燃气管道泄漏的次声源定位算法研究

针对城市燃气管道泄漏定位精度不高的问题,根据燃气管道泄漏时泄漏点产生次声波的特性,提出了一种燃气管道泄漏的次声源定位算法。该算法通过构建泄漏源的定位模型,利用传感器节点和泄漏点之间位置上的几何关系得到泄漏点位置。首先利用传感器阵列采集燃气管道泄漏时产生的次声波信号,并对该信号进行小波去噪处理,接着利用广义互相关法计算相邻传感器节点间的时延,最后结合定位模型计算出泄漏点位置。针对算法的信号处理部分进行了仿真,并在实验室进行了泄漏点定位的模拟实验。结果表明,在燃气管道泄漏定位中,算法的定位误差在1 m以内,具有较高的定位精度。     

基于TMS320的在线管道泄漏检测系统设计

管道泄漏检测是保证能源输送安全的重要环节,油气管道泄漏时,常常因为漏报和定位误差等原因造成事故,对此,设计了一个在线检测系统,系统以数字信号处理器为核心,采用次声波传感器监测管道泄漏情况,将变分模态分解和小波变换结合的方法应用在信号去噪方面,在减少了背景噪声和干扰噪声的同时,又可以有效地提取出信号的拐点,将管道首末端信号拐点的时间差代入定位公式就可以估计出泄漏点的位置。经2 800 m环形管道测试,结果表明,提出的管道泄漏在线检测系统,可成功识别并定位管道发生的泄漏,泄漏点估计值的误差分别为16.25、12.75、8.75 m,定位误差均小于20 m,精度较高,可达0.58%。     

模糊聚类分析方法在管道泄漏检测系统中的应用研究

管道的泄漏检测是保障管道安全运行的重要技术,而管道信号的特征提取是管道泄漏检测系统中重要的组成部分.由于传感器数量的限制,信号处理工作难度较大,并且泄漏判断的误报警率较高,本文提出利用模糊聚类分析方法对管道信号进行特征提取,根据特征量的变化判断泄漏,对实际信号进行的处理验证了该方法的可行性.     

应用SPRT算法的管道小泄漏检测

针对小泄漏信号的检测,提出了序贯概率比检验的统计决策方法.根据长输管道泄漏检测的实时性要求,提出了用卡尔曼滤波作用生成的归一化新信息序列作为序贯概率比检验的输入序列,以满足序贯概率比检验的要求.分析了序贯概率比检验用于管道小泄漏检测时的泄漏判断和定位的方法.利用虚拟仪器理论,设计了卡尔曼滤波和序贯概率比检验算法的LabVIEW程序模块,设计的模块可以直接嵌入到现有的管道泄漏实时监测系统中.实验证明,针对泄漏量低于3%的小泄漏检测很有效,并且定位精度控制在了2.5%以内.     

基于地震波的油气管道安全监测

针对目前广泛存在的油气管道受到人为破坏的问题,本文提出了通过对管道周围的人、车辆等发出的震动信号进行采集,对信号特征进行分析,从而对目标进行分类识别,并根据信号到达各传感器的时间差通过三角定位原理实现对入侵目标的空间定位以及对目标的运动轨迹进行监测,从而对管道安全构成威胁的行为进行早期监测、定位和预警。     

基于虚拟仪器的原油管道泄漏监测系统

近年来我国原油泄漏事故频仍，造成巨大经济损失和环境污染，所以需要一个能够及时发现并精确定位的监测系统。我们使用National Instruments公司的虚拟仪器开发平台LabVIEW和数据采集卡，不间断采集压力、流量、温度等参数，监视管道运行状况，并利用电话线路构成通信网络，建立了一个实时性较好的监测系统。对于突发的原油泄漏，我们综合运用了包括小波分析在内的多种信号处理方法，能够及时准确地定位泄漏点。本系统已经成功地应用于胜利油田和华东输油管理局等集输管网的长输管线，取得了可观的经济效益。     

