CN114738679B - 一种管道漏检装置和管道漏检方法 - Google Patents

一种管道漏检装置和管道漏检方法 Download PDF

Info

Publication number
CN114738679B
CN114738679B CN202210373613.4A CN202210373613A CN114738679B CN 114738679 B CN114738679 B CN 114738679B CN 202210373613 A CN202210373613 A CN 202210373613A CN 114738679 B CN114738679 B CN 114738679B
Authority
CN
China
Prior art keywords
mutation
groups
mutation time
time differences
pretreatment
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.)
Active
Application number
CN202210373613.4A
Other languages
English (en)
Other versions
CN114738679A (zh
Inventor
易康
蔡昌新
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.)
Yangtze University
Original Assignee
Yangtze 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 Yangtze University filed Critical Yangtze University
Priority to CN202210373613.4A priority Critical patent/CN114738679B/zh
Publication of CN114738679A publication Critical patent/CN114738679A/zh
Application granted granted Critical
Publication of CN114738679B publication Critical patent/CN114738679B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

本发明涉及一种管道漏检装置和管道漏检方法,管道漏检装置包括三个传感器,其中,三个传感器分别设置在待检管道的不同部位,用于获取管道的三组传感数据;控制装置,与三个传感器耦接,并根据述三组传感数据以及三个传感器的位置数据确定漏点的位置。本发明通过分别设置在待检管道的不同部位的三个传感器,获取三组传感数据,然后,利用两两传感数据的差值,通过计算得到待检管道的漏点与某一传感器的相对位置,从而实现管道漏检。

