CN113375065A - 管道泄漏监测中趋势信号的消除方法及装置 - Google Patents

管道泄漏监测中趋势信号的消除方法及装置 Download PDF

Info

Publication number
CN113375065A
CN113375065A CN202110749006.9A CN202110749006A CN113375065A CN 113375065 A CN113375065 A CN 113375065A CN 202110749006 A CN202110749006 A CN 202110749006A CN 113375065 A CN113375065 A CN 113375065A
Authority
CN
China
Prior art keywords
signal
trend
current signal
interval number
distribution curve
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
CN202110749006.9A
Other languages
English (en)
Other versions
CN113375065B (zh
Inventor
牛化昶
林伟国
贾岳儒
王智伟
冷宗林
王磊
郭小兵
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.)
Jiangsu Langete Automation Equipment Co ltd
Beijing University of Chemical Technology
Original Assignee
Jiangsu Langete Automation Equipment Co ltd
Beijing University of Chemical 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 Jiangsu Langete Automation Equipment Co ltd, Beijing University of Chemical Technology filed Critical Jiangsu Langete Automation Equipment Co ltd
Priority to CN202110749006.9A priority Critical patent/CN113375065B/zh
Publication of CN113375065A publication Critical patent/CN113375065A/zh
Application granted granted Critical
Publication of CN113375065B publication Critical patent/CN113375065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17DPIPE-LINE SYSTEMS; PIPE-LINES
    • F17D5/00Protection or supervision of installations
    • F17D5/02Preventing, monitoring, or locating loss
    • F17D5/06Preventing, 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

本申请涉及管道泄漏监测中趋势信号的消除方法及装置,属于管道泄漏监测技术领域,本申请的方法包括,步骤1、对待处理的原始压力信号进行去噪处理,并将处理后的压力信号作为当前信号;步骤2、对当前信号进行统计特性分析,得到统计特性分析结果;步骤3、根据统计特性分析结果中目标区间个数分布曲线的区间个数,判断当前信号中是否存在趋势,当区间个数小于等于三时,判定当前信号中无趋势存在,将当前信号作为无趋势的信号,否则,对当前信号进行消除趋势处理,以处理后的信号作为新的当前信号,并跳转执行步骤2。本申请可自适应的进行信号趋势的消除,有助于更好的进行管道泄漏监测的技术实现。

