CN112857699A - 一种声矢量传感器的长输油气管道泄漏检测和定位方法 - Google Patents

一种声矢量传感器的长输油气管道泄漏检测和定位方法 Download PDF

Info

Publication number
CN112857699A
CN112857699A CN202110000322.6A CN202110000322A CN112857699A CN 112857699 A CN112857699 A CN 112857699A CN 202110000322 A CN202110000322 A CN 202110000322A CN 112857699 A CN112857699 A CN 112857699A
Authority
CN
China
Prior art keywords
array
sound
sensor
vector
matrix
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
CN202110000322.6A
Other languages
English (en)
Other versions
CN112857699B (zh
Inventor
王桂宝
廖桂生
孙长征
蒋媛
卢进军
熊召新
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.)
Xi'an Jinshilihe Automation Engineering Co ltd
Original Assignee
Shaanxi University of Technology
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 Shaanxi University of Technology filed Critical Shaanxi University of Technology
Priority to CN202110000322.6A priority Critical patent/CN112857699B/zh
Publication of CN112857699A publication Critical patent/CN112857699A/zh
Application granted granted Critical
Publication of CN112857699B publication Critical patent/CN112857699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • F17D5/005—Protection or supervision of installations of gas pipelines, e.g. alarm
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Abstract

一种声矢量传感器的长输油管道泄漏检测和定位方法，建立长输油气管道泄漏声音数据库，声矢量传感器阵列感知长输油气管道泄漏声音，进行数据采集，全阵列接收数据自相关矩阵特征分解，根据子空间理论并利用最小二乘法得到阵列导向矢量矩阵估计值并进一步得到方位角和俯仰角的估计值，结合声压标量传感器测量的声强并与数据库中的数据比对给出管道泄漏点距离以及管道损伤情况和泄漏状况的总体信息并发送给信息接收中心；本发明方法利用人工智能技术，建立了管道泄漏声音数据库，将管道泄漏声音和其它噪声分开，有效预防了漏报和虚报的概率，利用声矢量传感器提高了管道泄漏点的定位精度，弥补了现有检测定位方法的不足。

Description

一种声矢量传感器的长输油气管道泄漏检测和定位方法
技术领域
本发明专利涉及一种长输油管道泄漏检测方法，尤其涉及一种声矢量传感器的长输油管道泄漏检测和定位方法。
背景技术
用长输管线输送流体是一种方便经济的运输方法。这种运输方法被用于各种液体和气体的输送，因此长输管道在工业中有着广泛的应用。随着我国经济发展和能源结构转变，石油和天然气这些清洁能源的需求不断增加，管道分布越来越广。长输油气管道已经成为我国能源大动脉的重要组成部分，在国民经济中的战略地位十分重要。长输油气管道的特点是点多线长，且多数为地埋管道。由于使用环境恶劣，随着服役时间不断增长，腐蚀、地形沉降、重压、机械施工及人为破坏管道窃取石油资源，严重威胁着石油管线的安全和周围的自然环境，同时带来不可估量的经济损失，如果能够及时发现泄漏并确定泄漏位置，将带来明显的经济效益和社会效益。油/气管道泄漏时会有油/气从损伤的管道中喷射出来，流体从管道中喷射出来的时候会有声音产生，通过对这种声音的探测和定位完成长输油管道泄漏点的检测和定位。目前检测泄漏及定位的方法，管内探测球方法，探测球是一类基于超声技术或漏磁技术的检测工具，它的优点是检测准确，缺点是探测只能间断进行。由于探测球在管内随介质漂流，容易发生堵塞停运的事故，而且管内探测球方法工程造价高；利用分布式碳氢化合物传感器电缆的检测方法，通过沿管道外壁敷设对油、气敏感的特殊线缆来进行泄漏检测和定位。这种检测方法非常灵敏，对于其他方法无能为力的小泄漏和缓慢泄漏有很好的效果，但是，该线缆造价昂贵，施工费用高，而且一旦沾染上了石油产品或溶剂后，就得进行更换。探索一种造价低，无事故的连续检测定位方法非常必要。声矢量传感器由三个空间共点相互垂直的声速矢量传感器和一个声压标量传感器构成，可以同步测量声压和三个方向相互垂直的声速，与单一的声压标量传感器相比能够获取更为丰富的声源信号信息，通过在输油气管道的外壁安装声矢量传感器，利用声矢量传感器构成的声矢量传感器阵列对管道泄漏点进行定位，这种定位方法是将声矢量传感器安装在管道外面不会引起管道的堵塞事故，可以连续进行检测，克服了现有泄漏检测方法的一些缺陷。
发明内容
针对上述技术的不足和缺陷，本发明提出了一种基于声矢量传感器的长输油管道泄漏检测和定位方法，该检测定位方法施工费用低，可以连续检测，且定位准确，如果某一个声矢量传感器出现故障，只需要更换/维修故障声矢量传感器，其它部分不受任何影响。
本发明的目的是提供一种声矢量传感器阵列的长输油气管道泄漏点的检测和定位方法，通过联合利用多个声矢量传感器阵列的数据信息提高定位精度。
为了实现上述目的，本发明采取如下的技术解决方案：
声矢量传感器阵列的泄漏点的检测和定位方法，包括以下步骤：
K个不同频率的远场、互不相关窄带声源信号同时入射到声矢量传感器阵列上，所述阵列的阵元是由一个声压传感器和三个空间轴向垂直的振速传感器组成的声矢量传感器，每个声矢量传感器上装有一个同步采样时钟和一个2.4G的射频发射器，且有一个防爆纽扣电池对其供电。
步骤一、建立长输油气管道泄漏声音数据库；
根据长输油气管道经过的实际路线的不同埋藏深度，不同自然环境，不同的地质特点，对油气管道泄漏的声音进行全面学习，学习输油管道在各种埋藏深度、各种损伤情况下、各种裂缝、各种孔洞、各种自然环境下的泄漏声音，根据传感器所在位置的管道埋藏深度和自然环境和地质特点将相应的泄漏声音数据库存储到声矢量传感器的芯片中，同时将每一个传感器的空间位置坐标信息也存储在该芯片中；
步骤二、声矢量传感器阵列感知长输油气管道泄漏声音，开启采样时钟并进行数据采集；
当声矢量传感器感知的声音为其数据库中的泄漏声音时，开启采样时钟并进行数据采集，对输油管线上M个声矢量传感器组成的阵列接收信号进行N次采样得到第一组采样数据X，阵列的接收信号延时ΔT后进行同步采样，得到第二组采样数据Y，X和Y均为4M×N的矩阵，K＜M-1，M是感知到管道油气泄漏的声矢量传感器，它的数量是由实际情况确定的；
Figure BDA0002881297330000031
其中，
Figure BDA0002881297330000032
vx＝sinθk cosφk，vy＝sinθk sinφk，vz＝cosθk，θk∈[0，π/2]是第k个信号的俯仰角，φk∈[-π，π]为第k个信号的方位角，xmp(n)表示第m个阵元的声压传感器输出信号的第n次采样数据，
Figure BDA0002881297330000033
表示第m个阵元的x轴方向质点振速传感器输出信号的第n次采样数据，
Figure BDA0002881297330000034
表示第m个阵元的y轴方向质点振速传感器输出信号的第n次采样数据，
Figure BDA0002881297330000035
表示第m个阵元的z轴方向质点振速传感器输出信号的第n次采样数据；
Figure BDA0002881297330000036
ymp(n)表示延时ΔT后第m个阵元的声压传感器输出信号的第n次采样数据，
Figure BDA0002881297330000037
表示延时ΔT后第m个阵元的x轴方向质点振速传感器输出信号的第n次采样数据，
Figure BDA0002881297330000038
表示延时ΔT后第m个阵元的y轴方向质点振速传感器输出信号的第n次采样数据，
Figure BDA0002881297330000039
表示延时ΔT后第m个阵元的z轴方向质点振速传感器输出信号的第n次采样数据，m＝1,…,M表示阵元数，n＝1,…,N表示采样数；
第一组采样数据矩阵X＝A1P+N1，其中，P＝[p1,p2,…,pK]为K个互不相关入射声波的声强，N1＝[n11,n12,…,n1M]为噪声矩阵，信号和噪声互不相关，A1为4M×K的阵列导向矢量矩阵，A1＝[A11,A12,…,A1k，…，A1K]，其中，
Figure BDA00028812973300000310
表示第k个信号对应的阵列导向矢量，a1k＝pk[1，sinθkcosφk,sinθksinφk，cosθk]T表示第k个信号在坐标原点(参考点)处声矢量传感器感应的声压和声速矢量，
