CN112539887A - 一种基于wt-lcd-wd的管道泄漏信号去噪方法 - Google Patents
一种基于wt-lcd-wd的管道泄漏信号去噪方法 Download PDFInfo
- Publication number
- CN112539887A CN112539887A CN202011541627.XA CN202011541627A CN112539887A CN 112539887 A CN112539887 A CN 112539887A CN 202011541627 A CN202011541627 A CN 202011541627A CN 112539887 A CN112539887 A CN 112539887A
- Authority
- CN
- China
- Prior art keywords
- isc
- signal
- component
- components
- leakage
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 40
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000011045 prefiltration Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 abstract 2
- 239000003345 natural gas Substances 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明涉及的是一种基于WT‑LCD‑WD的管道泄漏信号去噪方法,具体为:首先用声波传感器采集天然气管道在泄漏工况下的声波信号;采用小波阈值去噪法对采集到的声波信号进行处理,实现信号的前置滤波;采用局部特征尺度分解方法对预处理后的信号进行自适应分解,将信号分解为若干个具有不同尺度的内禀尺度分量,计算各ISC分量与原始信号之间的概率密度函数之间的Wasserstein距离,通过评估相邻ISC与原始信号的WD开始增加后的第一个局部最大值点作为有效分量与噪声分量选取的转折点,最后对筛选的有效分量进行重构,得到去噪后的泄漏信号。本发明能够对管道泄漏信号进行较好的去噪,保留原始泄漏信号中的有效特征。
Description
技术领域
本发明涉及的是信号处理和管道泄漏检测技术领域,具体涉及一种基于WT-LCD-WD的管道泄漏信号去噪方法。
背景技术
管道信号在管内介质中传播时,不可避免的会受到仪器、仪表、采集系统产生的随机噪声以及各种外界干扰的影响,这些影响因素使采集到的管道泄漏信号中含有大量噪声,噪声的存在可能会淹没泄漏信号特征,导致不能准确的对泄漏信号进行识别,进而使泄漏检测系统产生误报和漏报现象。因此,对采集到的泄漏信号进行去噪处理有助于提高对管道泄漏工况检测的准确率。
管道泄漏时,传感器采集到的泄漏信号中可能含有大量噪声,信噪比较低,使LCD分解后得到的ISC分量局部特征中含有较多的噪声,因此可对泄漏信号进行前置滤波处理,进而降低噪声含量,提高信号的信噪比。
局部特征尺度分解(LCD)是一种基于经验模态分解(EMD)等自适应分解算法进行改进而提出的一种适用于非线性非平稳信号的分析方法,其优点是可以将复杂的多分量信号自适应地分解成若干个内禀尺度分量(ISC)之和,LCD分解过程中使用线性变换构造基线信号,进而减少了算法迭代的次数和计算量,一些学者证明了LCD算法在一定程度上改善了EMD存在的问题,分解性能优于EMD算法,并且ISC分量包含的信息比EMD分解后IMF分量包含的信息更多,非常适用于对非线性非平稳信号的分析和处理。管道声波信号是非线性非平稳信号,用LCD进行处理非常高效。
Wasserstein距离(WD)度量两个概率分布之间的距离,是衡量两个分布相似程度的指标。WD的优势在于,即使两个分布的支撑集没有重叠或者重叠非常少,仍然能反映两个分布的远近,并且对异常值较敏感。
发明内容
本发明的目的是提供一种基于WT-LCD-WD的管道泄漏信号去噪方法,这种基于WT-LCD-WD的管道泄漏信号去噪方法用来解决油气管道泄漏信号中噪声的存在影响管道泄漏检测准确性的问题。
本发明解决其技术问题所采用的技术方案是:这种基于WT-LCD-WD的管道泄漏信号去噪方法包括以下步骤:
步骤1、采用声波传感器采集油气管道在泄漏工况下的声波信号数据,并定义为泄漏信号f1(t);
步骤2、采用小波阈值去噪法对采集到的泄漏信号进行预处理,实现信号的前置滤波,前置滤波预处理后得到前置滤波信号f0(t);