Description

管道泄漏监测中趋势信号的消除方法及装置
技术领域
本申请属于管道泄漏监测技术领域,具体涉及一种管道泄漏监测中趋势信号的消除方法及装置。
背景技术
管道泄漏检测的相关技术中,声波法和负压波法是目前国内外应用最广的两种方法。在负压波法的实现中,涉及到相关压力(流量)信号,基于这些信号进行管道泄漏检测判断。
在管道泄漏监测中的压力(流量)信号中,压力(流量)的上升和下降是趋势性信号,但干扰信号是需要被保留并分离识别出来。产生于压力上升或下降阶段的正脉冲干扰和负脉冲性干扰,都存在着压力下降沿,这个压力下降沿的存在对泄漏的判断造成了严重的影响,极易造成误报警和漏报警的发生。只有消除了信号中的趋势使信号处于平稳状态,并最大程度地保留干扰脉冲的形状,才有利于准确判断出正脉冲型、负脉冲型干扰信号,进而降低误报警的发生。这就涉及到了如何对管道泄漏监测中趋势信号的有效消除。
现有技术中,常用的趋势项消除方法主要有差分法、滤波法、拟合法、模型法、小波法等。在此基础上,又发展出模式自适应连续小波法、变分模态分解方法(VMD)、自适应小波消趋势法、局部分解法(LMD)、集合经验模态分解法(EEMD)、改进的集合经验模态分解法(MEEMD)和基于时间序列分析(ARIMA模型)的消趋势法。
差分法就是对采集信号做差分计算,从而消除趋势项。差分法简单,但是延时常数的确定需要人工干预,且不同的延时常数其对消除趋势的影响很大。
滤波法就是对采集信号进行数字滤波,从而去除趋势项。滤波法中,滤波器的通带频率需要事先确定,不同的滤波器通带频率会得到不同的趋势消除效果,如果当前所预设的滤波器通带频率没有取得理想的趋势消除效果,在现有技术中并没有如何实现通带频率的自动调节以及如何判断趋势消除达到预期目标的相关技术公开。
拟合法(如最小二乘法,逐步回归法),这类方法一般用于线性趋势项、高阶多项式趋势项和变幅值的周期振荡趋势。拟合法需要预先假定信号中趋势项的类型,如线性趋势、多项式或指数趋势等,要求对测试信号中包含趋势项的特征具有一定的先验知识,随着趋势项复杂程度的增加,拟合的难度也增大,对分析较复杂的实际信号不适用。
模型法,其通过某些处理方法将趋势项剔除,经处理后的信号可认为是平稳随机的,按平稳随机过程来研究。此类方法建模简单,但不能得到趋势项的具体形式,不便于进行系统分析,适用于预测目的。如基于时间序列分析(ARIMA模型)的消趋势法,其首先需要通过学习,借助时间序列分析,得到ARIMA模型及参数,导出系统的状态空间模型,采用基于FFT变换的Rife-Jane频率估计法求出信号的周期;然后利用学习阶段所得的状态空间模型及参数,利用卡尔曼滤波技术消除信号中的随机噪声,并运用加窗递推最小二乘法实时在线地消除趋势。基于模型(如ARIMA模型)的消趋势法,首先需要通过学习建立状态空间模型,其次处理方法复杂,再者加窗的窗口宽度、卡尔曼滤波器等参数的确定都会严重影响消除趋势的效果。
小波法,是近年来发展起来的一种非常有效的非平稳信号趋势项提取和剔除方法。该方法将非平稳随机信号进行分解和重构,获得趋势项序列和剔除趋势项后的零均值平稳随机信号,方法简单通用,无需趋势项的任何先验知识。基于小波变换的趋势项去除方法对小波基的选择和分解深度的确定均有严格要求,但是,小波基函数的选取和小波分解尺度的确定都需要事先预测,即小波法需要预先确定小波基函数以及分解阶数,不恰当的基函数会导致信号重构精确性下降
EMD方法、VMD方法、LMD方法、EEMD方法和MEEMD方法基本都可以归结为同一类方法。以EMD方法为例,它基于信号本身的时间尺度特征,无需选择基函数就可以把复杂信号由精细尺度到粗大尺度分解为若干固有模态函数(IMF)和1个余项,通过若干IMF分量与余项的叠加实现趋势性信号的提取。其它的方法更多的是为了抑制EMD分解过程中存在的模态混叠、端点效应等现象而提出的改进方法,如:EEMD法虽然在一定程度上抑制了模态混叠、提高了固有模态函数(IMF)分量的提取精度,但其同时增加了由添加白噪声引起的重构误差,甚至出现了模态分裂等问题。基于EMD等这一类方法,虽然能够实现信号的自适应分解,但是在重构趋势信号的过程中,还需要识别哪些分量是趋势项的有效组成部分,目前的识别方法有均值比法、相关系数法和频谱分析法等,其中频谱分析法需要长期观测经验或人工判别,不利于自适应分析,而相关系数法的识别标准尚未一致。而均值比法对得到的各IMF分量进行识别需要设定一个阈值S,判断阈值S是否大于0.9。
