CN114704781A - 一种优化iceemdan的管道泄漏声波信号检测方法 - Google Patents

一种优化iceemdan的管道泄漏声波信号检测方法 Download PDF

Info

Publication number
CN114704781A
CN114704781A CN202210477490.9A CN202210477490A CN114704781A CN 114704781 A CN114704781 A CN 114704781A CN 202210477490 A CN202210477490 A CN 202210477490A CN 114704781 A CN114704781 A CN 114704781A
Authority
CN
China
Prior art keywords
signals
imf
spectrum
cross
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.)
Pending
Application number
CN202210477490.9A
Other languages
English (en)
Inventor
朱永强
郎宪明
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.)
Liaoning Shihua University
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 CN202210477490.9A priority Critical patent/CN114704781A/zh
Publication of CN114704781A publication Critical patent/CN114704781A/zh
Pending legal-status Critical Current

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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Examining Or Testing Airtightness (AREA)

Abstract

本发明提供一种优化ICEEMDAN的管道泄漏声波信号检测方法，其涉及次声波信号的采集与去噪处理领域。方法包括：一、利用安装在管道上的声压传感器采集管道中的次声波信号；二、采用ICEEMDAN算法对采集得到的声波信号进行分解，直到残余信号不能再分解；三、分别计算各个模态函数IMF的多尺度排列熵MPE，根据得到MPE值选择符合要求的IMF；四、对信号进行互谱分析，得到信号的互谱相位谱和相干函数，通过互谱相位谱和相干函数确定信号的特征频带，根据特征频带选取符合要求的IMF；五、将满足MPE值要求并且频率位于特征频带范围内的IMF用于管道泄漏声波信号的重构，得到去噪后的声波信号。