Description

一种管道漏检装置和管道漏检方法
技术领域
本发明涉及管道检测技术领域,尤其涉及一种管道漏检装置和管道漏检方法。
背景技术
管道是市政工程中常会用到的排水、送气设施。管道在运行的过程中,因常年老化、各种介质的腐蚀、第三方活动以及打孔盗油等,会时常发生管道泄漏事故。管道泄漏事故不仅会造成经济财产损失,而且会污染环境,严重时甚至会导致人员伤亡。因此需要对管道进行在线无损检测。
目前输油管道在无损漏检中应用最为广泛的方法是基于双传感器的负压波检漏法。然而,由于负压波在不同介质中的传播速度不同,因此,存在测量精度不高的问题。
发明内容
有鉴于此,有必要提供一种管道漏检装置和管道漏检方法,用以解决现有技术中待检测管道的漏点位置测量精度低的问题。
为了解决上述问题,本发明提供一种管道漏检装置,包括:三个传感器,其中,三个传感器分别设置在待检管道的不同部位,用于获取管道的三组传感数据;控制装置,与三个传感器耦接,并根据述三组传感数据以及三个传感器的位置数据确定漏点的位置。
为了解决上述问题,本发明还提供一种基于管道漏检装置的管道漏检方法,包括:获取三个传感器两两之间的距离;获取三个传感器采集的三组传感数据;根据三组传感数据以及三个传感器两两之间的距离,确定漏点的位置。
其中,根据三组传感数据以及三个传感器两两之间的距离,确定漏点的位置,包括:
根据三组传感数据,确定三组突变周期;
根据三组突变周期两两之间的差值,得到三组突变时间差;
根据三个传感器两两之间的距离和三组突变时间差,确定待检管道漏点的位置。
其中,根据三组突变周期两两之间的差值,得到三组突变时间差,之后还包括:
对三组突变时间差均进行第一预处理,去除异常值,得到三组第一预处理突变时间差;
对三组第一预处理突变时间差均进行第二预处理,得到三个最优突变时间差,并代替异常值,得到三组第二预处理突变时间差;
对三组第二预处理突变时间差均进行第三预处理,得到三个目标突变时间差。
其中,三组突变时间差包括第一组突变时间差,对第一组突变时间差进行第一预处理,去除异常值,得到第一组的第一预处理突变时间差,包括:
获取第一组突变时间差的中位数、第一四分位数和第三四分位数;
根据第一四分位数和第三四分位数,得到离散度;
设置离散度判断标准,根据离散度,获取有效界限;
根据突变时间差、中位数,得到多个中位突变时间差;
判断多个中位突变时间差是否在有效界限范围之内,若是,则判定中位突变时间差正常;若否,则判定中位突变时间差异常,其对应的突变时间差为异常值;
去除异常值,得到第一组的第一预处理突变时间差。
其中,三组第一预处理突变时间差包括第一组的第一预处理突变时间差,对第一组的第一预处理突变时间差进行第二预处理,得到最优突变时间差,并代替异常值,得到第一组的第二预处理突变时间差,包括:
根据第一组的第一预处理突变时间差,通过置信距离测度,获取置信测度矩阵;
根据置信测度矩阵,得到支持度最优的突变时间差;
用支持度最优的突变时间差代替异常值,得到第一组的第二预处理突变时间差。
其中,三组第二预处理突变时间差包括第一组的第二预处理突变时间差,对第一组的第二预处理突变时间差进行第三预处理,得到第一组的目标突变时间差,包括:
根据第二预处理突变时间差,得到其对应的方差;
根据方差,得到其对应的加权因子;
根据第二预处理突变时间差和加权因子,得到的目标突变时间差。
其中,根据三组传感数据,确定三组突变周期,包括:
将三组传感数据输入至卡尔曼滤波器进行降噪处理,得到三组目标传感数据;
根据三组目标传感数据,确定三组突变周期。
其中,根据三组目标传感数据,确定三组突变周期,包括:
根据三组目标传感数据,采用小波分析,确定三组突变周期。
其中,根据三组目标传感数据,确定三组突变周期,包括:
根据三组目标传感数据,采用经验模态算法,确定三组突变周期。
采用上述实施例的有益效果是:本技术方案中,通过分别设置在待检管道的不同部位的三个传感器,获取三组传感数据,然后,利用两两传感数据的差值,通过计算得到待检管道的漏点与某一传感器的相对位置;由于本技术方案在计算过程中将负压波波速消去,从而避免了负压波波速对测量结果的影响,有效提高了管道漏检装置的测量精度。
附图说明
图1为本发明提供的管道漏检装置一实施例的结构示意图;
图2为本发明提供的基于管道漏检装置的管道漏检方法一实施例的流程示意图;
图3为图2中步骤S23一实施例的方法流程图;
图4为图3中步骤S232后处理三组突变时间差一实施例的方法流程图;
图5为图3中步骤S301一实施例的方法流程图;
图6为图3中步骤S302一实施例的方法流程图;
图7为图3中步骤S303一实施例的方法流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
本发明提供了一种管道漏检装置和管道漏检方法,以下分别进行详细说明。
为了对管道进行漏检,并测量出管道漏点的位置,本申请公开了一种管道漏检装置,能够获取管道漏点的位置。
如图1所示,图1为本发明提供的管道漏检装置一实施例的结构示意图,管道漏检装置包括:
三个传感器11,其中,三个传感器分别设置在待检管道的不同部位,用于获取管道的三组传感数据;
控制装置12,与三个传感器耦接,并根据述三组传感数据以及三个传感器的位置数据确定漏点的位置。
本实施例中,通过三个传感器11(如图1中传感器A、B、C)获取管道的传感数据,并根据传感数据的波动程度判定是否存在漏点;在测量漏点位置的过程中,控制装置12对三个传感器11的传感数据进行作差,根据两两传感数据之间的差值进行计算,也就是说,本实施例中,是依据两两传感数据之间的差值获取漏点的位置,从而克服了由于负压波波速在不同介质中的传播速度不同导致的测量误差问题,因此,本实施例有效地降低了负压波波速对定位精度的影响,从而具备测量精度高的优势。
与现有技术相比,现有技术中通常将负压波波速作为定值,通过计算获取管道漏点位置;本实施例提供的管道漏检装置中,鉴于负压波波速在不同介质中的传播速度不相同,因此通过作差获取到了两两传感数据的差值,在计算过程中将负压波波速消去,从而避免了负压波波速对测量结果的影响,有效提高了管道漏检装置的测量精度。
为了解决上述技术问题,本发明还提供了一种基于管道漏检装置的管道漏检方法,如图2所示,图2为本发明提供的基于管道漏检装置的管道漏检方法一实施例的流程示意图,包括:
步骤S21:获取三个传感器两两之间的距离;
步骤S22:获取三个传感器采集的三组传感数据;
步骤S23:根据三组传感数据以及三个传感器两两之间的距离,确定漏点的位置。
在本发明实施例中,首先,根据三个传感器在待检管道的设置位置,获取三个传感器两两之间的距离;然后,获取三个传感器采集的三组传感数据;最后,根据三组传感数据以及三个传感器两两之间的距离,获取三个传感器的传感数据的差值对应的相对距离,从而获取漏点基于某一固定位置的相对位置,从而确实漏点的位置。
在本发明的一些实施例中,根据三组传感数据以及三个传感器两两之间的距离,确定漏点的位置。如图3所示,图3为图2中步骤S23一实施例的方法流程图,包括:
步骤S231:根据三组传感数据,确定三组突变周期;
步骤S232:根据三组突变周期两两之间的差值,得到三组突变时间差;
步骤S233:根据三个传感器两两之间的距离和三组突变时间差,确定待检管道漏点的位置。
本实施例中,首先,根据三组传感数据中的波峰或者波谷值,确定三组突变周期;然后,对三组突变周期进行两两作差,得到三组突变时间差;最后,根据三个传感器两两之间的距离和三组突变时间差,确定待检管道漏点的位置。
本实施例中,通过对三组传感数据分别作差,得到三组传感数据差值,然后,又基于已知的三个传感器在待检管道的设置位置,从而获取到三组传感数据差值分别对应的相对距离,通过运算,获取漏点基于某一固定位置的相对位置,从而确定漏点的位置。
在实际测量传感数据的过程中,不可避免地会存在环境噪声等外部影响,为了在避免在计算过程中,由于外部原因造成的误差,在获取到的三组传感数据之后,还需要对三组传感数据进行降噪处理,从而确定三组突变周期。
作为优选的实施例,本申请中将三组传感数据输入至卡尔曼滤波器,从而得到三组目标传感数据;然后,根据三组目标传感数据,确定三组突变周期。
在实际操作过程中,传感数据的波动情况较为复杂,人为判断突变周期不可避免会存在主观上的误差,因此,在获取到三组目标传感数据后,还需要采用一定的方法确定三组突变周期。
作为优选的实施例,本申请中根据三组目标传感数据,采用小波分析,确定三组突变周期。
作为优选的实施例,本申请中根据三组目标传感数据,还可以采用经验模态算法,确定三组突变周期。
在步骤S232中,根据三组突变周期两两之间的差值,得到三组突变时间差,包括:在三组突变周期中,获取等数量的多个值,然后两两分别对应作差,得到三组突变时间差。
