论文部分内容阅读
长输管道输送流体的过程中,由于管道受到腐蚀、地理环境作用和第三方破坏等因素的影响,造成管道常常出现泄漏事故。在实际管道运行中,管道泄漏检测与定位系统成为保障管道安全运行的有效手段之一,因此泄漏检测与定位研究无论是在管道完整性管理,还是在学术研究领域,都有着重大的实践意义和理论研究价值。由于传感器技术、信号处理分析技术的快速发展和数字化管道建设的不断扩大,管道运输过程能够测量和存储的数据信息越来越多,如何从大量的测量数据中提取出能用于泄漏检测的有用信息是管道泄漏检测与定位方法迫切需要解决的问题。本文以测量数据的特征提取和信息融合为研究主线,对泄漏检测及定位技术进行了深入研究,主要研究工作如下:1.针对管道发生泄漏时,管道首末两端采集压力信号中的噪声会影响到泄漏检测准确性的问题,一种改进局域均值分解方法(Local mean decomposition,LMD)被提出,用来信号去噪。该方法不需要知道泄漏信号和噪声信号特征就可以提取与泄漏信号相关的乘积函数(Product function,PF)。根据测试信号的PF和参考信号相关分析的峰值,获取包含主要泄漏信息的PF分量并进行信号重构,重构信号再经过小波分析进一步消噪。在此基础上,按照时域特征和波形特征提取信号特征值作为最小二乘双支持向量机(Least squares twin support vector machine,LSTSVM)的输入,进行泄漏工况识别。根据经过小波消噪后的重构信号,采用广义相关分析法获取泄漏信号到达管道首末两端的时延估计,并结合泄漏信号传播速度实现泄漏点定位。通过Flowmaster软件建立管道泄漏模型,对管道各种工况信号进行处理分析,实验结果表明该方法能有效识别泄漏工况及泄漏定位。2.针对管道运行状态数据的非平衡性会造成管道泄漏诊断准确率下降的问题,提出了一种基于非平衡数据的管道泄漏检测与定位方法。首先,将管道各工况非平衡数据采用基于K均值聚类的欠采样方法处理,使其达到数据平衡。然后,将Fischer-Burmeister函数引入到双支持向量机(Twin support vector machine,TWSVM)学习过程中,以避免目标函数求解时矩阵的求逆计算,并将平衡数据作为改进双支持向量机算法的输入,识别管道泄漏。采用相关分析法实现泄漏点定位。根据Flowmaster搭建的管道泄漏模型,运用该方法识别管道泄漏。仿真实验表明,与经典双支持向量机算法和拉格朗日双支持向量机(Lagrange TWSVM)算法相比,该方法能更快速识别管道泄漏孔径及定位。3.针对当管道出现小泄漏时,管道泄漏孔径较难识别的问题,提出了一种基于独立分量分析(Independent component regression,ICR)改进深度信念网络(Deep belief network,DBN)的管道泄漏识别方法。DBNICR是基于深度信念网络学习模型DBN的一种改进型建模方法。首先,采用小波包分解(Wavelet packet decomposition,WPA)进行超声波声速信号的消噪处理;其次,将消噪后的信号输入到改进的深度信念网络中进行泄漏孔径识别。由于经典的DBN权值优化采用梯度优化算法,收敛速度较慢,而将ICR方法取代经典DBN中基于梯度的逐层权值精调方法,来提高DBN的分类准确率。同时,通过构造李雅普诺夫函数证明了DBNICR学习过程中的收敛性。现场实验结果表明所提出的DBNICR收敛速度快,能有效区分不同的泄漏孔径。4.针对多分支管道泄漏监控系统之间不能同时进行泄漏点定位的问题,提出了采用信息物理系统(Cyber-physical system,CPS)架构对多分支管道进行泄漏点的定位。该方法利用小波包分析来进行各个分支管道末端压力信号拐点时间的提取,以此建立数据特征样本,并将数据样本作为改进双支持向量机(Improved TWSVM,ITWSVM)算法的输入,进行泄漏定位。仿真实验表明,与TWSVM、径向基神经网络(Radial basis function neural network,RBFNN)、反向传播神经网络(Back propagation neural network,BPNN)相比,该方法能更快速、更准确地进行管道泄漏点定位。5.针对输油管道出现小泄漏时,常常出现漏报的问题,提出一种采用神经网络和D-S(Dempster-Shafer)证据理论的多特征融合的管道小泄漏的识别方法。当小泄漏发生时,将超声波声速信号、流量信号、温度信号进行小波包3层分解,提取各个频带信号的归一化有效值构造特征向量,然后将特征向量作为神经网络的输入,从而实现对小泄漏的首次识别,以首次识别结果再次作为独立证据,并且采用D-S证据融合规则将独立证据进行融合,得到最终小泄漏识别结果;另一方面,小泄漏会造成超声波声速信号拐点特征不明显的问题,依据特征线理论,对管道泄漏发生机理和声速传播机理进行研究,建立管道泄漏产生声速传播中衰减程度计算模型,提出将超声波声速信号结合流量信号进行信号融合的泄漏点定位方法。泄漏发生时,管道首末两端信息融合信号的延迟时间通过改进相关分析获得,并根据管道长度和压力波传播速度等信息,进行泄漏点定位。由于信号融合信号拐点明显比单独超声波声速信号及压力信号拐点清晰,所以可以用于小泄漏及缓漏的定位。现场实验证明了所提方法的有效性和可行性。