Description

一种优化ICEEMDAN的管道泄漏声波信号检测方法
技术领域
本发明属于管道泄漏次声波信号的处理领域，具体涉及一种优化ICEEMDAN的管道泄漏声波信号检测方法。
背景技术
管道运输因其具有经济型、便捷性，在工业上得到了众多应用。长距离输送管道大多会铺设在环境比较恶劣的地方，管道容易受到腐蚀和破坏等，这就导致管道极易出现泄漏。管道泄漏时，管道内的介质会对管道周边的环境造成不可挽回的破坏，还会造成企业的经济损失。因此，对长距离管道中的泄漏信号进行采集分析尤为重要。
次声波具有良好的抗衰减性，能够进行远距离的传播。负压波法具有较高的灵敏度和不易受噪声影响，但是负压波法无法反映管道微小的泄漏，而次声波信号可以反映管道的微小泄漏。次声波法在传播时，噪声会对其产生一定的影响。所以，需要对次声波信号进行去噪。
对次声波进行去噪的方法有很多，CEEMDAN是在EMD的基础上改进而来的。它借用了EEMD的加入高斯白噪声和多次叠加的思想，较好的解决了EEMD存在的模态混叠现象。但是CEEMDAN分解后，信号中仍然存在一定的噪声残余。ICEEMDAN是对CEEMDAN算法的优化改进得到的。ICEEMDAN不是直接添加高斯白噪声，而是选择白噪声被EMD分解后的第K阶IMF。这就解决了CEEMDAN中残留噪声较多的问题。
发明内容
本发明的目的是提供一种优化ICEEMDAN的管道泄漏声波信号检测方法，这种优化ICEEMDAN的管道泄漏声波信号检测方法能够对管道中的泄漏声波信号进行检测和处理，提高对管道的泄漏检测能力，并准确判断管道的工况。
本发明提供了一种优化ICEEMDAN的管道泄漏声波信号检测方法，包括：
步骤1，采用声压传感器获取管道中的次声波信号；
步骤2，用ICEEMDAN分解采集的次声波信号，残余值不能在分解时停止分解，得到多个个本征模态函数IMF；
步骤3，计算各IMF的MPE值，根据MPE值对IMF进行筛选；
步骤4，对信号进行互谱分析，得到信号的互谱相位谱和相干函数，通过互谱相位谱和相干函数确定信号的特征频带，根据特征频带选取符合要求的IMF；
步骤5，将满足MPE值要求并且频率位于特征频带范围内的IMF用于管道泄漏声波信号的重构，得到去噪后的声波信号。
上述方案中步骤3的具体方法为：
对采集的信号进行多尺度的粗粒化并进行重构，得到：
Figure 270322DEST_PATH_IMAGE001
(1)
Figure 151691DEST_PATH_IMAGE002
(2)
对粗粒化并重构后的信号进行升序排列，计算信号的排列熵并对其进行归一化处理：
Figure 491274DEST_PATH_IMAGE003
(3)
Figure 938436DEST_PATH_IMAGE004
(4)
Figure 596950DEST_PATH_IMAGE005
(5)
根据预置的MPE数值来选择IMF，MPE小于预设值的IMF中含有更多的有用信息，MPE大于预设值的IMF中，含有的噪声更多。
上述方案中步骤4的具体方法为：
原始信号用来表示，管道两端信号分别用x 1和x 2，它们之间的互相关函数为：
Figure 762353DEST_PATH_IMAGE006
(1)
信号之间的相互依赖程度可以用互谱表示，两个信号之间的互谱为：
Figure 656359DEST_PATH_IMAGE007
(2)
一般情况下，会采用Welch平均周期图标法来对互谱进行估计表示：
Figure 958028DEST_PATH_IMAGE008
(3)
在互谱相位谱中，若相位随着频率呈现线性变化，那么信号之间具有较大的相关性。两个信号的想干函数可以用下式表示：
Figure 787443DEST_PATH_IMAGE009
(4)
在相干函数中，当两个信号的频率越大时，表明两个声波信号的相关程度越高。
本发明具有下列有益效果：
本发明采用基于互谱分析和MPE的ICEEMDAN算法对传感器采集的次声波信号进行去噪处理，ICEEMDAN将次声波信号分解为多个本征模态函数IMF，对各个IMF的MPE数值进行计算，并根据预设值对IMF进行筛选。对管道两端传感器采集的次声波信号进行互谱分析，得到两个信号之间的互谱相位谱和相干函数，根据互谱相位谱和相干函数来确定特征频带，进而筛选含有有用信息多的IMF。最后，将MPE值小于预设值并且位于特征频带内的IMF用于次声波信号的重构。重构后的次声波信号包含的有用信息多，能够准确反映管道的状态。
附图说明
以上步骤大概的介绍了本发明的技术手段，为了能更清楚的了解本发明的技术手段，以下为本发明实施例所需要的配图。
图1为本发明提供的基于互谱分析和MPE的ICEEMDAN的管道泄漏声波信号检测方法的流程图；
图2为本发明所提供的传感器采集的次声波信号去噪前的曲线图；
图3为本发明所提供的传感器采集的次声波信号去噪后的曲线图；
图4为本发明所提供的得到的各个IMF的MPE；
图5为互谱分析得到的互谱相位谱图；
图6为互谱分析得到的相干函数图。
具体实施方式
以下实施例只是用来说明本发明，但不用来限制本发明。
如图1所示，本实施例提供了基于互谱分析和MPE的ICEEMDAN的管道泄漏声波信号检测方法，包括：
步骤1，采用声压传感器获取管道中的次声波信号；
次声波信号均在管道实验场地中的管道中进行采集，管道的长度为3000m，管径为DN100，管道两端的压力分别为2.0kPa和0.43kPa，管道的首端和末端分别安装一个声压传感器，采样频率为1000Hz，在管道的200m、1000m和1800m处各有一个泄漏阀门，用于模拟泄漏的产生。在所有阀门关闭时，采集管道内的声波信号，即正常工况下的声波信号。打开管道的泄漏阀门模拟泄漏，去噪之前的声波信号曲线如图2所示；
步骤2，采用ICEEMDAN对管道两端传感器所采集到的次声波信号进行分解，直到残余不能再分解时停止分解；
本案例中对信号进行ICEEMDAN分解的具体步骤如下：
定义原始信号为x, E m (.)为EMD分解后的第m阶IMF，Z(.)是次声波信号的局部均值，w (i)是高斯白噪声。
向原始数据中添加一组高斯白噪声，构成序列
Figure 440141DEST_PATH_IMAGE010
，并得到第一 个残余值
Figure 888572DEST_PATH_IMAGE011
。
第一阶IMF为：
Figure 248009DEST_PATH_IMAGE012
。
将剩余的信号作为新的源信号，继续添加高斯白噪声，根据局部均值分解得到
Figure 310643DEST_PATH_IMAGE013
。
计算第K阶残余值
Figure 247375DEST_PATH_IMAGE014
。
步骤3，计算各IMF的MPE值，根据MPE值对IMF进行筛选；
本案例中各IMF的MPE值求解步骤如下：
对采集的信号进行多尺度的粗粒化并进行重构，得到；
Figure 686446DEST_PATH_IMAGE015
(1)
Figure 900390DEST_PATH_IMAGE002
(2)
对粗粒化并重构后的信号进行升序排列，计算信号的排列熵并对其进行归一化处理；
Figure 133925DEST_PATH_IMAGE003
(3)
Figure 84519DEST_PATH_IMAGE004
(4)
Figure 733806DEST_PATH_IMAGE005
(5)
根据预置的MPE数值来选择IMF，MPE小于预设值的IMF中含有更多的有用信息，MPE大于预设值的IMF中，含有的噪声更多，各个IMF的MPE值如图4所示。
步骤4，对信号进行互谱分析，得到信号的互谱相位谱和相干函数，通过互谱相位谱和相干函数确定信号的特征频带，根据特征频带选取符合要求的IMF；
本案例中互谱分析的步骤如下：
原始信号用来表示，管道两端信号分别用x 1和x 2，它们之间的互相关函数为：
Figure 130152DEST_PATH_IMAGE006
(1)
信号之间的相互依赖程度可以用互谱表示，两个信号之间的互谱为：
Figure 596906DEST_PATH_IMAGE007
(2)
一般情况下，会采用Welch平均周期图标法来对互谱进行估计表示：
Figure 445913DEST_PATH_IMAGE008
(3)
在互谱相位谱中，若相位随着频率呈现线性变化，那么信号之间具有较大的相关性。两个信号的想干函数可以用下式表示：
Figure 898891DEST_PATH_IMAGE016
(4)
在相干函数中，当两个信号的频率越大时，表明两个声波信号的相关程度越高互谱相位谱和相干函数如图5、图6所示。
步骤5，将满足MPE值要求并且频率位于特征频带范围内的IMF用于管道泄漏声波信号的重构，得到去噪后的声波信号，去噪后的次声波曲线如图3所示。