然而,在得到三组突变时间差后会发现,虽然相同的设备、相同的测量方法,但是获取到的三组突变时间差中,每组的数量差别较大,直接进行计算,会影响后续结果的精度。因此,在步骤S232得到三组突变时间差之后,还需要进行数据处理,如图4所示,图4为图3中步骤S232后处理三组突变时间差一实施例的方法流程图,包括:
步骤S301:对三组突变时间差均进行第一预处理,去除异常值,得到三组第一预处理突变时间差;
步骤S302:对三组第一预处理突变时间差均进行第二预处理,得到三个最优突变时间差,并代替异常值,得到三组第二预处理突变时间差;
步骤S303:对三组第二预处理突变时间差均进行第三预处理,得到三个目标突变时间差。
在步骤S301中,为了获取三组突变时间差中的异常值,以第一组突变时间差为例,如图5所示,图5为图3中步骤S301一实施例的方法流程图,包括:
步骤S3011:获取第一组突变时间差的中位数、第一四分位数和第三四分位数;
步骤S3012:根据第一四分位数和第三四分位数,得到离散度;
步骤S3013:设置离散度判断标准,根据离散度,获取有效界限;
步骤S3014:根据突变时间差、中位数,得到多个中位突变时间差;
步骤S3015:判断多个中位突变时间差是否在有效界限范围之内,若是,则判定中位突变时间差正常;若否,则判定中位突变时间差异常,其对应的突变时间差为异常值;
步骤S3016:去除异常值,得到第一组的第一预处理突变时间差。
获取其他两组突变时间差异常值并去除的方法与第一组相同,在此不在赘述。
在一具体实施例中,将第一组突变时间差T1i从小到大排列,得到原始序列(T11,T12,T13,...,T1n),求出该序列的中位数T1m,第一四分位数P1和第三四分位数P3
将第一四分位数P1和第三四分位数P3作差,取绝对值,得到第一组的离散度d1
其中,d1=P3-P1
本实施例中,P3大于P1,因此,无需取绝对值。在其他实施例中,不确定P3与P1的值的大小情况,或者突变时间差T1i从小到大排列时,则需要取绝对值,保证离散度d1的非负特性。
设置离散度判断标准θ,结合离散度d1,获取有效界限dl1
其中,dl1=θ*d1
作为优选的实施例,离散度判断标准θ包括(0.5,2)。
根据第一组的多个突变时间差T1i、中位数T1m,得到多个中位突变时间差ΔT1i
其中,ΔT1i=|T1i-T1m|
根据上述公式,得到第一组的多个中位突变时间差ΔT1i,分别比对多个中位突变时间差ΔT1i与有效界限dl1的关系,若中位突变时间差ΔT1i小于有效界限dl1,则判定该中位突变时间差ΔT1i对应的T1i为正常值;若中位突变时间差ΔT1i大于有效界限dl1,则判定该中位突变时间差ΔT1i对应的T1i为异常值。
最后,去除异常值,得到第一组的第一预处理突变时间差。
在去除异常值后,三组第一预处理突变时间差的数量与三组突变时间差相比,或多或少会有所减少。然而,当第一预处理突变时间差的数量减少时,必然会引起测量数据支撑度下降的问题,因此,为了降低去除异常值对测量结果的影响,本实施例在步骤S302中,通过得到三个最优突变时间差,并代替异常值,从而保证三组突变时间差中的数据数量的完整性。
如6所示,以第一组的第一预处理突变时间差为例,图6为图3中步骤S302一实施例的方法流程图,包括:
步骤S3021:根据第一组的第一预处理突变时间差,通过置信距离测度,获取置信测度矩阵;
步骤S3022:根据置信测度矩阵,得到支持度最优的突变时间差;
步骤S3023:用支持度最优的突变时间差代替异常值,得到第一组的第二预处理突变时间差。
获取其他两组的第二预处理突变时间差的方法与第一组相同,在此不在赘述。
在一具体实施例中,对于任一突变时间差T1i,为了获取其相对于同组中的其他突变时间差T1j的置信距离,需要根据置信距离测度公式,计算得到它的置信距离Dij
其中,置信距离测度公式为:
其中,σi 2为第i个突变时间差T1j的方差。
得到任一突变时间差T1i的置信距离Dij后,为了判别其与同组其他数据的相关度,设置置信距离判断标准α,当置信距离Dij大于置信距离判断标准α时,则判定第i个突变时间差和第j个突变时间差相互不支持,其对应的置信测度矩阵中的第i行第j个元素rij为0;当置信距离Dij小于或等于置信距离判断标准α时,则判定第i个突变时间差和第j个突变时间差相互支持,其对应的置信测度矩阵中的第i行第j个元素rij为1。
即,
根据上述计算公式,得到第一组的置信测度矩阵R1
其中,