也有基于LMD方法结合BEADS运算和人工判别的趋势消除方法,以及基于VMD的趋势消除方法等。惩罚因子α的取值会影响分解精度,其取值越低各IMF分量的带宽越大,取值越高IMF分量的带宽越小,甚至会使得程序进入死循环,无法得到结果。多数情况下,研究者默认将惩罚因子α设置为2倍的输入信号长度。与惩罚因子α相比,分解层数k的取值更为重要,因为其取值直接影响分解结果。现阶段针对VMD分解中变量k的研究还处于起步阶段,且没有形成统一的求解方法。一般k取值2。且趋势项的频率和幅值对VMD的分解都有影响。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
为至少在一定程度上克服相关技术中存在的问题,本申请提供一种管道泄漏监测中趋势信号的消除方法及装置,可自适应的进行信号趋势的消除,从而有助于更准确地实施管道泄漏监测。
为实现以上目的,本申请采用如下技术方案:
第一方面,
本申请提供一种管道泄漏监测中趋势信号的消除方法,该方法包括:
步骤1、对待处理的原始压力信号进行去噪处理,并将处理后的压力信号作为当前信号;
步骤2、对所述当前信号进行统计特性分析,得到统计特性分析结果;
步骤3、根据所述统计特性分析结果中目标区间个数分布曲线的区间个数,判断当前信号中是否存在趋势,
当所述区间个数小于等于三时,判定当前信号中无趋势存在,将所述当前信号作为无趋势的信号,
否则,对所述当前信号进行消除趋势处理,以处理后的信号作为新的当前信号,并跳转执行步骤2。
可选地,对所述当前信号进行统计特性分析,得到统计特性分析结果,包括:
确定所述当前信号的极大值和极小值;
以所述极大值和极小值为限,对所述当前信号所对应的信号曲线进行水平M等分,其中,M为正整数;
以各等分线为基准线,从下到上依次对所述信号曲线进行(M+1)次横座标轴平移,以将所述当前信号转换为双极性信号,并根据每次平移后得到的所述信号曲线与横座标轴相交而形成的过零点,统计不同基准线条件下的正负信号区间数量;
根据所述正负信号区间数量绘制第一区间个数分布曲线,并基于第一区间个数分布曲线进行区间个数统计分析,以得到所述统计特性分析结果。
可选地,所述基于第一区间个数分布曲线进行区间个数统计分析,以得到所述统计特性分析结果,包括:
对所述第一区间个数分布曲线作归一化处理,并计算归一化处理后得到的第二区间个数分布曲线的均值,将所述第二区间个数分布曲线与所述均值相减,以得到具有正负极性的目标区间个数分布曲线;
基于目标区间个数分布曲线的过零点进行区间划分,确定统计特性分析结果中所述目标区间个数分布曲线的区间个数。
可选地,所述对所述当前信号进行消除趋势处理,包括:
对所述当前信号进行高通滤波处理,以进行消除趋势处理。
可选地,所述高通滤波处理过程中,滤波的截止频率参数随消除趋势处理的迭代次数进行调节更新。
可选地,所述滤波的截止频率参数随消除趋势处理的迭代次数进行调节更新,具体为,
基于预设的步进,对上一次消除趋势处理中的截止频率参数值进行增大调节,并以调节后的参数值对当前次消除趋势处理中的截止频率参数进行更新。
可选地,采用数字高通滤波器对所述当前信号进行高通滤波。
可选地,所述数字高通滤波器包括RC高通滤波器、巴特沃斯高通滤波器。
可选地,所述对待处理的原始压力信号进行去噪处理,包括,
采用低通滤波器对所述原始压力信号进行去噪处理。
第二方面,
本申请提供一种管道泄漏监测中趋势信号的消除装置,所述装置包括:
存储器,其上存储有可执行程序;
处理器,用于执行所述存储器中的所述可执行程序,以实现上述方法的步骤。
本申请采用以上技术方案,至少具备以下有益效果:
本申请中趋势信号消除方法,无需设定参数阈值,通过统计特性分析及判断,实现了信号趋势消除迭代计算的自动停止,进而实现了信号趋势的自适应消除,并能尽可能地保留负压波信号的波形特征,有助于更好的进行管道泄漏监测的技术实现。