Claims (3)

1.一种优化ICEEMDAN的管道泄漏声波信号检测方法包括以下步骤：
步骤1，采用声压传感器获取管道中的次声波信号；
步骤2，用ICEEMDAN分解采集的次声波信号，残余值不能在分解时停止分解，得到多个个本征模态函数IMF；
采用ICEEMDAN方法对采集的次声波信号进行分解的步骤如下：
（1）定义原始信号为x, E m (.)为EMD分解后的第m阶IMF，Z(.)是次声波信号的局部均值，w (i)是高斯白噪声；
（2）向原始数据中添加一组高斯白噪声，构成序列
Figure 872842DEST_PATH_IMAGE001
，并得到 第一个残余值
Figure 448180DEST_PATH_IMAGE002
；
（3）第一阶IMF为：
Figure 722167DEST_PATH_IMAGE003
；
（4）将剩余的信号作为新的源信号，继续添加高斯白噪声，根据局部均值分解得到
Figure 119781DEST_PATH_IMAGE004
；
（5）计算第K阶残余值
Figure 225141DEST_PATH_IMAGE005
；
步骤3，计算各IMF的MPE值，根据MPE值对IMF进行筛选；
步骤4，对信号进行互谱分析，得到信号的互谱相位谱和相干函数，通过互谱相位谱和相干函数确定信号的特征频带，根据特征频带选取符合要求的IMF；
步骤5，将满足MPE值要求并且频率位于特征频带范围内的IMF用于管道泄漏声波信号的重构，得到去噪后的声波信号。
2.根据权利要求1所述的一种优化ICEEMDAN的管道泄漏声波信号检测方法，其特征在于，步骤3的具体方法为：
对采集的信号进行多尺度的粗粒化并进行重构，得到：
Figure 909063DEST_PATH_IMAGE006
(1)
Figure 467083DEST_PATH_IMAGE007
(2)
对粗粒化并重构后的信号进行升序排列，计算信号的排列熵并对其进行归一化处理：
Figure 652077DEST_PATH_IMAGE008
(3)
Figure 611942DEST_PATH_IMAGE009
(4)
Figure 466766DEST_PATH_IMAGE010
(5)
根据预置的MPE数值来选择IMF，MPE小于预设值的IMF中含有更多的有用信息，MPE大于预设值的IMF中，含有的噪声更多。
3.根据权利要求1所述的一种优化ICEEMDAN的管道泄漏声波信号检测方法，其特征在于，步骤4的具体方法为：
原始信号用来表示，管道两端信号分别用x 1和x 2，它们之间的互相关函数为：
Figure 777662DEST_PATH_IMAGE011
(1)
信号之间的相互依赖程度可以用互谱表示，两个信号之间的互谱为：
Figure 750035DEST_PATH_IMAGE012
(2)
一般情况下，会采用Welch平均周期图标法来对互谱进行估计表示：
Figure 767669DEST_PATH_IMAGE013
(3)
在互谱相位谱中，若相位随着频率呈现线性变化，那么信号之间具有较大的相关性；
两个信号的想干函数可以用下式表示：
Figure 121290DEST_PATH_IMAGE014
(4)
在相干函数中，当两个信号的频率越大时，表明两个声波信号的相关程度越高。
CN202210477490.9A 2022-05-04 2022-05-04 一种优化iceemdan的管道泄漏声波信号检测方法 Pending CN114704781A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210477490.9A CN114704781A (zh) 2022-05-04 2022-05-04 一种优化iceemdan的管道泄漏声波信号检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210477490.9A CN114704781A (zh) 2022-05-04 2022-05-04 一种优化iceemdan的管道泄漏声波信号检测方法

