论文部分内容阅读
使用管道进行流体输送是最为便捷和经济的运输手段,也是石油、天然气等重要能源的主要输送途径,所以管道流体输送的安全性也非常重要,受到管道管理部门的重视,这也直接推动管道泄漏检测技术的不断发展。管道泄漏检测技术涉及到传感器技术、信号处理技术、自动控制技术等多个领域和多个学科的综合,同时管道泄漏检测的方法也千差万别、各不相同,从最初的人工巡线发展到现在的远程实时监测,从手持巡检设备发展到人工智能和大数据处理。管道泄漏检测传感器一般都要安装在管道两端的增压站内,增压站要用到流体驱动装置（压缩泵或电机）给管道流体施加驱动力让流体在管道内流动,由于管道泄漏检测传感器容易受到管道流体驱动装置的噪声干扰,并且这种噪声的频率与管道泄漏噪声的频率混叠,用普通的滤波方法很难滤除,所以研究强噪声环境下泄漏信号的去噪技术也是管道泄漏检测技术的研究重点。首先,根据三镜腔（F-P）模型对激光自混合干涉（Self-mixing interference,SMI）模型进行分析,推导SMI的相位方程和功率方程,从理论上分析了自混合干涉信号与传统双光束干涉信号相比有相同的条纹分辨率;研究了光反馈因子、外部物体振动参数、多重反馈对自混合干涉信号的影响;分析了条纹计数法、相位解卷算法、主频阶次算法和相位调制的自混合干涉信号重构技术。然后,针对管道泄漏信号与流体驱动装置的噪声频谱混叠问题,提出了基于自混合干涉的管道振动测量技术。提出基于局部最大值的跳变点检测算法;把其应用于相位解卷算法中进行自混合振动检测,搭建了自混合干涉振动传感器实验测量系统,实现自混合干涉振动的重构,并通过仿真和实验进行了验证;把自混合干涉振动传感器应用在管道振动检测中,从有效性、线性度、频率响应等三个方向进行实验验证。实验结果表明,SMI振动传感器与激光多普勒测振仪在管道振动检测中有相似的测量精度。其次,针对变分模态分解（Variational Mode Decomposition,VMD）算法得到的模态总数量（用K表示）的选择和判断有效本征模态函数IMFs的问题,提出一种基于VMD和互信息相结合的信号去噪算法,对原始信号进行VMD分解得到有效本征模态函数（IMFs）。根据原始信号与IMFs累加和的差值,通过重构信号实现信号滤波,该算法可以有效地实现K的模糊化优选,解决了VMD算法中K的选择问题。实验结果表明,该方法可以实现K的模糊优选和保留原始信号的重要特征,并且通过对相关系数、均方误差MSE和信噪比SNRou t的评估,在管道声波传感器和管壁自混合干涉传感器的滤波方面,VMD比EMD（Empirical Mode Decomposition）、小波变换等滤波方法具有更好的去噪性能。最后,针对强噪声环境下,管道流体驱动装置的噪声与管道泄漏信号的频谱混叠问题,提出了基于联合噪声相消算法的强噪声环境下管道泄漏信号检测技术,用声波传感器检测管道气体泄漏信号,用自混合干涉传感器检测由管道压缩机引起的管道外壁振动噪声信号,使用联合噪声相消算法对这两种信号进行噪声相消处理,获得管道泄漏信号。通过实验室管道模拟天然气管道发生泄漏,以验证本文提出的强噪声环境下管道泄漏检测技术的有效性。本文共模拟了五种管道在强噪声环境下发生泄漏的情况。实验结果表明,在五种强噪声工况下,联合噪声相消算法的去噪效果要比谱减算法高0.23-1.72dB。