Figure BDA00028812973300000311
是输油气管道上的M个声矢量传感器与位于原点处的声矢量传感器之间相位差构成空域导向矢量，(xm,ym,zm)为第m个声矢量传感器的位置坐标；
第二组采样数据矩阵Y＝A2P+N2，其中，A2＝A1Φ，A2为4M×K的阵列导向矢量矩阵，Φ＝diag[exp(j2πf1ΔT),…,exp(j2πfKΔT)]为时延矩阵,N2＝[n21,n22,…,n2M]为噪声矩阵，A2＝[A21 A22 … A2K]，其中，
Figure BDA0002881297330000041
表示延迟ΔT后坐标原点的声矢量传感器感应的声压和声速；
步骤三、全阵列接收数据矩阵Z的数据自相关矩阵Rz特征分解，并利用最小二乘法得到第一组数据对应的阵列导向矢量矩阵估计值
Figure BDA0002881297330000042
第二组数据对应的阵列导向矢量矩阵估计值
Figure BDA0002881297330000043
构造全阵列接收数据矩阵
Figure BDA0002881297330000044
其中，
Figure BDA0002881297330000045
是全阵列接收数据对应的阵列导向矢量矩阵，
Figure BDA0002881297330000046
是全阵列接收数据噪声矩阵；计算全阵列接收数据矩阵Z的数据自相关矩阵
Figure BDA0002881297330000047
其中，
Figure BDA0002881297330000048
为入射信号的自相关函数，σ2为噪声的方差，I为单位矩阵，(·)H表示转置复共轭操作；对数据自相关矩阵Rz进行特征分解，得到由K个大特征值对应的特征向量构成的信号子空间Es和8M-K个小特征值对应的特征向量构成的噪声子空间En，根据子空间原理，存在K×K的非奇异矩阵T，满足Es＝AT，分别取Es的前4M行及后4M行组成信号子空间矩阵E1和E2，由信号子空间的定义，知
Figure BDA0002881297330000049
其中
Figure BDA00028812973300000410
通过对矩阵
Figure BDA00028812973300000411
进行特征分解得到T的估计
Figure BDA00028812973300000412
从而得到第一组数据对应的阵列导向矢量估计值
Figure BDA00028812973300000413
第二组数据对应的阵列导向矢量估计值
Figure BDA00028812973300000414
步骤四、根据导向矢量矩阵
Figure BDA00028812973300000415
和
Figure BDA00028812973300000416
得到信号方向余弦估计并进一步得到方位角和俯仰角的估计值；
由导向矢量矩阵
Figure BDA00028812973300000417
的第k列
Figure BDA00028812973300000418
得到
Figure BDA00028812973300000419
Figure BDA00028812973300000420
表示第k个信号对应的阵列导向矢量的估计值，即为单位功率声信号在各个声矢量传感器上感知的声压和声速矢量，将
Figure BDA00028812973300000421
四个元素一组进行分块，将列向量
Figure BDA00028812973300000422
分成M块，第m块对应第m个声矢量传感器上感知的声压和声速矢量
Figure BDA00028812973300000423
每一块中的元素都对其第一个元素归一得到
Figure BDA00028812973300000424
通过对M块求平均得到
Figure BDA00028812973300000425
由导向矢量矩阵
Figure BDA00028812973300000426
的第k列
Figure BDA00028812973300000427
得到
Figure BDA00028812973300000428
Figure BDA00028812973300000429
表示第k个信号对应的阵列导向矢量的估计值，即为单位功率声信号在各个声矢量传感器上感知的声压和声速矢量，将
Figure BDA00028812973300000430
四个元素一组进行分块，将列向量
Figure BDA00028812973300000431
分成M块，第m块对应第m个声矢量传感器上感知的声压和声速矢量
Figure BDA0002881297330000051
每一块中的元素都对其第一个元素归一得到
Figure BDA0002881297330000052
通过对M块求平均得到
Figure BDA0002881297330000053
由
Figure BDA0002881297330000054
和
Figure BDA0002881297330000055
的平均得到方向余弦的估计值
Figure BDA0002881297330000056
Figure BDA0002881297330000057
从而可以得到到达角的估计值
Figure BDA0002881297330000058
步骤五、参考点处声矢量传感器上的射频发射器将检测和定位结果以及参考点的位置坐标信息发送给信息接收中心；
利用声速传感器得到的声信号的空间到达角信息和声压标量传感器测量的声强信息并与数据库中的数据比对给出管道泄漏点距离参考点的距离以及管道损伤情况和泄漏状况的总体信息，并通过参考点处声矢量传感器上的射频发射器将检测和定位结果以及参考点的位置坐标信息发送给信息接收中心。
前述步骤中的m＝1,…,M，M为阵列的阵元数，n＝1,…,N，N为采样次数，j为虚数单位，在本发明中的信号都是指管道泄漏发出的声音，噪声都是指除管道泄漏以外的噪声，坐标原点即参考点选择在管道泄漏声音最强的声矢量传感器所在的位置。
本发明的阵列为三维空间任意分布阵列，声矢量传感器的阵元由一个声压传感器和三个空间轴向垂直的振速传感器构成，所有的声矢量传感器的对应振速传感器相互平行。