Publications (1)

Publication Number Publication Date
CN114704781A true CN114704781A (zh) 2022-07-05

Family

ID=82177282

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210477490.9A Pending CN114704781A (zh) 2022-05-04 2022-05-04 一种优化iceemdan的管道泄漏声波信号检测方法

Country Status (1)

Country Link
CN (1) CN114704781A (zh)

Similar Documents

Publication Publication Date Title
CN109827082B (zh) 一种管道多点泄漏精确定位方法
CN101592288B (zh) 一种管道泄漏辨识方法
CN110671613A (zh) 基于改进经验小波变换的流体管道泄漏信号时延估计方法
CN110645483B (zh) 一种基于频谱分析的城市埋地管道早期泄漏诊断方法
Papadopoulou et al. An evaluation of acoustic reflectometry for leakage and blockage detection
Davoodi et al. Gas leak locating in steel pipe using wavelet transform and cross-correlation method
CN109556797B (zh) 基于样条局部均值分解和卷积神经网络的管道泄漏检测与定位方法
CN111503527B (zh) 基于自适应多元变分模态分解的流体管道泄漏定位方法
Ting et al. Water leak location based on improved dual-tree complex wavelet transform with soft thresholding de-noising
CN104764564B (zh) 基于声波传感器的阀门内漏检测方法
KR101381469B1 (ko) 매설배관 누설 탐지용 상호상관함수기법의 정확도 향상을 위한 기계 잡음 제거 방법
CN115031906A (zh) 基于次声波的管道泄漏在线监测方法
CN104864274A (zh) 管道泄漏声波信号增强方法
CN105674065A (zh) 一种基于变模式分解的声发射管道漏点定位方法
Ahmad et al. Industrial fluid pipeline leak detection and localization based on a multiscale Mann-Whitney test and acoustic emission event tracking
CN112539887A (zh) 一种基于wt-lcd-wd的管道泄漏信号去噪方法
Liu et al. Application of VMD in pipeline leak detection based on negative pressure wave
CN114704781A (zh) 一种优化iceemdan的管道泄漏声波信号检测方法
Ye et al. Multi-variable classification model for valve internal leakage based on acoustic emission time–frequency domain characteristics and random forest
Lanjile et al. Exploiting multi-modal sensing for increased detection fidelity of pipeline leakage
CN109340587B (zh) 基于经验模态分解的流体管道泄漏声发射相干定位方法
CN110440144B (zh) 一种基于压力信号幅值衰减的定位方法
CN106195648A (zh) 一种变径管等效管长的实验测试方法
Liu et al. Adaptive leak signal extraction based on EMD-CC for water pipeline leak location
Fang et al. Research on Leak LocationMethod of Water Supply Pipeline Based onMVMD.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication