CN118094116A - 一种管道压力测量方法 - Google Patents

Abstract

本发明涉及管道压力测量领域，更具体地，本发明涉及一种管道压力测量方法，包括：将采集的管道压力数据进行插值扩展为管道压力扩展数据集，根据管道压力扩展数据集中每个管道压力数据在局部范围和邻域范围内的数据分布特征计算各个管道压力数据的噪声可能程度，并利用短时傅里叶变换获取每个管道压力数据的能量合期程度，进而得到各个管道压力数据的卡尔曼滤波可信度，根据卡尔曼滤波可信度对管道压力数据中经过卡尔曼滤波后的数值进行调整，得到品质更高的管道压力数据，与实际的管道压力数据更为接近，提高了管道压力测量的准确性。

Description

一种管道压力测量方法

技术领域

本发明涉及管道压力测量领域，具体涉及一种管道压力测量方法。

背景技术

管道压力测量是确保管道系统安全运行的关键之一，通过测量管道压力及时发现管道压力异常并采取必要的措施，可以有效防止事故的发生，降低系统维修和停产带来的损失。在进行管道压力测量时，管道系统中可能存在各种来源的噪声，例如机械振动、流体波动或电磁干扰，这些噪声会使得压力测量结果不准确，通过滤波操作可以有效地减小这些噪声，使得测量结果更为稳定和可靠。

现有技术在使用压力传感器测量供热管道的压力时，受环境噪声影响，需要对压力传感器接收的数据进行滤波处理，往往采用卡尔曼滤波对采集的管道压力数据进行滤波去噪处理，但是由于卡尔曼滤波是一种递归滤波算法，通过不断地更新管道压力数据的估计值来实现对管道压力大小的估计，当供热管道由于温度升高引起管道压力增大，或由于温度降低引起管道压力减小时，卡尔曼滤波需要较长的时间才能收敛到准确的管道压力估计值，在这个过程中，滤波结果会出现较大的误差，影响管道压力测量结果的准确性。

发明内容

为解决上述一个或多个技术问题，本发明提出一种管道压力测量方法，该方法提高了管道压力测量的准确性。具体采用如下技术方案：一种管道压力测量方法，包括：

采集一段时间内的管道压力数据集；

对所述管道压力数据集进行线性插值扩展，得到管道压力扩展数据集；

预设所述管道压力扩展数据集中每个管道压力数据的局部范围和邻域范围；

根据所述每个管道压力数据的局部范围包含的压力数据和邻域范围包含的压力数据，确定所述每个管道压力数据的噪声可能程度；

对所述管道压力扩展数据集做短时傅里叶变换，得到时频图；所述时频图的X轴为频率，Y轴为时间，Z轴为各个时间对应的各个频率的幅值；

基于时间获取所述管道压力扩展数据集中每个管道压力数据在所述时频图中对应的各个频率的幅值，并根据所述各个频率的幅值确定所述每个管道压力数据的能量合期程度；

对所述管道压力扩展数据集进行卡尔曼滤波，并利用管道压力扩展数据集中每个管道压力数据的能量合期程度和噪声可能程度对卡尔曼滤波的结果进行调整；

将所述管道压力扩展数据集调整后的卡尔曼滤波结果作为管道压力测量结果。

进一步的，所述利用管道压力扩展数据集中每个管道压力数据的能量合期程度和噪声可能程度对卡尔曼滤波的结果进行调整，包括：

基于所述每个管道压力数据的能量合期程度和噪声可能程度确定所述每个管道压力数据的卡尔曼滤波可信度；

根据所述每个管道压力数据的卡尔曼滤波可信度和每个管道压力数据与后相邻的管道压力数据的数值差异，确定所述每个管道压力数据调整后的数值；

基于所述管道压力扩展数据集中所有管道压力数据调整后的数值，得到所述管道压力扩展数据集调整后的卡尔曼滤波结果。

进一步的，所述卡尔曼滤波可信度，包括：将所述管道压力扩展数据集中每个管道压力数据的噪声可能程度和能量合期程度的乘积，作为所述每个管道压力数据的卡尔曼滤波可信度。

进一步的，根据所述每个管道压力数据的卡尔曼滤波可信度和每个管道压力数据与后相邻的管道压力数据的数值差异，确定所述每个管道压力数据调整后的数值，包括：

若所述管道压力数据的数值小于后相邻的管道压力数据的数值，则将所述管道压力数据的数值除以所述管道压力数据的卡尔曼可信度，得到的数值作为所述管道压力数据调整后的数值；