基于声矢量传感器阵列的长管道泄漏点检测和定位方法，利用了人工智能技术，通过对各种情况的学习建立了管道泄漏声音数据库，将管道泄漏声音和其它噪声分开，有效预防了漏报和虚报的概率，利用声矢量传感器阵列提高了管道泄漏点的定位精度，弥补了现有检测定位方法的不足。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中需要使用的附图做简单介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例声矢量传感器阵列的示意图；
图2为本发明方法的流程图；
图3仿真实验的本发明方法的到达角估计散布图
图4为本发明方法的方位角估计标准偏差随信噪比的变化曲线图；
图5为本发明方法的俯仰角估计标准偏差随信噪比的变化曲线图；
图6为本发明方法的到达角估计成功概率随信噪比的变化曲线图。
具体实施方式
为了让本发明的上述和其它目的、特征及优点能更明显，下文特举本发明实施例，并配合所附图示，做详细说明如下。
图1所示为本发明实施例的声矢量传感器阵列的示意图。本发明的声矢量传感器阵列为三维空间任意分布阵列，其阵元是由一个声压传感器和三个空间轴向垂直的振速传感器构成的声矢量传感器，所有的声矢量传感器的对应振速传感器相互平行；P为声强分量，(xm,ym,zm)分别是第m个阵元的x轴、y轴和z轴方向质点振速传感器，m＝1,…,M，M为阵列的阵元数，1中阵元用“·”表示；
参照图2，本发明的长输油管道泄漏检测和定位方法的步骤如下：K个不同频率的远场、互不相关窄带声源信号同时入射到声矢量传感器阵列上，每个声矢量传感器上装有一个同步采样时钟和一个2.4G的射频发射器，且有一个防爆纽扣电池对其供电，K为入射声源信号的数量，K≤M-1，
步骤一、建立长输油气管道泄漏声音数据库；
根据长输油气管道经过的实际路线的不同埋藏深度，不同自然环境，不同的地质特点，对油气管道泄漏的声音进行全面学习，学习输油管道在各种埋藏深度、各种损伤情况下、各种裂缝、各种孔洞、各种自然环境下的泄漏声音，根据传感器所在位置的管道埋藏深度和自然环境和地质特点将相应的泄漏声音数据库存储到声矢量传感器的芯片中，同时将每一个传感器的空间位置坐标信息也存储在该芯片中；
步骤二、声矢量传感器阵列感知长输油气管道泄漏声音，开启采样时钟并进行数据采集；
当声矢量传感器感知的声音为其数据库中的泄漏声音时，开启采样时钟并进行数据采集，对输油管线上M个声矢量传感器组成的阵列接收信号进行N次采样得到第一组采样数据X，阵列的接收信号延时ΔT后进行同步采样，得到第二组采样数据Y，X和Y均为4M×N的矩阵，K＜M-1，M是感知到管道油气泄漏的声矢量传感器，它的数量是由实际情况确定的；
Figure BDA0002881297330000071
其中，
Figure BDA0002881297330000072
vx＝sinθkcosφk，vy＝sinθksinφk，vz＝cosθk，θk∈[0，π/2]是第k个信号的俯仰角，φk∈[-π，π]为第k个信号的方位角，xmp(n)表示第m个阵元的声压传感器输出信号的第n次采样数据，
Figure BDA0002881297330000073
表示第m个阵元的x轴方向质点振速传感器输出信号的第n次采样数据，
Figure BDA0002881297330000074
表示第m个阵元的y轴方向质点振速传感器输出信号的第n次采样数据，
Figure BDA0002881297330000075
表示第m个阵元的z轴方向质点振速传感器输出信号的第n次采样数据；
Figure BDA0002881297330000076
ymp(n)表示延时ΔT后第m个阵元的声压传感器输出信号的第n次采样数据，
Figure BDA0002881297330000077
表示延时ΔT后第m个阵元的x轴方向质点振速传感器输出信号的第n次采样数据，
Figure BDA0002881297330000078
表示延时ΔT后第m个阵元的y轴方向质点振速传感器输出信号的第n次采样数据，
Figure BDA0002881297330000079
表示延时ΔT后第m个阵元的z轴方向质点振速传感器输出信号的第n次采样数据，m＝1,…,M表示阵元数，n＝1,…,N表示采样数；
第一组采样数据矩阵X＝A1P+N1，其中，P＝[p1,p2,…,pK]为K个互不相关入射声波的声强，N1＝[n11,n12,…,n1M]为噪声矩阵，信号和噪声互不相关，A1为4M×K的阵列导向矢量矩阵，A1＝[A11,A12,…,A1k，…，A1K]，其中，
Figure BDA00028812973300000710
表示第k个信号对应的阵列导向矢量，a1k＝pk[1，sinθkcosφk,sinθksinφk，cosθk]T表示第k个信号在坐标原点(参考点)处声矢量传感器感应的声压和声速矢量，
Figure BDA0002881297330000081
是输油气管道上的M个声矢量传感器与位于原点处的声矢量传感器之间相位差构成空域导向矢量，(xm,ym,zm)为第m个声矢量传感器的位置坐标；
第二组采样数据矩阵Y＝A2P+N2，其中，A2＝A1Φ，A2为4M×K的阵列导向矢量矩阵，Φ＝diag[exp(j2πf1ΔT),…,exp(j2πfKΔT)]为时延矩阵,N2＝[n21,n22,…,n2M]为噪声矩阵，A2＝[A21 A22 … A2K]，其中，
Figure BDA0002881297330000082
表示延迟ΔT后坐标原点的声矢量传感器感应的声压和声速；
步骤三、全阵列接收数据矩阵Z的数据自相关矩阵Rz特征分解，并利用最小二乘法得到第一组数据对应的阵列导向矢量矩阵估计值
Figure BDA0002881297330000083
第二组数据对应的阵列导向矢量矩阵估计值
Figure BDA0002881297330000084
构造全阵列接收数据矩阵
Figure BDA0002881297330000085
其中，
Figure BDA0002881297330000086
是全阵列接收数据对应的阵列导向矢量矩阵，
Figure BDA0002881297330000087
