论文部分内容阅读
管道运输作为主要的运输方式之一,具有运输成本低、安全性好和不受季节约束等优点。随着我国经济的飞速发展,对石油及其相关产品的需求也快速增加,管道敷设的里程越来越多,管道的结构也越来越复杂,管道建设进入了一个新发展阶段。随着管道长度的逐年增长、老旧管道服役年限的逐年增加,管道出现泄漏的概率会有所增长,一旦泄漏而未及时发现将导致资源的浪费、财产的损失、环境的污染。长输管线的高效、可靠和安全对于管道运输系统至关重要,泄漏检测与定位技术主要目的是当管道发生泄漏时,能够及时发现泄漏并精准定位。本文提出的以数据驱动为基础的管道泄漏检测与定位技术是数字化和信息化在管道泄漏检测领域中的体现,是维护管道完整性的一种重要手段,其可以大幅度地提高泄漏检测系统的敏捷性、鲁棒性和准确性。基于数据驱动的管道泄漏检测与定位系统利用管道上的传感器实时检测管道内部参数的变化,这些参数包括压力、流量、声压、超声波声速等,通过智能算法的应用来推理判断管道是否发生泄漏。本文从降低数据运算量、加快算法运算速度、配平非均衡数据方面,提出了稀疏核主元分析算法（Sparse kernel principal component analysis,SKPCA）和改进灰狼算法（Improved grey wolf optimization,IGWO）;通过将IGWO应用于最小二乘双支持向量机（Least squares twin support vector machine,LSTSVM）参数寻优上,实现了对管道小孔径泄漏的有效识别;通过故障诊断观测方法估计出管道内压力和流量的参数,将其与实际测量值相比较,以判断管道是否发生泄漏,实现了对管道多点泄漏的有效检测;利用超声波声速与管道压力之间的关系,建立了管道泄漏点位置与超声波声速之间的表达式。本文所提出的方法能够较好地解决小泄漏和多点泄漏难于识别与定位的问题,可以为工程中应用的管道泄漏检测与定位技术提供一定的理论依据与实验支撑,其主要内容如下:（1）针对管道系统的非线性、管道实时数据运算的高维性以及管道正常工况运行时间远大于泄漏发生时间而造成的数据不平衡性问题,本文提出了稀疏核主元分析算法（SKPCA）。将稀疏主元分析算法（Sparse principal component analysis,SPCA）融入核主元分析算法（Kernel principal component analysis,KPCA）,实现了数据间的非线性降维,简化了核主元结构,增加了核主元变量间的稀疏性。经过稀疏化的数据进入最小二乘双支持向量机（LSTSVM）,有效地提升了LSTSVM抗干扰能力并加快了运算速度。（2）针对小泄漏难以发现与定位的问题,本文提出了IGWO-LSTSVM算法,利用改进灰狼算法对LSTSVM的核参数和惩罚因子进行寻优,进一步提高了LSTSVM的识别性能和运算速度。由小泄漏所引起的管内流体参数的变化具有幅值小、消失快的特点,算法的快速性将直接影响小泄漏的检出率。论文提出的IGWO是在灰狼算法（Grey wolf optimization,GWO）的基础上,将粒子群算法（Particle swarm optimization,PSO）和遗传算法（Genetic algorithm,GA）融入了GWO。PSO中以往遍历最优位置信息的融入,增强了IGWO算法局部优化能力;GA中选择、交叉和变异操作的融入,增强了IGWO算法全局优化能力。改进后的灰狼算法对参数的寻优时间明显缩短,所形成的IGWO-LSTSVM算法对管道运行工况具有良好的识别率,平均识别率高达98%。（3）针对多点泄漏难以发现与定位的问题,本文提出了故障诊断观测器泄漏检测方法,将状态方程中的泄漏系数作为状态变量扩展到状态空间,并对其进行解耦,使故障诊断观测器对输出的状态估计仅受泄漏系数的影响,对比压力流量的估计值与实际测量值的差异,判断管道是否发生泄漏,实现了对多点泄漏的检测与定位,系统具有很强的鲁棒性。（4）针对信号中噪声会降低泄漏点识别与定位精度的问题,本文使用变分模态分解（Variational mode decomposition,VMD）、连续小波变换（Continuous wavelet transform,CWT）进行降噪处理,其中VMD的分解层数和惩罚参数以及CWT的分解层数对降噪效果影响很大,为了确定这些参数的最优值,利用IGWO对其进行寻优（简称为IGWO-VMD,IGWO-CWT）。并利用超声波声速与管道内流体压力之间的关系,推导出了超声波声速表达的泄漏点位置公式,泄漏信号经IGWO-VMD和IGWO-CWT处理后将去除大部分噪声干扰,进一步提高了系统对泄漏点的识别与定位精度,实验结果表明,在环形管道实验装置上的定位误差小于6m。数据驱动管道泄漏检测与定位技术利用IGWO-LSTSVM的分类功能,利用故障诊断观测器的鉴别功能,形成了以IGWO-LSTSVM单点泄漏检测为核心,故障诊断观测器多点泄漏检测为辅的数据驱动管道泄漏检测与定位系统,通过2800m的环形管道实验装置验证了该系统的有效性和准确性。将IGWO-LSTSVM应用于管道工况识别,这些工况包含非泄漏工况、不同泄漏孔径工况和调阀工况,实验结果显示即使是2mm孔径的微小泄漏也能够准确判断,做到了对单点泄漏的有效识别,且对2mm、3mm、6mm的泄漏孔径全部做到了准确分类;通过故障诊断观测器观察压力、流量的变化来估计泄漏系数的变化,做到了对400m、800m、1200m处三个泄漏点准确识别与定位,泄漏位置最大估计误差为14.16m。实验表明:基于数据驱动的管道泄漏检测与定位技术对单点小泄漏,多点较大泄漏识别定位效果良好,具有可行性。