步骤3、采用局部特征尺度分解算法将所述前置滤波信号自适应分解为若干个ISC分量和一个残余分量;
局部特征尺度分解算法分解结果用公式表示为:
其中:f0(t)为前置滤波信号;ISCk(t)为第k个ISC分量,k=1,2,…,K;K为ISC分量的个数;rk(t)为残差;
步骤4、利用各ISC分量与前置滤波信号的概率密度函数之间的Wasserstein距离来表示其与前置滤波信号的相似程度L,计算各ISC分量与前置滤波信号的的概率密度之间的WD,通过评估相邻ISC分量与前置滤波信号的WD,将WD开始增加后的第一个局部最大值点作为有效分量与噪声分量的分界点,定义分界点分量为ISCm,其中,分界点及其之前的ISC分量作为噪声分量,分界点后的ISC分量作为有效分量;
定义相邻分量与前置滤波信号的WD增量θi为:
θi=L(i+1)-L(i)
其中,i=1,2,…,(k-1);
步骤5、重构有效分量,去除噪声分量,最后得到去噪后的泄漏信号,去噪后的泄漏信号表示为:
上述方案步骤4中相似程度L为:
L(k)=WD[pdf(ISCk(t)),pdf(f0(t))]
其中,ISCk(t)为第k个ISC分量,k=1,2,…,K;K为ISC分量的个数;pdf(ISCk(t))为ISC分量的概率密度;pdf(f0(t))为原始信号的概率密度。
上述方案步骤2中,采用小波变换对泄漏信号进行前置滤波时,选取的小波基为正交紧支集函数“db5”小波基,分解层数为5。
本发明具有以下有益效果:
1、本发明针对声波传感器采集到的泄漏工况含有强噪声,首先采用小波阈值法对采集到的泄漏信号进行前置滤波,提高待处理信号的信噪比。针对管道声波信号非平稳性特点,采用LCD算法对预处理后的信号进行分解,通过计算分解后得到的ISC分量与前置滤波信号的概率密度的WD距离来评估分解后ISC分量与前置滤波信号之间的相似性L,进而判断有效分量与噪声分量的分界点,筛选出有效分量,最后,重构有效分量,去除噪声分量,得到最终去噪后的泄漏信号。本发明得到的去噪后的泄漏信号具有较少的噪声和更明显的信号特征。
2、本发明能够对管道泄漏信号进行较好的去噪,保留原始泄漏信号中的基本特征,为管道泄漏信号去噪提供了一种新方法,在管道泄漏信号处理中具有一定的应用价值。
3、通过对实验结果的分析验证了本发明可有效去除泄漏信号中的噪声,保留了原始泄漏信号中的有效特征,在管道泄漏信号处理中具有一定的应用价值。
附图说明
图1为本发明的一种基于WT-LCD-WD的管道泄漏信号去噪方法流程图;
图2为管道泄漏工况原始声波信号的波形及频谱图;
图3为小波阈值处理后信号的波形图;
图4为预处理后得到的信号LCD分解各ISC分量时域图;
图5为各ISC分量与原始信号的概率密度的WD距离;
图6泄漏信号去噪后信号的波形及频谱图。
具体实施方式
下面结合附图对本发明作进一步的说明:
这种基于WT-LCD-WD的管道泄漏信号去噪方法,首先采用小波阈值去噪法对声波传感器采集到的泄漏信号进行前置滤波处理,然后采用LCD算法对前置滤波后得到的信号进行自适应分解,得到多个ISC分量,计算各ISC分量与前置滤波信号之间的概率密度函数之间的Wasserstein距离,简称为WD,通过评估相邻ISC分量与前置滤波信号的WD开始增加后的第一个局部最大值点作为有效分量与噪声分量的分界点。最后将筛选的有效分量进行重构,去除噪声分量,得到最终去噪后的泄漏信号。具体如下:
步骤1、采用声波传感器采集油气管道在泄漏工况下的声波信号数据。
步骤2、采用小波阈值去噪法对采集到的泄漏声波信号进行预处理,实现信号的前置滤波。采用小波变换对泄漏信号进行前置滤波时,选取的小波基为正交紧支集函数“db5”小波基,分解层数为5。
步骤3、采用局部特征尺度分解(LCD)算法对步骤2中得到的前置滤波信号进行自适应分解,得到该信号的若干个内禀尺度分量(ISC)信号和一个残余分量。
采用局部特征尺度分解(LCD)算法对步骤2中得到的前置滤波信号f0(t)进行自适应分解,分解得到若干个具有不同尺度的ISC分量和一个残余分量,用公式表示为:
其中:f0(t)表示为步骤2中得到的前置滤波信号;ISCk(t)为第k个ISC分量,k=1,2,…,K;K为ISC分量的个数;rk(t)为残余分量。
步骤4、将ISC分量与前置滤波信号进行相关性分析,利用各ISC分量与前置滤波信号的概率密度函数之间的Wasserstein距离(WD)来表示其与前置滤波信号的相似程度L,计算各ISC分量与前置滤波信号的概率密度之间的WD,通过评估相邻ISC与前置滤波信号的WD开始增加后的第一个局部最大值点作为有效分量与噪声分量的分界点。
利用各ISC分量与前置滤波信号的概率密度函数之间的Wasserstein距离来表示其与前置滤波信号的相似程度L,L定义为:
L(k)=WD[pdf(ISCk(t)),pdf(f0(t))]
其中,ISCk(t)为第k个ISC分量,k=1,2,…,K;K为ISC分量的个数;pdf(ISCk(t))为ISC分量的概率密度;pdf(f0(t))为原始信号的概率密度。相邻分量与前置滤波信号的WD增量为θi,定义为:
θi=L(i+1)-L(i)
其中,i=1,2,…,(k-1)。
在本发明中,分界点ISCm及其之前的ISC分量作为噪声分量,分界点后的ISC分量及残余分量rK(t)作为有效分量。
步骤5、将筛选出的有效分量进行重构,去除噪声分量,最后得到去噪后的泄漏信号。
去噪后的泄漏信号表示如下:
下面通过保密实验对本发明的有益效果进行说明:
实验参数如下:本发明中用到的实验数据均来自东北石油大学的实验室油气管道泄漏检测模拟实验平台,管道总长为169m,管道直径为150mm,管道壁厚为4mm,管道内可以实现气体和液体的运输。本发明采用压缩空气仿真气体管道,其中气体压力为0.5MPa,流速16m/s,泄漏口径16mm。管道上设有多个泄漏点,用于仿真现场管道的泄漏,并且可通过监控台对管道的相关参数进行监控。实验数据包括正常和泄漏这两种工况下所采集到的信号数据。其中,正常信号是管道阀门关闭,管道气体运输正常情况下采集到的信号;泄漏信号是通过在泄漏点处安装一条10m的高压声波衰减管,在管的末端安装上一个泄漏孔径为1mm的堵头和一个4分球阀,然后迅速切换4分球阀开关模拟管道泄漏所采集的信号,系统采样频率设为1000Hz。一种基于WT-LCD-WD的管道泄漏信号去噪方法,如图1所示:包括如下步骤:
S1,首先,采用声波传感器采集实验室管道在泄漏工况下的泄漏信号,泄漏信号时域波形与频谱如图2所示。
S2,采用小波阈值去噪法对采集到的泄漏声波信号进行预处理,实现信号的前置滤波,进而可降低采集的泄漏信号的信噪比,预处理后的前置滤波信号如图3所示。
S3,采用LCD算法对步骤2中得到的信号进行分解,得到相对应信号的若干个ISC分量和残余分量,LCD分解结果如图4所示。
S4,由LCD分解结果图可以看到,LCD分解后得到的每个ISC分量中含有的前置滤波信号中的有效分量不同,为了筛选出与前置滤波信号相关性较大的有效分量,将LCD分解后得到的ISC分量与前置滤波信号进行相关性分析。利用各ISC分量与前置滤波信号的概率密度函数(pdf)之间的Wasserstein距离(WD)来表示其与前置滤波信号的相似程度L,计算各ISC分量与前置滤波信号的pdf之间的WD,计算结果如图5所示,通过评估相邻ISC与前置滤波信号的WD开始增加后的第一个局部最大值点作为有效分量与噪声分量的分界点。由图5可以看出,分界点模态为ISC2,因此,筛选的有效分量为ISC3、ISC4,ISC5,ISC6,ISC7,ISC8,和残余分量;噪声分量为ISC1和ISC2。
S5,将步骤4中筛选出的有效分量进行重构,噪声分量进行去除,得到的信号为最终去噪后的泄漏信号,去噪后的泄漏信号的波形及频谱图6所示。
由图2和图6可以看出,去噪前泄漏信号中含有较多噪声,从频域图中可以看到泄漏信号的主要有效频率集中在低频段,高频段主要为噪声成分。去噪后信号的低频信号基本未受影响,高频噪声明显被去除,去噪后信号较好的保留了原始信号的基本特征和频率特征,这说明了本发明的可行性。
Claims (3)
1.一种基于WT-LCD-WD的管道泄漏信号去噪方法,其特征在于包括以下步骤:
步骤1、采用声波传感器采集油气管道在泄漏工况下的声波信号数据,并定义为泄漏信号f1(t);
步骤2、采用小波阈值去噪法对采集到的泄漏信号进行预处理,实现信号的前置滤波,前置滤波预处理后得到前置滤波信号f0(t);
步骤3、采用局部特征尺度分解算法将所述前置滤波信号自适应分解为若干个ISC分量和一个残余分量;
局部特征尺度分解算法分解结果用公式表示为:
其中:f0(t)为前置滤波信号;ISCk(t)为第k个ISC分量,k=1,2,…,K;K为ISC分量的个数;rk(t)为残差;
步骤4、利用各ISC分量与前置滤波信号的概率密度函数之间的Wasserstein距离来表示其与前置滤波信号的相似程度L,计算各ISC分量与前置滤波信号的的概率密度之间的WD,通过评估相邻ISC分量与前置滤波信号的WD,将WD开始增加后的第一个局部最大值点作为有效分量与噪声分量的分界点,定义分界点分量为ISCm,其中,分界点及其之前的ISC分量作为噪声分量,分界点后的ISC分量作为有效分量;
定义相邻分量与前置滤波信号的WD增量θi为:
θi=L(i+1)-L(i)
其中,i=1,2,…,(k-1);