是全阵列接收数据噪声矩阵；计算全阵列接收数据矩阵Z的数据自相关矩阵
Figure BDA0002881297330000088
其中，
Figure BDA0002881297330000089
为入射信号的自相关函数，σ2为噪声的方差，I为单位矩阵，(·)H表示转置复共轭操作；对数据自相关矩阵Rz进行特征分解，得到由K个大特征值对应的特征向量构成的信号子空间Es和8M-K个小特征值对应的特征向量构成的噪声子空间En，根据子空间原理，存在K×K的非奇异矩阵T，满足Es＝AT，分别取Es的前M行及后M行组成信号子空间矩阵E1和E2，由信号子空间的定义，知
Figure BDA00028812973300000810
其中
Figure BDA00028812973300000811
通过对矩阵
Figure BDA00028812973300000812
进行特征分解得到T的估计
Figure BDA00028812973300000813
从而得到第一组数据对应的阵列导向矢量估计值
Figure BDA00028812973300000814
第二组数据对应的阵列导向矢量估计值
Figure BDA00028812973300000815
步骤四、根据导向矢量矩阵
Figure BDA00028812973300000816
和
Figure BDA00028812973300000817
得到信号方向余弦估计并进一步得到方位角和俯仰角的估计值；
由导向矢量矩阵
Figure BDA00028812973300000818
的第k列
Figure BDA00028812973300000819
得到
Figure BDA00028812973300000820
Figure BDA00028812973300000821
表示第k个信号对应的阵列导向矢量的估计值，即为单位功率声信号在各个声矢量传感器上感知的声压和声速矢量，将
Figure BDA00028812973300000822
四个元素一组进行分块，将列向量
Figure BDA00028812973300000823
分成M块，第m块对应第m个声矢量传感器上感知的声压和声速矢量
Figure BDA00028812973300000824
每一块中的元素都对其第一个元素归一得到
Figure BDA0002881297330000091
通过对M块求平均得到
Figure BDA0002881297330000092
由导向矢量矩阵
Figure BDA0002881297330000093
的第k列
Figure BDA0002881297330000094
得到
Figure BDA0002881297330000095
Figure BDA0002881297330000096
表示第k个信号对应的阵列导向矢量的估计值，即为单位功率声信号在各个声矢量传感器上感知的声压和声速矢量，将
Figure BDA0002881297330000097
四个元素一组进行分块，将列向量
Figure BDA0002881297330000098
分成M块，第m块对应第m个声矢量传感器上感知的声压和声速矢量
Figure BDA0002881297330000099
每一块中的元素都对其第一个元素归一得到
Figure BDA00028812973300000910
通过对M块求平均得到
Figure BDA00028812973300000911
由
Figure BDA00028812973300000912
和
Figure BDA00028812973300000913
的平均得到方向余弦的估计值
Figure BDA00028812973300000914
Figure BDA00028812973300000915
从而可以得到到达角的估计值
Figure BDA00028812973300000916
步骤五、参考点处声矢量传感器上的射频发射器将检测和定位结果以及参考点的位置坐标信息发送给信息接收中心；
利用声速传感器得到的声信号的空间到达角信息和声压标量传感器测量的声强信息并与数据库中的数据比对给出管道泄漏点距离参考点的距离以及管道损伤情况和泄漏状况的总体信息，并通过参考点处声矢量传感器上的射频发射器将检测和定位结果以及参考点的位置坐标信息发送给信息接收中心。
前述步骤中的m＝1,…,M，M为阵列的阵元数，n＝1,…,N，N为采样次数，j为虚数单位。
本发明引入了声矢量传感器阵列来进行长管道泄漏点检测和定位，利用了人工智能技术，通过对各种情况的学习建立了管道泄漏声音数据库，将管道泄漏声音和其它噪声分开，有效预防了漏报和虚报的概率，利用声矢量传感器阵列提高了管道泄漏点的定位精度，弥补了现有检测定位方法的不足；
本发明的效果可以通过以下的仿真结果进一步说明：
仿真实验条件如下：
两个不同频率的远场、互不相关窄带声源信号入射到由9个空间任意分布的声矢量传感器阵列，如图1所示，阵元间隔为dx＝0.5λmin，入射信号的参数为：(θ1,φ1)＝(80°,45°)，(θ2,φ2)＝(70°,50°)，快拍数为512次，100次独立实验。
仿真实验结果如图3至图6示，图3为信噪比是15dB时，本发明方法到达角估计的散布图，从图3可以看出本发明方法到达角估计在真实值附近，估计精度较高；从图4和图5可以看出本发明方法的方位角和俯仰角估计的标准偏差更小，也就是估计值在均值附近的更小范围内扰动；到达角估计成功概率是指在100次独立试验中俯仰角和方位角估计值满足关系式
Figure BDA0002881297330000101
的实验次数占总实验次数的百分比；其中，θ0和φ0是真值，
Figure BDA0002881297330000102
和
Figure BDA0002881297330000103
是指第i次实验的估计值，从图6可以看出,本发明方法的成功概率较高，特别是10dB时，本发明方法的成功概率达到了70％；
以上所述，仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (1)