若所述管道压力数据的数值大于后相邻的管道压力数据的数值，则将所述管道压力数据的数值乘以所述管道压力数据的卡尔曼滤波可信度，得到的数值作为所述管道压力数据调整后的数值；

若所述管道压力数据的数值等于后相邻的管道压力数据的数值，则不作调整。

进一步的，所述每个管道压力数据的噪声可能程度，满足如下关系式：

式中，为管道压力扩展数据集中的管道压力数据的序号，/>为管道压力扩展数据集中第/>个管道压力数据的噪声可能程度，/>为任一管道压力数据的局部范围内包含的管道压力数据的数量，/>为第/>个管道压力数据在邻域半径为/>的邻域范围内包含的管道压力数据的数值均值，/>为第/>个管道压力数据在邻域半径为/>的邻域范围内包含的管道压力数据的数值均值，/>为第/>个管道压力数据的局部范围内包含的管道压力数据的序号，/>的值取遍/>范围内所有整数，/>为第/>个管道压力数据的局部范围内包含的管道压力数据的序号，/>的值取遍[/>]范围内所有整数，/>为第/>个管道压力数据的数值，/>为第/>个管道压力数据的局部范围内的第/>个管道压力数据的数值，/>为该第/>个管道压力数据的局部范围内的第/>个管道压力数据的数值，/>为归一化函数。

进一步的，所述每个管道压力数据的能量合期程度，满足如下关系式：

式中，为管道压力扩展数据集中管道压力数据的序号，/>为管道压力扩展数据集中第/>个管道压力数据的能量合期程度，/>为第/>个管道压力数据的采集时间在时频图中对应的频率的总数，/>为第/>个管道压力数据的采集时间在时频图中对应的频率的序号，/>的值取遍/>范围内所有整数，/>为第/>个管道压力数据的采集时间在时频图中对应的第/>个频率的幅值，/>为管道压力扩展数据集中包含的管道压力数据的数量，/>为管道压力扩展数据集中包含的管道压力数据的序号，/>的值取遍/>范围内任意整数，/>为归一化函数。

进一步的，所述管道压力扩展数据集中每个管道压力数据的局部范围，包括：

对所述管道压力扩展数据集中的所有管道压力数据以采集时间为横坐标，以每个采集时间对应的管道压力数据的数值为纵坐标，构建坐标系，得到时域图；

在时域图中，基于所述每个管道压力数据的坐标获取每个管道压力数据欧式距离最近的个管道压力数据，作为每个管道压力数据的局部范围，/>为任一管道压力数据的局部范围内包含的管道压力数据的数量。

进一步的，所述的值为/>，其中，/>为所述管道压力扩展数据集中的管道压力数据的总数，/>为采集管道压力数据集的时间周期。

进一步的，对所述管道压力数据集进行线性插值扩展，包括：

在所述管道压力数据集中的每两个相邻的管道压力数据之间进行插值，且插值为所述每两个相邻的管道压力数据的均值。

本发明具有以下效果：

本发明根据压力传感器接收到的管道压力数据，将管道压力数据进行插值扩展，根据扩展后的管道压力数据集，计算扩展后的管道压力数据集中各个管道压力数据的噪声可能程度和能量合期程度，进而得到各个管道压力数据的卡尔曼滤波可信度，根据卡尔曼滤波可信度对管道压力数据中经过卡尔曼滤波后的数值进行调整，实现对卡尔曼滤波结果的调整，通过调整去除了管道压力数据中的噪声数据，使得卡尔曼滤波得到的管道压力数据与实际的管道压力数据更为接近，提高了管道压力测量结果的准确性。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：

图1是本发明的方法流程的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图来详细描述本发明的具体实施方式。

参照图1，一种管道压力测量方法，包括步骤S1-S8，具体如下：

S1：采集一段时间内的管道压力数据集。

预先对高温压力传感器进行校准，将校准后的高温压力传感器布置在供热管道的侧壁下方，并用紧固件进行固定，高温压力传感器用于采集管道的压力信号，也就是压力数据，将高温压力传感器与数字采集器和无线传输模块连接，数字采集器用于读取高温压力传感器采集的压力数据，通过无线传输模块将数字采集器读取到的压力数据传输至计算机，计算机获取到压力数据，以实现对供热管道压力的实时测量和记录，并对高温传感器的压力数据进行采样，记采样时间为，采样频率为/>，则得到的采样数据总数/>，即总共采集到/>个管道压力数据，将其作为管道压力数据集，本实施例中的采样时间/>设置为1分钟，采样频率为60Hz，采样数据和采样频率不做具体限定，可自行设置。

至此，获取到压力传感器采集的管道压力数据，构成管道压力数据集。

S2：对所述管道压力数据集进行线性插值扩展，得到管道压力扩展数据集。

由于卡尔曼滤波是一种递归滤波算法，通过不断地更新压力估计值来实现对压力大小的估计，当供热管道温度升高引起管道压力增大，或温度降低引起管道压力减小时，卡尔曼滤波需要较长的时间才能收敛到准确的压力估计值，并且由于高温压力传感器连接的数字采集器的采样频率难以实时动态调整，因此可在获取管道压力数据后，计算机通过插值的方法增加采样时间内的管道压力数据个数，对采样时间内的管道压力数据进行插值补充，以加快获取管道压力数据的估计结果，由于线性插值法简单且易实现，故选取线性插值法增加采样时间内的管道压力数据的个数。

具体的，在所述管道压力数据集中，以两个相邻的管道压力数据的数值均值作为这两个相邻的管道压力数据之间的插值，将该插值加入这两个相邻的管道压力数据之间，按照此方法对所有两相邻的管道压力数据进行插值，完成了对管道压力数据集的线性插值扩展，得到管道压力扩展数据集，管道压力扩展数据集包含的管道压力数据个数。

S3：预设所述管道压力扩展数据集中每个管道压力数据的局部范围和邻域范围。

其中，预设所述管道压力扩展数据集中每个管道压力数据的局部范围，包括：

以采集时间为横坐标，以每个采集时间对应的管道压力数据的数值为纵坐标，构建坐标系，得到时域图，在时域图中每个采集时间对应一个管道压力数据，管道压力数据由于数值大小不同，在该时域图中通常表现为多个散点；

在时域图中，基于所述每个管道压力数据的坐标获取每个管道压力数据欧式距离最近的个管道压力数据，即根据管道压力数据的坐标计算管道压力数据之间的欧式距离，然后基于欧式距离选取每个管道压力数据最近的/>个管道压力数据，将每个管道压力数据的最近的/>个管道压力数据作为该管道压力数据的局部范围，/>为管道压力数据的局部范围内包含的管道压力数据数量，任何一个管道压力数据的局部范围内包含的管道压力数据数量都是相同的，/>的值为(/>，/>为线性插值扩展后的管道压力数据个数，/>为采样时间。

设定邻域半径的值为，以每个管道压力数据为中心，以/>为半径形成的圆形区域范围，作为该管道压力数据的邻域范围。

S4：根据所述每个管道压力数据的局部范围包含的压力数据和邻域范围包含的压力数据，确定所述每个管道压力数据的噪声可能程度。

虽然在步骤S2中对管道压力数据进行了线性插值扩展，但是扩展后得到的管道压力扩展数据集中仍然可能会存在压力数据变化陡峭的情况，如原始采集的管道压力数据中的一小段为50，100，300，进行线性插值扩展后为50，75，100，150，300，可见管道压力数据线性插值只能简单地进行数据扩展，扩展后的管道压力数据集中依旧存在部分收敛慢的管道压力数据，需要进一步分析处理。