本发明的其他优点、目标,和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书,权利要求书,以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解,并且构成说明书的一部分。其中,表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案,但并不构成对本申请技术方案的限制。
图1为本申请一个实施例提供的管道泄漏监测中趋势信号的消除方法的流程示意图;
图2为本申请另一个实施例提供的管道泄漏监测中趋势信号的消除方法的流程示意图;
图3为本申请一个实施例中原始压力信号的数据曲线图;
图4为本申请一个实施例中去噪压力信号的数据曲线图;
图5为本申请一个实施例中经过初始截止频率高通滤波后的信号的数据曲线图;
图6为本申请一个实施例中不同基准线条件下的信号区间个数分布曲线图;
图7为本申请一个实施例中不同基准线条件下的信号区间个数分布曲线图;
图8为本申请一个实施例中趋势消除成功后的压力信号的数据曲线图;
图9为本申请一个实施例提供的管道泄漏监测中趋势信号的消除装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将对本申请的技术方案进行详细的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本申请所保护的范围。
如背景技术所述,管道泄漏监测中需要对趋势信号进行消除,现有技术中趋势信号的相关消除方法,并不能很好的适用于管道泄漏监测中趋势信号的消除。特别是各种方法中,在面对不同的场景差异时,均需要进行过多的人工干预,不能实现信号趋势的自适应消除。
如滤波法中,不同的滤波器通带频率会得到不同的趋势消除效果。而如果当前所预设的滤波器通带频率没有取得理想的趋势消除效果,如何实现通带频率的自动调节,如何判断趋势消除达到了预期目标,没有一个评价的准则。均需人工根据场景差异进行干预。
针对于此,本申请提出一种管道泄漏监测中趋势信号的消除方法,可自适应的进行信号趋势的消除,从而有助于更好的进行管道泄漏监测的技术实现。
如图1所示,在一实施例中,本申请提出的管道泄漏监测中趋势信号的消除方法,包括:
步骤1、对待处理的原始压力信号进行去噪处理,并将处理后的压力信号作为当前信号;举例而言,可对原始压力信号以预设尺度进行小波去噪处理;或者,采用低通滤波器对原始压力信号进行去噪处理,容易理解的是,这里低通滤波器的截止频率是基于实际场景需求而确定的。
之后进行步骤2、对当前信号进行统计特性分析,得到统计特性分析结果。
步骤2中,可通过坐标轴平行,将当前信号转换为双极性信号,根据双极性信号的过零点情况,确认正负信号区间个数,进而根据正负信号区间个数进行分布统计分析,相关具体实现在后文的实施例进行进一步说明。
步骤2之后,如图1所示,进行步骤3、根据统计特性分析结果中目标区间个数分布曲线的区间个数,判断当前信号中是否存在趋势,
当区间个数小于等于三时,判定当前信号中无趋势存在,将当前信号作为无趋势的信号,
否则,即区间个数大于三时,对当前信号进行消除趋势处理,以处理后的信号作为新的当前信号,并跳转执行步骤2。
举例而言,这里可以对当前信号进行高通滤波处理,以进行消除趋势处理。并且在高通滤波处理过程中,滤波的截止频率参数随消除趋势处理的迭代次数(这里指循环执行步骤2、3的次数)进行调节更新,如此进行迭代计算处理,直至最后得到无趋势的信号。
本申请中的趋势信号消除方法,无需设定参数阈值,通过统计特性分析,实现信号趋势消除迭代计算的自动停止,进而实现了信号趋势的自适应消除,有助于更好的进行管道泄漏监测的技术实现。
为便于理解本申请的技术方案,下面以另一实施例对本申请的技术方案进行介绍说明。
该实施例中,首先获取待处理的原始压力信号P0,如图3所示,为原始压力信号的数据曲线图。
之后如图2所示,对图3所示的原始压力信号P0进行合适尺度的小波去噪(如db小波,滤波尺度为4),得到如图4所示的去噪压力信号P1,并以去噪压力信号作为当前信号P。
之后,针对当前信号P进行统计特性分析,具体的,该实施例中,确定当前信号的极大值maxv和极小值maxv;