1.一种声矢量传感器的长输油气管道泄漏检测和定位方法，其特征在于：
所述声矢量传感器阵列为三维空间任意分布阵列，其阵元是由一个声压传感器和三个空间轴向垂直的振速传感器构成的声矢量传感器，所有的声矢量传感器的对应振速传感器相互平行；P为声强分量，(xm,ym,zm)分别是第m个阵元的x轴、y轴和z轴方向质点振速传感器，其中，m＝1,…,M，M为阵列的阵元数；
声矢量传感器阵列的泄漏点的检测和定位方法的步骤如下：阵列接收K个不同频率的远场、互不相关的窄带声波入射信号，
步骤一、建立长输油气管道泄漏声音数据库；
根据长输油气管道经过的实际路线的不同埋藏深度，不同自然环境，不同的地质特点，对油气管道泄漏的声音进行全面学习，学习输油管道在各种埋藏深度、各种损伤情况下、各种裂缝、各种孔洞、各种自然环境下的泄漏声音，根据传感器所在位置的管道埋藏深度和自然环境和地质特点将相应的泄漏声音数据库存储到声矢量传感器的芯片中，同时将每一个传感器的空间位置坐标信息也存储在该芯片中；
步骤二、声矢量传感器阵列感知长输油气管道泄漏声音，开启采样时钟并进行数据采集；
当声矢量传感器感知的声音为其数据库中的泄漏声音时，开启采样时钟并进行数据采集，对输油管线上M个声矢量传感器组成的阵列接收信号进行N次采样得到第一组采样数据X，阵列的接收信号延时ΔT后进行同步采样，得到第二组采样数据Y，X和Y均为4M×N的矩阵，K＜M-1，M是感知到管道油气泄漏的声矢量传感器，它的数量是由实际情况确定的；
Figure FDA0002881297320000011
其中，
Figure FDA0002881297320000012
vx＝sinθkcosφk，vy＝sinθksinφk，vz＝cosθk，θk∈[0，π/2]是第k个信号的俯仰角，φk∈[-π，π]为第k个信号的方位角，xmp(n)表示第m个阵元的声压传感器输出信号的第n次采样数据，
Figure FDA0002881297320000021
表示第m个阵元的x轴方向质点振速传感器输出信号的第n次采样数据，
Figure FDA0002881297320000022
表示第m个阵元的y轴方向质点振速传感器输出信号的第n次采样数据，
Figure FDA0002881297320000023
表示第m个阵元的z轴方向质点振速传感器输出信号的第n次采样数据；
Figure FDA0002881297320000024
ymp(n)表示延时ΔT后第m个阵元的声压传感器输出信号的第n次采样数据，
Figure FDA0002881297320000025
表示延时ΔT后第m个阵元的x轴方向质点振速传感器输出信号的第n次采样数据，
Figure FDA0002881297320000026
表示延时ΔT后第m个阵元的y轴方向质点振速传感器输出信号的第n次采样数据，
Figure FDA0002881297320000027
表示延时ΔT后第m个阵元的z轴方向质点振速传感器输出信号的第n次采样数据，m＝1,…,M表示阵元数，n＝1,…,N表示采样数；
第一组采样数据矩阵X＝A1P+N1，其中，P＝[p1,p2,…,pK]为K个互不相关入射声波的声强，N1＝[n11,n12,…,n1M]为噪声矩阵，信号和噪声互不相关，A1为4M×K的阵列导向矢量矩阵，A1＝[A11,A12,…,A1k，…，A1K]，其中，
Figure FDA0002881297320000028
表示第k个信号对应的阵列导向矢量，a1k＝pk[1，sinθkcosφk,sinθksinφk，cosθk]T表示第k个信号在坐标原点(参考点)处声矢量传感器感应的声压和声速矢量，
Figure FDA0002881297320000029
是输油气管道上的M个声矢量传感器与位于原点处的声矢量传感器之间相位差构成空域导向矢量，(xm,ym,zm)为第m个声矢量传感器的位置坐标；
第二组采样数据矩阵Y＝A2P+N2，其中，A2＝A1Φ，A2为4M×K的阵列导向矢量矩阵，Φ＝diag[exp(j2πf1ΔT),…,exp(j2πfKΔT)]为时延矩阵,N2＝[n21,n22,…,n2M]为噪声矩阵，A2＝[A21 A22 … A2K]，其中，
Figure FDA00028812973200000210
Figure FDA00028812973200000211
表示延迟ΔT后坐标原点的声矢量传感器感应的声压和声速；
步骤三、全阵列接收数据矩阵Z的数据自相关矩阵Rz特征分解，并利用最小二乘法得到第一组数据对应的阵列导向矢量矩阵估计值
Figure FDA00028812973200000212
第二组数据对应的阵列导向矢量矩阵估计值
Figure FDA00028812973200000213
构造全阵列接收数据矩阵
Figure FDA00028812973200000214
其中，
Figure FDA00028812973200000215
是全阵列接收数据对应的阵列导向矢量矩阵，
Figure FDA00028812973200000216
是全阵列接收数据噪声矩阵；计算全阵列接收数据矩阵Z的数据自相关矩阵
Figure FDA0002881297320000031
其中，
Figure FDA0002881297320000032