若管道压力数据中存在噪声，噪声在时域图中表现为一定时间范围内随机波动产生的毛刺，若管道压力数据中存在异常数据，异常数据在时域图中表现为一段时间范围内压力数据的数值变化趋势异常，与存在异常的管道压力数据相比，受噪声影响的管道压力数据通常是局部离群度高，即管道压力数据相对于其局部范围内的其他管道压力数据是远离的，并且受噪声影响的管道压力数据，与其邻域内的管道压力数据均值的差异较小，故可通过管道压力数据的局部离群度和管道压力数据在邻域内压力数据均值，以对管道压力数据中的噪声数据和异常数据进行区分，因此通过管道压力数据的局部离群度和管道压力数据在邻域内压力数据均值获取管道压力扩展数据集中每个管道压力数据的噪声可能程度，噪声可能程度越高，越需要进行滤除。

所述每个管道压力数据的噪声可能程度，满足如下关系式：

式中，为所述管道压力扩展数据集中的管道压力数据的序号，/>为所述管道压力扩展数据集中第/>个管道压力数据的噪声可能程度，/>为任一管道压力数据的局部范围内包含的管道压力数据的数量，即每个管道压力数据的局部范围内包含的管道压力数据的数量都相同，/>为第/>个管道压力数据在邻域半径为/>的邻域范围内包含的管道压力数据的数值均值，/>为第/>个管道压力数据在邻域半径为/>的邻域范围内包含的管道压力数据的数值均值，/>为所述第/>个管道压力数据的局部范围内包含的管道压力数据的序号，的值取遍/>范围内所有整数，/>为第/>个管道压力数据的局部范围内包含的管道压力数据的序号，/>的值取遍[/>]范围内所有整数，/>为第/>个管道压力数据的数值，/>为第/>个管道压力数据的局部范围内的第/>个管道压力数据的数值，/>为该第/>个管道压力数据的局部范围内的第/>个管道压力数据的数值，/>为归一化函数。

在上述每个管道压力数据的噪声可能程度的公式中：

该公式表示第个管道压力数据的局部离群度，当第/>个管道压力数据的局部离群度高时，该管道压力数据存在噪声的可能程度越高，需要进行卡尔曼滤波的可能性更高；

在上述每个管道压力数据的噪声可能程度的公式中：

该公式的含义为：第个管道压力数据在邻域半径/>范围内的包含的管道压力数据的数值均值与第/>个管道压力数据在邻域半径/>范围内包含的管道压力数据的数值均值之间的相似度，当相似度低时，说明第/>个管道压力数据在邻域范围内的变化趋势的异常可能程度越高，越可能为管道压力数据中的异常数据，越需要保留，以便后续进行测量分析，故其需要进行卡尔曼滤波的可能程度就越小。

S5：对所述管道压力扩展数据集做短时傅里叶变换，得到时频图；所述时频图的X轴为频率，Y轴为时间，Z轴为各个时间对应的各个频率的幅值。

本步骤的目的是获取管道压力数据的在各个时间上对应的频率分布情况，在管道压力扩展数据集进行短时傅里叶变换后的三维时频图中，包含X、Y、Z三个坐标轴，这三个坐标轴代表不同的参数，X轴代表时间坐标，表示信号（管道压力数据）的时间信息，横坐标通常表示时间的流逝，例如在音频信号分析中，它可能代表时间的秒数或者样本点的序号，Y轴代表频率坐标，表示信号的频率成分，用于展示信号的频率分布，单位可以是赫兹或其他频率单位，Z轴通常代表幅值坐标，也称为幅值或能量强度亦或振幅谱密度等类似的能量指标，幅值坐标展示了信号在不同时间和频率上的能量大小，在傅里叶变换后得到的频谱图中，可以看到信号在不同频率上的能量分布，通过三维时频图可以形象地展现信号随时间变化的频率分布及其能量变化情况，非常适合分析非平稳信号的动态特性。