以极大值maxv和极小值maxv为限,对当前信号所对应的信号曲线进行水平M等分,其中,M为正整数,这样得到的每个等分的幅值区间为step,step=(maxv-minv)/M,举例而言,该实施例中M=99;
以各等分线为基准线,从下到上依次对信号曲线进行(M+1)次横坐标轴平移,以将当前信号P转换为双极性信号Px,并根据每次平移后得到的信号曲线与横座标轴相交而形成的过零点,统计不同基准线条件下的正负信号区间数量;
该过程中,各等分线可相应表示为meanv=minv+step*k,(k=1,2……M+1),双极性信号Px=P-meanv,(k=1,2……M+1);
该过程中,根据过零点的情况,得到的信号曲线在不同基准线条件下正负信号区间的数量,是指在相应基准线下,正区间和负区间的个数和;
该实施例中,为便于后续的分布分析,将不同基准线条件下正负信号区间的数量值,存入数组NCs(k)相应位置处,最终得到M+1个区间数值,存于数组NCs中。容易理解的是,数组NCs中的数组元素及其位置表征了区间个数的分布特征。
再之后,根据正负信号区间数量绘制第一区间个数分布曲线,并基于第一区间个数分布曲线进行区间个数统计分析。
容易理解的是,这里分布曲线的绘制,是以NCs(k)中的数量值作为纵座标,以表征基准线位置的序号k作为横座标来进行绘制的。
该实施例中,进行区间个数统计分析,包括,对第一区间个数分布曲线作归一化处理,并计算归一化处理后得到的第二区间个数分布曲线的均值,将第二区间个数分布曲线与均值相减,以得到具有正负极性的目标区间个数分布曲线(如图6所示曲线);
在实际实现中,根据归一化后的NCs`(k)的数据,计算得到个数平均值mean_NC;并根据表达式NCs`(k)=NCs`(k)-mean_NC,k=1----M+1,对第二区间个数分布曲线进行处理,以得到目标区间个数分布曲线;
进而基于目标区间个数分布曲线的过零点进行区间划分,确定统计特性分析结果中目标区间个数分布曲线的区间个数NC,如图6所示的区间分布曲线,其区间个数NC=5。
由于图6所示区间分布曲线的NC=5,其大于3,表明当前信号中存在趋势,还需对当前信号进行消除趋势处理,该实施例中,对当前信号进行高通滤波处理,以进行消除趋势处理,具体的这里采用数字高通滤波器(如RC高通滤波器、巴特沃斯高通滤波器等)对去噪压力信号进行高通滤波。
举例而言,如图2所示,通过设计RC高通滤波器对当前信号P作高通滤波处理,该次滤波处理中,滤波器的增益为1,基于参数R,C的设置,截止频率参数fc=1/(2*Pi*R*C)=0.0017Hz(由于是第一次高通滤波处理,该截止频率参数值称之为初始截止频率),该次滤波处理后的信号所对应的数据曲线图如图5所示。
之后如图2所示,以处理后的信号作为新的当前信号,重新进行前文所述的统计特性分析过程。
需要说明的是,设计高通滤波器,进行高通滤波处理的过程中,滤波的截止频率参数随消除趋势处理的迭代次数进行调节更新。即在消除处理后,若仍判断当前信号中存在趋势,则会对滤波处理中的截止频率参数进行调节更新,并如图2所示进行迭代循环处理,直至最后得到的消除趋势后的信号。
如图7所示,为该实施例中,某次迭代处理后,得到的目标区间个数分布曲线,其NC=3,表明当前信号中的趋势被消除成功,此时得到的消除趋势后的压力信号的数据曲线如图8所示。
该实施例中,对截止频率参数的调节更新方式为,基于预设的步进,对上一次消除趋势处理中的截止频率参数值进行增大调节,并以调节后的参数值对当前次消除趋势处理中的截止频率参数进行更新。
此外,还可基于二进调节的方式对截止频率参数进行增大调节并更新,以RC高通滤波器为例,在调节时,将RC高通滤波器的参数R调整更新为R/2,以实现截止频率参数的增大调节并更新,采用二进调节的方式有利于提高整体方法的处理效率。容易理解的是,高通滤波器的截止频率的调节,除了单独调节R,也可以单独调节C来实现。
该实施例中的趋势信号消除方法,无需设定参数阈值,具体通过对不同基准线条件下的信号区间个数分布曲线的分析判断,实现了信号趋势消除迭代计算的自动停止,进而实现了信号趋势的自适应消除,并同时最大程度地保留了异常信号的时域波形,有助于更好的进行管道泄漏监测的技术实现。
图9为本申请一个实施例提供的管道泄漏监测中趋势信号的消除装置的结构示意图,如图9所示,该消除装置900包括:
存储器901,其上存储有可执行程序;
处理器902,用于执行存储器901中的可执行程序,以实现上述方法的步骤。
关于上述实施例中的消除装置900,其处理器902执行存储器901中的程序的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人员在本发明所揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种管道泄漏监测中趋势信号的消除方法,其特征在于,包括:
步骤1、对待处理的原始压力信号进行去噪处理,并将处理后的压力信号作为当前信号;
步骤2、对所述当前信号进行统计特性分析,得到统计特性分析结果;
步骤3、根据所述统计特性分析结果中目标区间个数分布曲线的区间个数,判断当前信号中是否存在趋势,
当所述区间个数小于等于三时,判定当前信号中无趋势存在,将所述当前信号作为无趋势的信号,
否则,对所述当前信号进行消除趋势处理,以处理后的信号作为新的当前信号,并跳转执行步骤2。
2.根据权利要求1所述的消除方法,其特征在于,对所述当前信号进行统计特性分析,得到统计特性分析结果,包括:
确定所述当前信号的极大值和极小值;
以所述极大值和极小值为限,对所述当前信号所对应的信号曲线进行水平M等分,其中,M为正整数;
以各等分线为基准线,从下到上依次对所述信号曲线进行(M+1)次横座标轴平移,以将所述当前信号转换为双极性信号,并根据每次平移后得到的所述信号曲线与横座标轴相交而形成的过零点,统计不同基准线条件下的正负信号区间数量;
根据所述正负信号区间数量绘制第一区间个数分布曲线,并基于第一区间个数分布曲线进行区间个数统计分析,以得到所述统计特性分析结果。
3.根据权利要求2所述的消除方法,其特征在于,所述基于第一区间个数分布曲线进行区间个数统计分析,以得到所述统计特性分析结果,包括:
对所述第一区间个数分布曲线作归一化处理,并计算归一化处理后得到的第二区间个数分布曲线的均值,将所述第二区间个数分布曲线与所述均值相减,以得到具有正负极性的目标区间个数分布曲线;
基于目标区间个数分布曲线的过零点进行区间划分,确定统计特性分析结果中所述目标区间个数分布曲线的区间个数。
4.根据权利要求1所述的消除方法,其特征在于,所述对所述当前信号进行消除趋势处理,包括:
对所述当前信号进行高通滤波处理,以进行消除趋势处理。
5.根据权利要求4所述的消除方法,其特征在于,所述高通滤波处理过程中,滤波的截止频率参数随消除趋势处理的迭代次数进行调节更新。
6.根据权利要求5所述的消除方法,其特征在于,所述滤波的截止频率参数随消除趋势处理的迭代次数进行调节更新,具体为,
基于预设的步进,对上一次消除趋势处理中的截止频率参数值进行增大调节,并以调节后的参数值对当前次消除趋势处理中的截止频率参数进行更新。
7.根据权利要求4所述的消除方法,其特征在于,
采用数字高通滤波器对所述当前信号进行高通滤波。
8.根据权利要求7所述的消除方法,其特征在于,所述数字高通滤波器包括RC高通滤波器、巴特沃斯高通滤波器。
9.根据权利要求1至8中任一项所述的消除方法,其特征在于,所述对待处理的原始压力信号进行去噪处理,包括,
采用低通滤波器对所述原始压力信号进行去噪处理。
10.一种管道泄漏监测中趋势信号的消除装置,其特征在于,所述装置包括:
存储器,其上存储有可执行程序;
处理器,用于执行所述存储器中的所述可执行程序,以实现权利要求1-9中任一项所述方法的步骤。
CN202110749006.9A 2021-07-01 2021-07-01 管道泄漏监测中趋势信号的消除方法及装置 Active CN113375065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110749006.9A CN113375065B (zh) 2021-07-01 2021-07-01 管道泄漏监测中趋势信号的消除方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110749006.9A CN113375065B (zh) 2021-07-01 2021-07-01 管道泄漏监测中趋势信号的消除方法及装置

