论文部分内容阅读
管道运输做为五大运输方式之一,具有高效便捷的特点,是天然气、石油等能源的主要运输方式。由于管道输送具有连续性特点,若管道在输送过程中发生泄漏,管内介质将不断流失造成环境污染甚至引发重大安全事故,后果难以估量。因此管道泄漏检测具有重要意义与必要性。目前管道泄漏检测主要研究方向为建模诊断信号异常检测。该类方法通过对声波信号样本提取特征离线训练模型,实现特征与故障之间的映射关系,从而判断管道是否发生泄漏。但是该方法模型的建立通常受到选取训练样本的影响,因此模型的检测灵敏度以及精度都与训练时选取的样本相关。此外建模诊断方法均以整体一帧声波信号为检测对象进行检测,虽然可通过模型检测判断一帧声波信号是否异常,但无法获取声波信号中异常区间信号的位置、幅值、数量等信息用于区分泄漏信号与干扰信号,因此可能会发生漏报和误报。对此本文转变声波信号整体检测的思路,对一帧声波信号进行区间划分特征提取,采用聚类无模型方法对特征分析,提取异常特征所属区间,实现声波信号异常检测。对此本文首先对聚类概念、相似性度量、聚类方法进行了介绍。接着以仿真声波信号为研究对象进行区间划分特征提取,并选择与特征分布形状相适应的层次聚类方法以及单连接的类间相似度进行聚类分析。对提取的特征的单连接距离进行分析,通过设置单连接距离阈值用于得到具体的聚类,将聚类结果中的正常类剔除,提取剩余异常类的区间子信号作为异常区间子信号。并研究了基于统计的单连接距离阈值确定方法,分析了该阈值确定方法的不足,在此基础上提出了自适应单距离阈值确定方法,与统计方法相比自适应方法确定的距离阈值可根据当前待检测声波信号提取的特征自适应调整具有更好的适应性与灵活性。采用现场模拟泄漏采集的声波信号数据以及实验室环境下阀门内漏监测实验平台采集的数据进行测试,测试结果表明:本文研究的基于聚类分析的声波信号异常检测方法可检测提取出一帧声波信号中存在的异常区间子信号,同时可获取异常子信号数量、幅值以及具体位置信息,相比于建模诊断对整体一帧信号进行检测的方法,该方法可更进一步挖掘异常点的信息,这类信息可为后续泄漏点定位、减少漏报误报等研究提供良好的研究基础。除此之外,基于聚类的异常信号检测方法还具有无需建模的优点,因此不存在受样本信号特性影响的缺点。