S6：基于时间获取所述管道压力扩展数据集中每个管道压力数据在所述时频图中对应的各个频率的取值，并根据所述各个频率的取值确定所述每个管道压力数据的能量合期程度。

所述各个频率的取值确定所述每个管道压力数据的能量合期程度，包括：

式中，为所述管道压力扩展数据集中管道压力数据的序号，/>为所述管道压力扩展数据集中第/>个管道压力数据的能量合期程度，/>为所述第/>个管道压力数据的采集时间在所述时频图中对应的频率的总数，/>为所述第/>个管道压力数据的采集时间在所述时频图中对应的频率的序号，/>的值取遍/>范围内所有整数，/>为所述第/>个管道压力数据的采集时间在所述时频图中对应的第/>个频率的幅值，/>为第/>个管道压力数据的能量大小，/>为所有管道压力数据点的能量大小的均值，/>函数用于线性归一化第/>个数据点能量与均值能量的差异程度，/>为所述管道压力扩展数据集中包含的管道压力数据的数量。

在上述每个管道压力数据的能量合期程度的公式中：

该公式为第个管道压力数据的能量大小与所有管道压力数据的能量均值之间的偏离程度，偏离程度越大，该管道压力数据越可能为能量异常的数据，越需要保留以进行后续压力测量，也就是该管道压力数据越不可能是噪声数据，越不需要进行卡尔曼滤波去噪，能量合期程度就越低，反之，若偏离程度越小，则该管道压力数据越需要进行卡尔曼滤波去噪，能量合期程度就越高。

因为噪声通常不会引起管道压力数据的能量突变，而压力升高或降低导致的异常会引起管道压力数据的能量突变，故本步骤结合短时傅里叶变换获取管道压力数据的能量合期程度，能量合期程度越高的管道压力数据，越需要进行卡尔曼滤波去噪。

S7：对所述管道压力扩展数据集进行卡尔曼滤波，并利用管道压力扩展数据集中每个管道压力数据的能量合期程度和噪声可能程度对卡尔曼滤波的结果进行调整。

其中，利用管道压力扩展数据集中每个管道压力数据的能量合期程度和噪声可能程度对卡尔曼滤波的结果进行调整，包括：

首先，基于每个管道压力数据的能量合期程度和噪声可能程度确定所述每个管道压力数据的卡尔曼滤波可信度，所述每个管道压力数据的卡尔曼滤波可信度获取方法为：将所述管道压力扩展数据集中每个管道压力数据的噪声可能程度和能量合期程度的乘积，作为所述每个管道压力数据的卡尔曼滤波可信度，以管道压力扩展数据集中第个数据点为例，其卡尔曼滤波可信度/>，其中/>为管道压力扩展数据集中第/>个管道压力数据的噪声可能程度，/>为管道压力扩展数据集中第/>个管道压力数据的能量合期程度，由于/>和/>均为归一化后的数值，则/>的数值范围为/>。

然后，根据所述每个管道压力数据的卡尔曼滤波可信度和每个管道压力数据与后相邻的管道压力数据的数值差异，确定所述每个管道压力数据调整后的数值，具体包括：若所述管道压力数据的数值小于后相邻（时间上）的管道压力数据的数值，则将所述管道压力数据的数值除以所述管道压力数据的卡尔曼可信度，得到的数值作为所述管道压力数据调整后的数值；

若所述管道压力数据的数值大于后相邻的管道压力数据的数值，将所述管道压力数据的数值乘以所述管道压力数据的卡尔曼滤波可信度，得到的数值作为所述管道压力数据调整后的数值；

若所述管道压力数据的数值等于后相邻的管道压力数据的数值，则不做调整。

具体过程可表述为：对管道压力扩展数据集进行卡尔曼滤波，记卡尔曼滤波结果中第个管道压力数据的数值为/>，则按照如下方式进行数值调整：

该公式中，为/>调整后的数值，/>为卡尔曼滤波结果中第/>个管道压力数据的数值，/>为第/>个管道压力数据的卡尔曼滤波可信度，当卡尔曼滤波结果中第/>个管道压力数据的数值小于第/>个管道压力数据的数值时，说明此时存在压力陡增，收敛开始时，管道压力的数值偏小，需要按卡尔曼滤波可信度/>增大管道压力数值，当卡尔曼滤波结果中第/>个管道压力数据的数值大于第/>个管道压力数据的数值时，说明此时存在压力陡减，收敛开始时，管道压力数据的数值偏大，需要按卡尔曼滤波可信度/>为比例减小压力取值大小，若第/>个管道压力数据的数值等于第/>个管道压力数据的数值时，说明此时压力不存在陡增或陡减，无需调整，由于/>的数值范围为/>，则公式中的/>是增大/>，公式中的/>是减小/>。