步骤5、重构有效分量,去除噪声分量,最后得到去噪后的泄漏信号,去噪后的泄漏信号表示为:
2.根据权利要求1所述的基于WT-LCD-WD的管道泄漏信号去噪方法,其特征在于:所述的步骤4中相似程度L为:
L(k)=WD[pdf(ISCk(t)),pdf(f0(t))]
其中,ISCk(t)为第k个ISC分量,k=1,2,…,K;K为ISC分量的个数;pdf(ISCk(t))为ISC分量的概率密度;pdf(f0(t))为原始信号的概率密度。
3.根据权利要求2所述的基于WT-LCD-WD的管道泄漏信号去噪方法,其特征在于:所述的步骤2中,采用小波小波阈值去噪法对泄漏信号进行前置滤波时,选取的小波基为正交紧支集函数“db5”小波基,分解层数为5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011541627.XA CN112539887A (zh) | 2020-12-23 | 2020-12-23 | 一种基于wt-lcd-wd的管道泄漏信号去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011541627.XA CN112539887A (zh) | 2020-12-23 | 2020-12-23 | 一种基于wt-lcd-wd的管道泄漏信号去噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112539887A true CN112539887A (zh) | 2021-03-23 |
Family
ID=75017763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011541627.XA Pending CN112539887A (zh) | 2020-12-23 | 2020-12-23 | 一种基于wt-lcd-wd的管道泄漏信号去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112539887A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023165245A1 (zh) * | 2022-06-10 | 2023-09-07 | 常州大学 | 一种基于lcd的城市管道泄漏分析方法 |
WO2023150390A3 (en) * | 2022-02-07 | 2023-12-07 | Iot Technologies Llc | Systems and methods for detecting events using data classification |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107461611A (zh) * | 2017-08-24 | 2017-12-12 | 南京邮电大学 | 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 |
CN111735583A (zh) * | 2020-06-24 | 2020-10-02 | 东北石油大学 | 一种基于lcd-ee的管道声波信号特征提取的管道工况识别方法 |
-
2020
- 2020-12-23 CN CN202011541627.XA patent/CN112539887A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107461611A (zh) * | 2017-08-24 | 2017-12-12 | 南京邮电大学 | 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 |
CN111735583A (zh) * | 2020-06-24 | 2020-10-02 | 东北石油大学 | 一种基于lcd-ee的管道声波信号特征提取的管道工况识别方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023150390A3 (en) * | 2022-02-07 | 2023-12-07 | Iot Technologies Llc | Systems and methods for detecting events using data classification |