Publications (2)

Publication Number Publication Date
CN113375065A true CN113375065A (zh) 2021-09-10
CN113375065B CN113375065B (zh) 2022-05-24

Family

ID=77580662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110749006.9A Active CN113375065B (zh) 2021-07-01 2021-07-01 管道泄漏监测中趋势信号的消除方法及装置

Country Status (1)

Country Link
CN (1) CN113375065B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116151049A (zh) * 2023-04-23 2023-05-23 合肥众安睿博智能科技有限公司 一种基于超声预标定数据的智能惯导测距管理系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799757A (zh) * 2012-06-12 2012-11-28 哈尔滨工程大学 一种去除强趋势项及瞬态脉冲干扰的微弱信号提取方法
US20130085690A1 (en) * 2010-04-29 2013-04-04 International Business Machines Corporation Data processing method and system for checking pipeline leakage
CN104048165A (zh) * 2013-08-16 2014-09-17 北京化工大学 管道泄漏诊断的方法
CN106247173A (zh) * 2016-09-26 2016-12-21 北京化工大学 管道泄漏检测的方法及装置
CN108036201A (zh) * 2017-12-21 2018-05-15 廊坊市蓝德采油技术开发有限公司 一种基于负压波法和流量趋势法的输油管道泄漏监测方法
US20190331301A1 (en) * 2016-12-30 2019-10-31 Du Yuchuan Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing
CN111121955A (zh) * 2019-12-31 2020-05-08 华侨大学 一种自适应阈值频率的振动信号小波分析去趋势项方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130085690A1 (en) * 2010-04-29 2013-04-04 International Business Machines Corporation Data processing method and system for checking pipeline leakage
CN102799757A (zh) * 2012-06-12 2012-11-28 哈尔滨工程大学 一种去除强趋势项及瞬态脉冲干扰的微弱信号提取方法
CN104048165A (zh) * 2013-08-16 2014-09-17 北京化工大学 管道泄漏诊断的方法
CN106247173A (zh) * 2016-09-26 2016-12-21 北京化工大学 管道泄漏检测的方法及装置
US20190331301A1 (en) * 2016-12-30 2019-10-31 Du Yuchuan Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing
CN108036201A (zh) * 2017-12-21 2018-05-15 廊坊市蓝德采油技术开发有限公司 一种基于负压波法和流量趋势法的输油管道泄漏监测方法
CN111121955A (zh) * 2019-12-31 2020-05-08 华侨大学 一种自适应阈值频率的振动信号小波分析去趋势项方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116151049A (zh) * 2023-04-23 2023-05-23 合肥众安睿博智能科技有限公司 一种基于超声预标定数据的智能惯导测距管理系统

Also Published As

Publication number Publication date
CN113375065B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
CN110598166B (zh) 一种自适应确定小波分层级数的小波去噪方法
CN109446928B (zh) 一种基于变分模态分解和最小均方误差自适应滤波器的信号降噪方法
CN110659621A (zh) 一种基于变分模态分解和排列熵的联合降噪方法
CN106199532B (zh) 基于混合傅立叶-小波分析的探地雷达信号降噪方法
CN112380934B (zh) 基于小波熵与稀疏度的电缆局放信号自适应小波去噪方法
CN114970602A (zh) 基于改进的经验模态分解与小波阀值函数的信号去噪方法与系统
CN114492538A (zh) 一种城市中压配电电缆局部放电信号去噪方法
CN112183407B (zh) 一种基于时频域谱减法的隧道地震波数据去噪方法及系统
CN113375065B (zh) 管道泄漏监测中趋势信号的消除方法及装置
CN117059118A (zh) 一种聊天室音频数据优化处理方法及系统
WO2024040655A1 (zh) 一种电能信号的分数域降噪方法
CN108903914A (zh) 一种基于emd分解的mfcc的心音类型识别方法
CN113389541B (zh) 一种油井动液面信号高精度提取方法
CN110136086A (zh) 基于bemd的区间阈值图像去噪方法
CN114154546A (zh) 一种钢铁生产过程数据的降噪方法
CN112580451A (zh) 一种基于改进emd和med的数据降噪方法
CN110269608A (zh) 一种去除信号干扰的方法、装置以及可读存储介质
CN112766044B (zh) 疏松样品纵横波速度分析方法、装置及计算机存储介质
CN115310478A (zh) 基于小波最佳分解层数提取天然气有效拉曼光谱的方法
CN113484913A (zh) 一种多粒度特征融合卷积神经网络的地震资料去噪方法
CN113505688A (zh) 一种改进的自适应小波阈值信号去噪方法
CN113031074B (zh) 一种测井曲线消噪方法、装置、设备及存储介质
CN112932410B (zh) 基于切比雪夫多项式拟合的生理包络信号幅值计算方法
CN118824274A (zh) 一种基于改进小波阈值函数的雨声信号去噪方法
US20240319400A1 (en) Magnetotelluric Impedance Estimation Method

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