当管道压力扩展数据集中存在管道压力数据的数值陡增的位置，则卡尔曼滤波在收敛时会从管道压力数据的数值偏小逐渐过渡，使管道压力数据的变化更符合趋势，若管道压力扩展数据集中存在管道压力数据的数值陡减的位置，则卡尔曼滤波在收敛时会从偏大逐渐过渡到符合变化趋势的管道压力数据，卡尔曼滤波的收敛是该滤波算法在运行一段时间后，能准确的追踪数据的变化状态，并且该滤波算法的输出数值与实际数值的误差逐渐减小，最终趋于稳定的过程，卡尔曼滤波算法是一种递推优化算法，它不断地结合系统动态模型和实际观测数据，通过预测和更新步骤来逐步优化对系统状态的估计。

最后，将所述管道压力扩展数据集中所有管道压力数据数值调整完成后，得到所述管道压力扩展数据集调整后的卡尔曼滤波结果。

本步骤是根据卡尔曼滤波结果中管道压力数据的数值变化特征和管道压力数据的卡尔曼滤波可信度，对卡尔曼滤波结果进行调整，得到调整后的卡尔曼滤波结果。

S8：将所述管道压力扩展数据集调整后的卡尔曼滤波结果作为管道压力测量结果。

通过对管道压力扩展数据集的卡尔曼滤波结果进行调整，获得更准确、更稳定的管道压力数据，提高了测量精度，并且准确的管道压力测量结果能够直观反映管道的工作状态，及时发现压力异常情况，并触发预警机制，提前采取措施避免潜在的安全隐患和设备损坏，同时，准确的管道压力测量结果可用于优化管道系统的运行控制策略，如调节泵站的输水泵功率、阀门开度等，确保管道系统始终在最佳工作状态下运行，降低能耗，延长设备使用寿命。

在本说明书的描述中，“多个”、“若干个”的含义是至少两个，例如两个，三个或更多个等，除非另有明确具体的限定。

虽然本说明书已经示出和描述了本发明的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中，可以采用对本文所描述的本发明实施例的各种替代方案。

Claims (9)

1.一种管道压力测量方法，其特征在于，包括：

采集一段时间内的管道压力数据集；

对所述管道压力数据集进行线性插值扩展，得到管道压力扩展数据集；

预设所述管道压力扩展数据集中每个管道压力数据的局部范围和邻域范围；

根据所述每个管道压力数据的局部范围包含的压力数据和邻域范围包含的压力数据，确定所述每个管道压力数据的噪声可能程度；

对所述管道压力扩展数据集做短时傅里叶变换，得到时频图；所述时频图的X轴为频率，Y轴为时间，Z轴为各个时间对应的各个频率的幅值；

基于时间获取所述管道压力扩展数据集中每个管道压力数据在所述时频图中对应的各个频率的幅值，并根据所述各个频率的幅值确定所述每个管道压力数据的能量合期程度；

对所述管道压力扩展数据集进行卡尔曼滤波，并利用管道压力扩展数据集中每个管道压力数据的能量合期程度和噪声可能程度对卡尔曼滤波的结果进行调整；

将所述管道压力扩展数据集调整后的卡尔曼滤波结果作为管道压力测量结果。

2.根据权利要求1所述的一种管道压力测量方法，其特征在于，所述利用管道压力扩展数据集中每个管道压力数据的能量合期程度和噪声可能程度对卡尔曼滤波的结果进行调整，包括：