WO2023165245A1 (zh) * | 2022-06-10 | 2023-09-07 | 常州大学 | 一种基于lcd的城市管道泄漏分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109827082B (zh) | 一种管道多点泄漏精确定位方法 | |
CN112539887A (zh) | 一种基于wt-lcd-wd的管道泄漏信号去噪方法 | |
CN110717472B (zh) | 基于改进的小波阈值去噪的故障诊断方法及系统 | |
CN111795931B (zh) | 一种针对激光超声缺陷检测衍射回波信号的重构提取方法 | |
CN109340586B (zh) | 一种供水管道泄露的检测方法及系统 | |
CN111735583B (zh) | 一种基于lcd-ee的管道声波信号特征提取的管道工况识别方法 | |
Mei et al. | Adaptive signal enhancement based on improved VMD-SVD for leak location in water-supply pipeline | |
CN109630908B (zh) | 一种多次降噪的管道泄漏定位方法 | |
Ting et al. | Improvement of acoustic water leak detection based on dual tree complex wavelet transform-correlation method | |
Zhou et al. | Improving purity of blasting vibration signals using advanced Empirical Mode Decomposition and Wavelet packet technique | |
WO2022187898A1 (en) | Pipeline anomaly detection method and system | |
CN114722856A (zh) | 管道损伤监测方法及装置 | |
CN113589253A (zh) | 一种基于伪时域的小波变换算法对微弱回波信号进行检测的方法 | |
CN117688369A (zh) | 基于das的注浆管道数据降噪方法 | |
Mao et al. | Noise suppression and flaw detection of ultrasonic signals via empirical mode decomposition | |
Jiang et al. | Research on a novel denoising method for negative pressure wave signal based on VMD | |
CN115859054A (zh) | 基于mic和ceemdan的水电机组尾水管压力脉动数据滤波方法 | |
Liang et al. | Optimal scale wavelet transform for the identification of weak ultrasonic signals | |
Banjade et al. | Enhancing earthquake signal based on variational mode decomposition and SG filter | |
CN115436470A (zh) | 一种管道裂纹精准定位方法、系统、终端及其存储介质 | |
Zhao et al. | Pipeline leak fault feature extraction based on wavelet packet analysis and application | |
CN114417928A (zh) | 一种基于城市管道泄漏的监测数据降噪方法 | |
CN112926504A (zh) | 一种基于降噪自编码器的声发射信号去噪方法 | |
PiRemli et al. | Transient-based leak detection and monitoring of water pipes using complementary ensemble empirical mode decomposition (CEEMD) method | |
CN110532635A (zh) | 一种基于时域的管道泄漏检测算法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210323 |
|
RJ01 | Rejection of invention patent application after publication |