为入射信号的自相关函数，σ2为噪声的方差，I为单位矩阵，(·)H表示转置复共轭操作；对数据自相关矩阵Rz进行特征分解，得到由K个大特征值对应的特征向量构成的信号子空间Es和8M-K个小特征值对应的特征向量构成的噪声子空间En，根据子空间原理，存在K×K的非奇异矩阵T，满足Es＝AT，分别取Es的前M行及后M行组成信号子空间矩阵E1和E2，由信号子空间的定义，知
Figure FDA0002881297320000033
其中
Figure FDA0002881297320000034
通过对矩阵
Figure FDA0002881297320000035
进行特征分解得到T的估计
Figure FDA0002881297320000036
从而得到第一组数据对应的阵列导向矢量估计值
Figure FDA0002881297320000037
第二组数据对应的阵列导向矢量估计值
Figure FDA0002881297320000038
步骤四、根据导向矢量矩阵
Figure FDA0002881297320000039
和
Figure FDA00028812973200000310
得到信号方向余弦估计并进一步得到方位角和俯仰角的估计值；
由导向矢量矩阵
Figure FDA00028812973200000311
的第k列
Figure FDA00028812973200000312
得到
Figure FDA00028812973200000313
Figure FDA00028812973200000314
表示第k个信号对应的阵列导向矢量的估计值，即为单位功率声信号在各个声矢量传感器上感知的声压和声速矢量，将
Figure FDA00028812973200000315
四个元素一组进行分块，将列向量
Figure FDA00028812973200000316
分成M块，第m块对应第m个声矢量传感器上感知的声压和声速矢量
Figure FDA00028812973200000317
每一块中的元素都对其第一个元素归一得到
Figure FDA00028812973200000318
通过对M块求平均得到
Figure FDA00028812973200000319
由导向矢量矩阵
Figure FDA00028812973200000320
的第k列
Figure FDA00028812973200000321
得到
Figure FDA00028812973200000322
Figure FDA00028812973200000323
表示第k个信号对应的阵列导向矢量的估计值，即为单位功率声信号在各个声矢量传感器上感知的声压和声速矢量，将
Figure FDA00028812973200000324
四个元素一组进行分块，将列向量
Figure FDA00028812973200000325
分成M块，第m块对应第m个声矢量传感器上感知的声压和声速矢量
Figure FDA00028812973200000326
每一块中的元素都对其第一个元素归一得到
Figure FDA00028812973200000327
通过对M块求平均得到
Figure FDA00028812973200000328
由
Figure FDA00028812973200000329
和
Figure FDA00028812973200000330
的平均得到方向余弦的估计值
Figure FDA00028812973200000331
Figure FDA00028812973200000332
从而可以得到到达角的估计值
Figure FDA0002881297320000041
步骤五、参考点处声矢量传感器上的射频发射器将检测和定位结果以及参考点的位置坐标信息发送给信息接收中心；
利用声速传感器得到的声信号的空间到达角信息和声压标量传感器测量的声强信息并与数据库中的数据比对给出管道泄漏点距离参考点的距离以及管道损伤情况和泄漏状况的总体信息，并通过参考点处声矢量传感器上的射频发射器将检测和定位结果以及参考点的位置坐标信息发送给信息接收中心。
前述步骤中的m＝1,…,M，M为阵列的阵元数，n＝1,…,N，N为采样次数，j为虚数单位，在本发明中的信号都是指管道泄漏发出的声音，噪声都是指除管道泄漏以外的噪声，坐标原点即参考点选择在管道泄漏声音最强的声矢量传感器所在的位置。
本发明的阵列为三维空间任意分布阵列，声矢量传感器的阵元由一个声压传感器和三个空间轴向垂直的振速传感器构成，所有的声矢量传感器的对应振速传感器相互平行。
基于声矢量传感器阵列的长管道泄漏点检测和定位方法，利用了人工智能技术，通过对各种情况的学习建立了管道泄漏声音数据库，将管道泄漏声音和其它噪声分开，有效预防了漏报和虚报的概率，利用声矢量传感器阵列提高了管道泄漏点的定位精度，弥补了现有检测定位方法的不足。
CN202110000322.6A 2021-01-03 2021-01-03 一种声矢量传感器的长输油气管道泄漏检测和定位方法 Active CN112857699B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110000322.6A CN112857699B (zh) 2021-01-03 2021-01-03 一种声矢量传感器的长输油气管道泄漏检测和定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110000322.6A CN112857699B (zh) 2021-01-03 2021-01-03 一种声矢量传感器的长输油气管道泄漏检测和定位方法