基于所述每个管道压力数据的能量合期程度和噪声可能程度确定所述每个管道压力数据的卡尔曼滤波可信度；

根据所述每个管道压力数据的卡尔曼滤波可信度和每个管道压力数据与后相邻的管道压力数据的数值差异，确定所述每个管道压力数据调整后的数值；

基于所述管道压力扩展数据集中所有管道压力数据调整后的数值，得到所述管道压力扩展数据集调整后的卡尔曼滤波结果。

3.根据权利要求2所述的一种管道压力测量方法，其特征在于，所述卡尔曼滤波可信度，包括：将所述管道压力扩展数据集中每个管道压力数据的噪声可能程度和能量合期程度的乘积，作为所述每个管道压力数据的卡尔曼滤波可信度。

4.根据权利要求2所述的一种管道压力测量方法，其特征在于，根据所述每个管道压力数据的卡尔曼滤波可信度和每个管道压力数据与后相邻的管道压力数据的数值差异，确定所述每个管道压力数据调整后的数值，包括：

若所述管道压力数据的数值小于后相邻的管道压力数据的数值，则将所述管道压力数据的数值除以所述管道压力数据的卡尔曼可信度，得到的数值作为所述管道压力数据调整后的数值；

若所述管道压力数据的数值大于后相邻的管道压力数据的数值，将所述管道压力数据的数值乘以所述管道压力数据的卡尔曼滤波可信度，得到的数值作为所述管道压力数据调整后的数值；

若所述管道压力数据的数值等于后相邻的管道压力数据的数值，则不作调整。

5.根据权利要求2所述的一种管道压力测量方法，其特征在于，所述每个管道压力数据的噪声可能程度，满足如下关系式：

式中，为管道压力扩展数据集中的管道压力数据的序号，/>为管道压力扩展数据集中第/>个管道压力数据的噪声可能程度，/>为任一管道压力数据的局部范围内包含的管道压力数据的数量，/>为第/>个管道压力数据在邻域半径为/>的邻域范围内包含的管道压力数据的数值均值，/>为第/>个管道压力数据在邻域半径为/>的邻域范围内包含的管道压力数据的数值均值，/>为第/>个管道压力数据的局部范围内包含的管道压力数据的序号，的值取遍/>范围内所有整数，/>为第/>个管道压力数据的局部范围内包含的管道压力数据的序号，/>的值取遍[/>]范围内所有整数，/>为第/>个管道压力数据的数值，/>为第/>个管道压力数据的局部范围内的第/>个管道压力数据的数值，/>为该第/>个管道压力数据的局部范围内的第/>个管道压力数据的数值，/>为归一化函数。

6.根据权利要求2所述的一种管道压力测量方法，其特征在于，所述每个管道压力数据的能量合期程度，满足如下关系式：

式中，为管道压力扩展数据集中管道压力数据的序号，/>为管道压力扩展数据集中第个管道压力数据的能量合期程度，/>为第/>个管道压力数据的采集时间在时频图中对应的频率的总数，/>为第/>个管道压力数据的采集时间在时频图中对应的频率的序号，/>的值取遍/>范围内所有整数，/>为第/>个管道压力数据的采集时间在时频图中对应的第/>个频率的幅值，/>为管道压力扩展数据集中包含的管道压力数据的数量，/>为管道压力扩展数据集中包含的管道压力数据的序号，/>的值取遍/>范围内任意整数，/>为归一化函数。

7.根据权利要求5所述的一种管道压力测量方法，其特征在于，所述管道压力扩展数据集中每个管道压力数据的局部范围，包括：

对所述管道压力扩展数据集中的所有管道压力数据以采集时间为横坐标，以每个采集时间对应的管道压力数据的数值为纵坐标，构建坐标系，得到时域图；

在时域图中，基于所述每个管道压力数据的坐标获取每个管道压力数据欧式距离最近的个管道压力数据，作为每个管道压力数据的局部范围，/>为任一管道压力数据的局部范围内包含的管道压力数据的数量。

8.根据权利要求7所述的一种管道压力测量方法，其特征在于，所述的值为/>，其中，为所述管道压力扩展数据集中的管道压力数据的总数，/>为采集管道压力数据集的时间周期。

9.根据权利要求1所述的一种管道压力测量方法，其特征在于，对所述管道压力数据集进行线性插值扩展，包括：

在所述管道压力数据集中的每两个相邻的管道压力数据之间进行插值，且插值为所述每两个相邻的管道压力数据的均值。