通过上述置信测度矩阵R1,将每一行的元素rij相加,得到第i行对应的第i个突变时间差T1i的置信测度。以此类推,可以得到第一组突变时间差对应的m个置信测度,选出置信测度最大值,其对应的突变时间差T1y即为支持度最优的突变时间差。
用支持度最优的突变时间差T1y代替该组之前剔除的异常值,使得第一组突变时间差的数量仍然为初始数量,从而得到第一组的第二预处理突变时间差。
通过上述方式,同样能够获取到其他两组的置信测度矩阵R2和R3,然后获取其对应的最优的突变时间差T2y和T3y,从而得到第二组和第三组对应的第二预处理突变时间差,在此不在赘述。
在获取到三组第二预处理突变时间差后,还需要得到其对应的三个目标突变时间差,才能计算得到漏点的位置。如图7所示,在步骤S303中,以第一组的第二预处理突变时间差为例,图7为图3中步骤S303一实施例的方法流程图,包括:
步骤S3031:根据第二预处理突变时间差,得到其对应的方差;
步骤S3032:根据方差,得到其对应的加权因子;
步骤S3033:根据第二预处理突变时间差和加权因子,得到的目标突变时间差。
在一具体实施例中,以第一组突变时间差为例,演示根据第一组的第二预处理突变时间差,得到的目标突变时间差的过程。
根据第一组的第二预处理突变时间差,通过方差公式,得到第一组中每个第二预处理突变时间差对应的方差,其中,第i个突变时间差的方差记为σi 2。那么,第一组的第二预处理突变时间差对应的方差分别就是σ1 2、σ2 2、...、σn 2
然后,根据加权因子公式,得到其对应的加权因子ωi
其中,加权因子公式为:
通过上述方式,获取到第一组的第二预处理突变时间差对应的多个加权因子ω1、ω2、...、ωn
然后,根据第一组的第二预处理突变时间差T11、T12、...、T1n,及其对应的多个加权因子ω1、ω2、...、ωn,通过一一对应求积并相加,得到的目标突变时间差T1
其中,
通过上述方式,同样能够获取到其他两组的目标突变时间差T2和T3,在此不在赘述。
综上,通过上述方式处理突变时间差,从而得到目标突变时间差,不仅减少了系统、环境等外部因素对测量结果的影响,而且由于本技术方案中,在剔除异常的突变时间差后,又通过替换的方式,保证了突变时间差的数量,有效提高了最优值的权重,因此,通过本技术方案,获取到的目标突变时间差有效度高,能够保证根据目标突变时间差,获取漏点位置的精度。
在一优选实施例中,基于三个传感器的位置关系,能够得到第一传感器与第二传感器的间距X12,第一传感器与第三传感器的间距X13,第二传感器与第三传感器的间距X23;基于目标突变时间差t1、t2和t3,能够获取到第一传感器与第二传感器的检测时间差Δt12,第一传感器与第三传感器的检测时间差Δt13,第二传感器与第三传感器的检测时间差Δt23
其中,Δtij=ti-tj.其中,i和j的取值分别为1,2,3。
基于上述获取到的数据,根据三个传感器两两之间的距离和三组突变时间差,通过漏点公式,通过运算,获取漏点基于某一固定位置的相对位置,从而确定漏点的位置目标突变时间差。
在本实施例中,为了获取漏点与第一传感器的相对距离,漏点公式的表达式为:
其中,x为漏点与第一传感器的相对距离。
在其他实施例中,还可以获取漏点关于其他传感器或者其他位置的相对距离,只需要对公式进行适当变形。
本发明实施例提供的管漏检装置及漏检方法,通过分别设置在待检管道的不同部位的三个传感器,获取三组传感数据,然后,利用两两传感数据的差值,通过计算得到待检管道的漏点与某一传感器的相对位置。由于本技术方案在计算漏点位置的过程中,能够将负压波波速消去,因而避免了负压波波速对测量结果的影响,有效提高了管道漏检装置的测量精度。
进一步地,为了提高在计算漏点位置过程中运用的突变时间差的精度,本发明实施例还通过去除异常值、获取最优值并代替异常值、对突变时间差进行加权计算的方式,对最终计算漏点位置用到的突变时间差进行处理,降低了外部因素造成的系统误差,提高了突变时间差的计算精度,从而实现了提高管道漏检装置的测量精度。
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,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,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。

Claims (8)

1.一种管道漏检装置,其特征在于,包括:
三个传感器,其中,所述三个传感器分别设置在待检管道的不同部位,用于获取所述管道的三组传感数据;
控制装置,与所述三个传感器耦接,用于获取所述三个传感器两两之间的距离,并根据所述三组传感数据,确定三组突变周期;
根据所述三组突变周期两两之间的差值,得到三组突变时间差;
对所述三组突变时间差均进行第一预处理,去除异常值,得到三组第一预处理突变时间差;
对所述三组第一预处理突变时间差均进行第二预处理,得到三个最优突变时间差,并代替所述异常值,得到三组第二预处理突变时间差;
对所述三组第二预处理突变时间差均进行第三预处理,得到三个目标突变时间差;
根据所述三个传感器两两之间的距离和所述三个目标突变时间差,确定所述待检管道漏点的位置。
2.一种根据权利要求1所述的管道漏检装置的管道漏检方法,其特征在于,包括:
获取所述三个传感器两两之间的距离;
获取所述三个传感器采集的三组传感数据;
根据所述三组传感数据,确定三组突变周期;
根据所述三组突变周期两两之间的差值,得到三组突变时间差;
对所述三组突变时间差均进行第一预处理,去除异常值,得到三组第一预处理突变时间差;
对所述三组第一预处理突变时间差均进行第二预处理,得到三个最优突变时间差,并代替所述异常值,得到三组第二预处理突变时间差;
对所述三组第二预处理突变时间差均进行第三预处理,得到三个目标突变时间差;
根据所述三个传感器两两之间的距离和所述三个目标突变时间差,确定所述待检管道漏点的位置。
3.根据权利要求2所述的管道漏检方法,所述三组突变时间差包括第一组突变时间差,其特征在于,对所述第一组突变时间差进行第一预处理,去除异常值,得到第一组的第一预处理突变时间差,包括:
获取所述第一组突变时间差的中位数、第一四分位数和第三四分位数;
根据所述第一四分位数和所述第三四分位数,得到离散度;
设置离散度判断标准,根据所述离散度,获取有效界限;
根据所述突变时间差、所述中位数,得到多个中位突变时间差;
判断所述多个中位突变时间差是否在所述有效界限范围之内,若是,则判定所述中位突变时间差正常;若否,则判定所述中位突变时间差异常,其对应的所述突变时间差为异常值;
去除所述异常值,得到所述第一组的第一预处理突变时间差。
4.根据权利要求3所述的管道漏检方法,所述三组第一预处理突变时间差包括第一组的第一预处理突变时间差,其特征在于,对所述第一组的第一预处理突变时间差进行第二预处理,得到最优突变时间差,并代替所述异常值,得到第一组的第二预处理突变时间差,包括:
根据所述第一组的第一预处理突变时间差,通过置信距离测度,获取置信测度矩阵;
根据所述置信测度矩阵,得到支持度最优的突变时间差;
用所述支持度最优的突变时间差代替所述异常值,得到第一组的第二预处理突变时间差。
5.根据权利要求4所述的管道漏检方法,所述三组第二预处理突变时间差包括第一组的第二预处理突变时间差,其特征在于,对所述第一组的第二预处理突变时间差进行第三预处理,得到第一组的目标突变时间差,包括:
根据所述第二预处理突变时间差,得到其对应的方差;
根据所述方差,得到其对应的加权因子;
根据所述第二预处理突变时间差和所述加权因子,得到的目标突变时间差。
6.根据权利要求2所述的管道漏检方法,其特征在于,所述根据三组传感数据,确定三组突变周期,包括:
将所述三组传感数据输入至卡尔曼滤波器进行降噪处理,得到三组目标传感数据;
根据所述三组目标传感数据,确定所述三组突变周期。
7.根据权利要求6所述的管道漏检方法,其特征在于,所述根据所述三组目标传感数据,确定所述三组突变周期,包括:
根据所述三组目标传感数据,采用小波分析,确定所述三组突变周期。
8.根据权利要求6所述的管道漏检方法,其特征在于,所述根据所述三组目标传感数据,确定所述三组突变周期,包括:
根据所述三组目标传感数据,采用经验模态算法,确定所述三组突变周期。
CN202210373613.4A 2022-04-11 2022-04-11 一种管道漏检装置和管道漏检方法 Active CN114738679B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210373613.4A CN114738679B (zh) 2022-04-11 2022-04-11 一种管道漏检装置和管道漏检方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210373613.4A CN114738679B (zh) 2022-04-11 2022-04-11 一种管道漏检装置和管道漏检方法

Publications (2)

Publication Number Publication Date
CN114738679A CN114738679A (zh) 2022-07-12
CN114738679B true CN114738679B (zh) 2023-09-22

Family

ID=82282588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210373613.4A Active CN114738679B (zh) 2022-04-11 2022-04-11 一种管道漏检装置和管道漏检方法

Country Status (1)

Country Link
CN (1) CN114738679B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103499023A (zh) * 2013-09-24 2014-01-08 常州大学 一种燃气管道泄漏在线检测和定位方法及其装置
CN104595729A (zh) * 2015-01-15 2015-05-06 中国石油大学(华东) 一种基于声波幅值的油气管道泄漏定位方法
CN105864642A (zh) * 2016-06-06 2016-08-17 浙江理工大学 一种新型管道泄漏检测装置和检测方法
CN107061996A (zh) * 2017-03-10 2017-08-18 内蒙古大学 一种供水管道泄漏检测定位方法
CN109506135A (zh) * 2018-11-06 2019-03-22 三川智慧科技股份有限公司 管道泄漏点定位方法及装置
CN109611696A (zh) * 2019-01-31 2019-04-12 西安建筑科技大学 一种管道泄漏检测与泄漏位置定位装置及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103499023A (zh) * 2013-09-24 2014-01-08 常州大学 一种燃气管道泄漏在线检测和定位方法及其装置
CN104595729A (zh) * 2015-01-15 2015-05-06 中国石油大学(华东) 一种基于声波幅值的油气管道泄漏定位方法
CN105864642A (zh) * 2016-06-06 2016-08-17 浙江理工大学 一种新型管道泄漏检测装置和检测方法
CN107061996A (zh) * 2017-03-10 2017-08-18 内蒙古大学 一种供水管道泄漏检测定位方法
CN109506135A (zh) * 2018-11-06 2019-03-22 三川智慧科技股份有限公司 管道泄漏点定位方法及装置
CN109611696A (zh) * 2019-01-31 2019-04-12 西安建筑科技大学 一种管道泄漏检测与泄漏位置定位装置及方法

Also Published As

Publication number Publication date
CN114738679A (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
Xie et al. A review on pipeline integrity management utilizing in-line inspection data
CN110069860B (zh) 伸缩节可靠性疲劳寿命评估方法
CN107620868B (zh) 管道泄漏检测方法及装置
US20120209566A1 (en) Method for Checking Plausability of Digital Measurement Signals
CN113468479B (zh) 一种基于数据驱动的冷连轧工业过程监测与异常检测方法
CN110470738B (zh) 基于振动响应差比函数的结构损伤识别方法
US20210191375A1 (en) Method for carrying out measurements on a virtual basis, device, and computer readable medium
US20210407835A1 (en) Abnormality detecting apparatus, semiconductor manufacturing apparatus, and abnormality detecting method
US20150308920A1 (en) Adaptive baseline damage detection system and method
CN114738679B (zh) 一种管道漏检装置和管道漏检方法
CN104180823A (zh) 一种温度补偿方法及装置
Xiao et al. Combining process and product information for quality improvement
Wang et al. Prediction of multiple fatigue crack growth based on modified Paris model with particle filtering framework
CN109523129A (zh) 一种无人车多传感器信息实时融合的方法
CN111351862A (zh) 一种超声测量较准方法及测厚方法
CN115166177A (zh) 基于多传感器数据融合算法的水质监测方法和系统
Huang et al. General expression for linear and nonlinear time series models
CN118134272B (zh) 一种设备局部腐蚀风险分级预警方法及系统
CA2858971A1 (en) A system and method for enhancing corrosion rate determination in process equipment using a telescoping/rotating sensor
CN111256045B (zh) 一种管道防腐层监测点角度定位方法、装置及监测设备
CN118134272A (zh) 一种设备局部腐蚀风险分级预警方法及系统
KR20170070902A (ko) 철강공정 설비 모니터링 장치 및 방법
JP2021110977A (ja) 診断装置、診断方法およびプログラム
Saeed et al. Front face strain compliance for quantification of short crack growth in fatigue testing
CN118090925B (zh) 一种基于超声导波的局部腐蚀异常识别方法及系统

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