Publications (2)

Publication Number Publication Date
CN112857699A true CN112857699A (zh) 2021-05-28
CN112857699B CN112857699B (zh) 2023-09-29

Family

ID=76001058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110000322.6A Active CN112857699B (zh) 2021-01-03 2021-01-03 一种声矢量传感器的长输油气管道泄漏检测和定位方法

Country Status (1)

Country Link
CN (1) CN112857699B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115602194A (zh) * 2022-12-09 2023-01-13 东莞先知大数据有限公司（Cn） 一种自适应水管探漏方法、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004144731A (ja) * 2002-08-27 2004-05-20 Kanazawa Inst Of Technology 位置推定方法および装置ならびにそれを利用したキャリブレーション方法および装置
WO2013145492A1 (ja) * 2012-03-30 2013-10-03 日本電気株式会社 漏洩検知方法、漏水検知方法、漏洩検知装置および漏水検知装置
CN106249225A (zh) * 2016-06-20 2016-12-21 陕西理工学院 稀疏圆形声矢量传感器阵列四元数esprit参数估计方法
WO2018030919A1 (ru) * 2016-08-09 2018-02-15 Общество с ограниченной ответственностью "ТЕХНОАС-СК" Способ определения места течи в трубопроводе и устройство для его осуществления
CN111271610A (zh) * 2020-04-08 2020-06-12 陕西理工大学 一种液体管道渗漏检测预警装置及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004144731A (ja) * 2002-08-27 2004-05-20 Kanazawa Inst Of Technology 位置推定方法および装置ならびにそれを利用したキャリブレーション方法および装置
WO2013145492A1 (ja) * 2012-03-30 2013-10-03 日本電気株式会社 漏洩検知方法、漏水検知方法、漏洩検知装置および漏水検知装置
CN106249225A (zh) * 2016-06-20 2016-12-21 陕西理工学院 稀疏圆形声矢量传感器阵列四元数esprit参数估计方法
WO2018030919A1 (ru) * 2016-08-09 2018-02-15 Общество с ограниченной ответственностью "ТЕХНОАС-СК" Способ определения места течи в трубопроводе и устройство для его осуществления
CN111271610A (zh) * 2020-04-08 2020-06-12 陕西理工大学 一种液体管道渗漏检测预警装置及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
王桂宝;: "圆形极化阵列到达角和极化参数估计", 北京邮电大学学报, no. 02 *
王洪洋;廖桂生;王兰美;: "基于矢量传感器阵列的信号多参数估计方法", 电路与系统学报, no. 03 *
郑晓亮;王强;薛生;袁宏永;付明;: "基于延迟求和的输气管道泄漏声波定位方法", 仪器仪表学报, no. 11 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115602194A (zh) * 2022-12-09 2023-01-13 东莞先知大数据有限公司（Cn） 一种自适应水管探漏方法、装置及存储介质

Also Published As

Publication number Publication date
CN112857699B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN103267966B (zh) 一种单个二维压差式矢量水听器方位估计的方法
CN109443516B (zh) 一种基于噪声场垂直振速信号的海底声速被动获取方法
CN109595474B (zh) 一种基于波束形成的埋地输气管道泄漏交叉定位方法
CN103604944B (zh) 一种基于单站船载高频地波雷达的表面流测量方法
CN103076604B (zh) 一种基于频散特征的低频水声脉冲信号距离的测量方法
CN104678384B (zh) 一种波束域的声压差互相关谱分析水下目标速度估计方法
CN113359183B (zh) 一种针对极地冰层的震源定位方法
Tao et al. Gas leak localization and detection method based on a multi-point ultrasonic sensor array with TDOA algorithm
Zheng et al. A beamforming-based joint estimation method for gas pipeline leak localization
CN106249225A (zh) 稀疏圆形声矢量传感器阵列四元数esprit参数估计方法
CN110309581B (zh) 一种水下潜标位置综合校准测量点快速优化布局方法
CN112857699B (zh) 一种声矢量传感器的长输油气管道泄漏检测和定位方法
Nouri et al. Providing a simple and efficient algorithm for passive sound localization
CN101865361A (zh) 双基阵数据融合电站锅炉四管泄漏被动声测定位方法
CN105445724A (zh) 单水听器自由场被动测距方法
CN109490868B (zh) 一种基于分布式垂直线列阵的海上目标运动分析方法
Yan et al. Localization of a continuous CO2 leak from an isotropic flat-surface structure using acoustic emission detection and near-field beamforming techniques
CN114909610B (zh) 一种水下油气管道泄漏检测与定位的方法及控制系统
CN113126029B (zh) 适用于深海可靠声路径环境的多传感器脉冲声源定位方法
CN106066472A (zh) 一种二维振速梯度水听器的被动目标相关检测方法
Mengyuan et al. High precision positioning for searching airborne black boxes underwater based on acoustic orbital angular momentum
CN112083428B (zh) 基于声矢量场处理的海洋内波预警监测方法
CN112558010A (zh) 一种烷基苯介质中的声源精确定位装置及方法
Zhang et al. Research on continuous leakage location of stiffened structure based on frequency energy ratio mapping method
Yayu et al. Research on Location of Underwater Sound Source Target in Deep Sea Sound Field Based on Bellhop Model

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230824

Address after: 710000 room 10306, Xuhui center, north of Fengcheng seventh Road, Xi'an Economic and Technological Development Zone, Xi'an City, Shaanxi Province

Applicant after: XI'AN JINSHILIHE AUTOMATION ENGINEERING Co.,Ltd.

Address before: No. 505, dongguanzheng street, Chaoyang Road, Hantai District, Hanzhong City, Shaanxi Province

Applicant before: Shaanxi University of Technology

GR01 Patent grant
GR01 Patent grant