发明一个实施例提供的一种终端的结构示意图，本发明具体实施例并不对终端的具体实现做限定。
如图16所示，该终端可以包括：处理器(processor)302、通信接口(Communications Interface)304、存储器(memory)306、以及通信总线308。
其中：处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。
通信接口304，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器302，用于执行程序310，具体可以执行上述管道泄漏点的定位方法实施例中的相关步骤。
具体地，程序310可以包括程序代码，该程序代码包括计算机操作指令。
处理器302可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器306，用于存放程序310。存储器306可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序310具体可以用于使得处理器302执行以下操作：
采集管道首、末两端的声波信号；
基于改进的变分模态分解对所述声波信号进行去噪处理，所述改进的变分模态分解为基于误差能量函数对模态函数进行筛选处理的；
生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数；
基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (10)

1.一种管道泄漏点的定位方法，其特征在于，包括：
采集管道首、末两端的声波信号；
基于改进的变分模态分解对所述声波信号进行去噪处理，所述改进的变分模态分解为基于误差能量函数对模态函数进行筛选处理的；
生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数；
基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息。
2.根据权利要求1所述的方法，其特征在于，所述生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数包括：
利用时频域转换函数生成与所述声波振幅变化匹配的时频分布，按照不同泄漏点个数匹配的关联分布曲线与所述时频分步中的分布曲线进行对比，确定泄漏点个数，所述时频域转换函数为
Figure FDA0002651234680000011
所述g(t)为所述声波信号的时域函数，所述h(t)为所述声波信号的频域函数。
3.根据权利要求1所述的方法，其特征在于，所述基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息之前，所述方法还包括：
利用粒子群优化算法对差分进化算法中变异操作中随机选取的变异个体进行筛选，基于筛选出的变异个体作为改进差分进化算法中变异操作个体。
4.根据权利要求3所述的方法，其特征在于，所述基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息包括：
基于筛选出变异操作个体的差分进化算法对根据泄漏点定位函数计算所述泄漏点个数匹配的定位信息进行解寻优处理，所述泄漏点定位函数为
Figure FDA0002651234680000021
所述x0为声波信号的原始振幅，a为衰减因子，xa为管道首端的声波信号，xb为管道末端的声波信号，li为第i个泄漏点，L为管道的长度。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述基于改进的变分模态分解对所述声波信号进行去噪处理之前，所述方法还包括：
根据所述声波信号的个数筛选变分模态分解的模态分解个数，并获取对所述声波信号进行变分模态分解的本征模态函数；
利用误差能量函数绘制与所述模态分解个数、所述本征模态函数匹配的误差能量图；
通过泄漏点数量阈值所述本征模态函数中筛选作为所述改进的变分模态分解去噪的模态函数。
6.根据权利要求5所述的方法，其特征在于，所述利用误差能量函数绘制与所述模态分解个数、所述本征模态函数匹配的误差能量图包括：
利用误差能量函数计算所述本征模态函数的误差能量值，并绘制与所述模态分解个数匹配的误差能量图，所述误差能量函数为Er＝τ2，其中，
Figure FDA0002651234680000022
x(t)为所述声波信号，所述uk为k个所述模态分解个数的本征模态函数，n为所述模态分解个数。
7.根据权利要求6所述的方法，其特征在于，所述通过泄漏点数量阈值所述本征模态函数中筛选作为所述改进的变分模态分解去噪的模态函数包括：
根据所述误差能量值的平均值确定为泄漏点数据阈值；
当所述误差能量图中的所述本征模态函数的误差能量值小于所述泄漏点阈值时，将所述误差能量值小于所述泄漏点阈值的本征模态函数确定为所述改进的变分模态分解去噪的模态函数。
8.一种管道泄漏点的定位装置，其特征在于，包括：
采集模块，用于采集管道首、末两端的声波信号；
去噪处理模块，用于基于改进的变分模态分解对所述声波信号进行去噪处理，所述改进的变分模态分解为基于误差能量函数对模态函数进行筛选处理的；
确定模块，用于生成与完成去噪处理的声波信号的声波振幅变化匹配的时频分布，并基于所述时频分布中的分布曲线确定泄漏点个数；
解寻优处理，用于基于改进的差分进化算法对通过所述泄漏点个数、泄漏点定位函数进行解寻优处理，得到所述泄漏点个数定位的定位信息。
9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的管道泄漏点的定位方法对应的操作。
10.一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的管道泄漏点的定位方法对应的操作。
CN202010871372.7A 2020-08-26 2020-08-26 管道泄漏点的定位方法及装置、存储介质、终端 Active CN112013286B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010871372.7A CN112013286B (zh) 2020-08-26 2020-08-26 管道泄漏点的定位方法及装置、存储介质、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010871372.7A CN112013286B (zh) 2020-08-26 2020-08-26 管道泄漏点的定位方法及装置、存储介质、终端

Publications (2)

Publication Number Publication Date
CN112013286A true CN112013286A (zh) 2020-12-01
CN112013286B CN112013286B (zh) 2022-03-11

Family

ID=73502516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010871372.7A Active CN112013286B (zh) 2020-08-26 2020-08-26 管道泄漏点的定位方法及装置、存储介质、终端

Country Status (1)

Country Link
CN (1) CN112013286B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112856250A (zh) * 2021-02-01 2021-05-28 苏州思萃融合基建技术研究所有限公司 一种供水管道泄漏定位方法
CN112856249A (zh) * 2021-02-01 2021-05-28 苏州思萃融合基建技术研究所有限公司 一种城市供水管网泄漏监测方法
CN112963740A (zh) * 2021-03-02 2021-06-15 中国南方电网有限责任公司超高压输电公司天生桥局 一种换流站消防管道泄漏监测定位方法
CN113217826A (zh) * 2021-06-03 2021-08-06 邯郸市水利水电勘测设计研究院 一种管道供水管网泄漏报警控制方法、装置及介质
CN114383054A (zh) * 2021-01-27 2022-04-22 福州大学 一种管廊燃气管道泄漏的实验系统及方法
CN115372903A (zh) * 2022-07-28 2022-11-22 国网江苏省电力有限公司电力科学研究院 一种基于近超声的狭长管道人员定位方法及装置
CN118257973A (zh) * 2024-03-26 2024-06-28 江西圣杰市政工程有限公司 一种管道非开挖检测过程中管道智能定位方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008029469B3 (de) * 2008-06-20 2009-10-29 Airbus Deutschland Gmbh Luftfahrzeugleitungsüberwachungssystem und -verfahren, insbesondere für ein Luftfahrzeugflügelenteisungssystem und eine Luftfahrzeugklimaanlage
CN108050396A (zh) * 2016-12-28 2018-05-18 吉林省百瑞生科技发展有限公司 一种流体管道泄漏源监测定位系统及方法
CN109654384A (zh) * 2019-01-29 2019-04-19 南京工业大学 基于pso-vmd算法的管道泄漏检测装置及检测方法
CN109681789A (zh) * 2019-03-01 2019-04-26 重庆邮电大学 基于变分模态分解的流体管道泄漏声振动相干检测定位方法
CN110454687A (zh) * 2019-07-22 2019-11-15 常州大学 一种基于改进vmd的管道多点泄漏定位方法
CN110645483A (zh) * 2019-09-24 2020-01-03 常州大学 一种基于频谱分析的城市埋地管道早期泄漏诊断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008029469B3 (de) * 2008-06-20 2009-10-29 Airbus Deutschland Gmbh Luftfahrzeugleitungsüberwachungssystem und -verfahren, insbesondere für ein Luftfahrzeugflügelenteisungssystem und eine Luftfahrzeugklimaanlage
CN108050396A (zh) * 2016-12-28 2018-05-18 吉林省百瑞生科技发展有限公司 一种流体管道泄漏源监测定位系统及方法
CN109654384A (zh) * 2019-01-29 2019-04-19 南京工业大学 基于pso-vmd算法的管道泄漏检测装置及检测方法
CN109681789A (zh) * 2019-03-01 2019-04-26 重庆邮电大学 基于变分模态分解的流体管道泄漏声振动相干检测定位方法
CN110454687A (zh) * 2019-07-22 2019-11-15 常州大学 一种基于改进vmd的管道多点泄漏定位方法
CN110645483A (zh) * 2019-09-24 2020-01-03 常州大学 一种基于频谱分析的城市埋地管道早期泄漏诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张学军: "基于差分进化的输油管道泄漏定位方法", 《信息技术》 *
梁洪卫等: "基于VMD改进算法的气体管道泄漏检测", 《吉林大学学报（信息科学版）》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114383054A (zh) * 2021-01-27 2022-04-22 福州大学 一种管廊燃气管道泄漏的实验系统及方法
CN112856250A (zh) * 2021-02-01 2021-05-28 苏州思萃融合基建技术研究所有限公司 一种供水管道泄漏定位方法
CN112856249A (zh) * 2021-02-01 2021-05-28 苏州思萃融合基建技术研究所有限公司 一种城市供水管网泄漏监测方法
CN112963740A (zh) * 2021-03-02 2021-06-15 中国南方电网有限责任公司超高压输电公司天生桥局 一种换流站消防管道泄漏监测定位方法
CN112963740B (zh) * 2021-03-02 2022-09-23 中国南方电网有限责任公司超高压输电公司天生桥局 一种换流站消防管道泄漏监测定位方法
CN113217826A (zh) * 2021-06-03 2021-08-06 邯郸市水利水电勘测设计研究院 一种管道供水管网泄漏报警控制方法、装置及介质
CN115372903A (zh) * 2022-07-28 2022-11-22 国网江苏省电力有限公司电力科学研究院 一种基于近超声的狭长管道人员定位方法及装置
CN115372903B (zh) * 2022-07-28 2024-03-08 国网江苏省电力有限公司电力科学研究院 一种基于近超声的狭长管道人员定位方法及装置
CN118257973A (zh) * 2024-03-26 2024-06-28 江西圣杰市政工程有限公司 一种管道非开挖检测过程中管道智能定位方法
CN118257973B (zh) * 2024-03-26 2024-09-24 江西圣杰市政工程有限公司 一种管道非开挖检测过程中管道智能定位方法

Also Published As

Publication number Publication date
CN112013286B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN112013286B (zh) 管道泄漏点的定位方法及装置、存储介质、终端
CN112013285B (zh) 管道泄漏点的检测方法及装置、存储介质、终端
GB2547816A (en) Actually-measured marine environment data assimilation method based on sequence recursive spare filtering three-dimensional variation
Wang et al. Pipeline leak detection method based on acoustic-pressure information fusion
Mei et al. Adaptive signal enhancement based on improved VMD-SVD for leak location in water-supply pipeline
CN115201902B (zh) 一种基于深度学习的断层智能识别方法及系统
Alessandrini et al. Inverse problem for the Helmholtz equation with Cauchy data: reconstruction with conditional well-posedness driven iterative regularization
Ma et al. A novel broad learning system based leakage detection and universal localization method for pipeline networks
Bohorquez et al. Stochastic resonance enhancement for leak detection in pipelines using fluid transients and convolutional neural networks
AU2020271967B2 (en) Method for determining the geometry of a defect on the basis of non-destructive measurement methods using direct inversion
CN110954950A (zh) 地下横波速度反演方法、装置、计算设备及存储介质
Wang et al. Iterative deblending using MultiResUNet with multilevel blending noise for training and transfer learning
CN112379413B (zh) 基于能量谱等效的非规则震源表征方法和装置
JP2005083932A (ja) 伝搬シミュレーション装置、伝搬シミュレーション方法、および伝搬シミュレーションプログラム
Li et al. A 3D reflection ray-tracing method based on linear traveltime perturbation interpolation
CN115754007A (zh) 一种基于声发射技术和层析成像技术的损伤检测方法
CN113568041B (zh) 时移地震三维拖缆采集数据的可重复性分析方法及系统
CN113050191B (zh) 基于双参数的页岩油toc预测方法及装置
Su et al. The Leakage Identification and Location of Ship Pipeline System Based on Vibration Signal Processing
Xianming et al. Weld defect recognition method of pipeline based on improved least squares twin support vector machine
CN111624655B (zh) 初至波剩余静校正量的确定方法及装置
CN105301635B (zh) 一种海上拖缆时移地震数据的构建方法和装置
CN117331125B (zh) 一种分裂波束数据处理方法、装置、电子设备和介质
CN116774293B (zh) 一种同相轴自动拾取方法、系统、电子设备及介质
Guo et al. Research on pipeline inspection gauges localization based on residual denoising autoencoder

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
TR01 Transfer of patent right

Effective date of registration: 20230119

Address after: 100102 1009, Floor 9, Building 402, Wangjingyuan, Chaoyang District, Beijing

Patentee after: Beijing Hifulun Technology Co.,Ltd.

Address before: Wanghua District West Dandong Road 113001 Liaoning city of Fushun province No. 1

Patentee before: Liaoming Petrochemical University