供水管道泄漏信号检测系统设计

针对供水管道泄漏信号检测与泄漏点定位问题,设计了一种基于压电加速度传感器的供水管道泄漏信号检测系统。检测系统由两个振动信号采集终端和基于Matlab的上位机软件组成。从泄漏信号特点出发,对振动信号采集终端的前置信号转换电路、带通滤波电路和ADC数据采集电路进行了分析和设计。同时,对单片机程序和上位机软件的设计原理和功能进行了分析说明。采用VC-02振动校准仪和模拟供水管网,对系统的微弱振动信号采集功能和泄漏点定位功能进行了测试。测试结果表明,系统能准确采集加速度不低于0.01g（1g=9.80m/s^2）的微弱振动信号,对10m长的UPVC管道进行泄漏点定位的最大相对误差为3.97%,平均相对误差为3.51%。     

基于无线局域网的输送管道泄漏实时检测系统的研究

对无线局域网的基要概念、传输介质、技术标准及拓扑结构进行了介绍。针对输送管道的地理位置特点,提出了建立基于无线局域网的输送管道实时检测系统的解决方案,实现了检测点和厂区局域网的互联,并对方案中的数据采集、数据传输、泄漏检测和定位进行了详细讨论。对于输送管道泄漏,综合运用包括小波分析在内的多种信号处理方法,能够及时、准确地检测并定位泄漏点。     

基于相关检测的漏点定位系统设计

利用管道泄漏时产生频率相对稳定的振动现象的特点,使用互相关函数峰点跟踪系统的设计原理,结合单片机系统,设计使用方便的泄漏点定位测试系统.该系统首先将振动传感器信号转化为频率信号,由单片机及其辅助模块对频率信号进行计数、计算并显示结果.该系统能有效地抑制噪声,快捷而准确地检测到漏点位置,且可以自评定测量结果是否准确.     

基于CEEMDAN-HD-云模型特征熵的油气管道工况识别

针对长输油气管道泄漏检测过程中泄漏信号特征信息提取困难,提出一种新的管道负压波信号特征提取方法。采用添加自适应噪声的完备集合经验模态分解算法对采集的负压波信号进行去噪,通过评估CEEMDAN分解后分量与原始信号的概率密度之间的豪斯多夫距离选取有效模态并重构。计算重构信号的云模型特征熵、峭度作为特征参数,用支持向量机进行分类识别。通过实验室数据验证,CEEMDAN、豪斯多夫距离与云模型特征熵结合的方法可以有效提高油气管道泄漏检测的准确性,实现了对流量小于m/h的微小泄漏信号的识别,具有一定的现场应用价值。     

基于稀疏轻量卷积神经网络的管道泄漏检测

针对传统供水管网泄漏检测问题,本文提出了一种基于稀疏轻量卷积神经网络的管道泄漏检测算法。首先通过声音传感器采集管道泄漏的声音信号,经过立体声转换、重采样、长度对齐等预处理操作后,将其转换成梅尔频谱图。然后,构建一种稀疏轻量化的卷积神经网络模型来对梅尔频谱图进行特征抽取和泄漏检测。针对声音特征图的稀疏和时延性质,本文采用Inception网络结构来进行提高模型的特征抽取能力。此外,因为该模型需要被部署到边缘侧,因此设计了一种基于SqueezeNet的轻量化卷积神经网络模型来减少模型的参数,降低模型复杂度。实验结果表明,提出的管道泄漏检测算法在保证复杂度较低的同时具有较高的识别准确率。     

挂轨式管道泄漏检测机器人设计

地下管廊中管道的泄漏检测是管廊安全运行的重要保障之一,为了实现管廊的自动化运行,并针对传统检测方法的灵活性不足、信息交互性差的缺点,本文基于STM32F103设计了一种挂轨式管道泄漏检测机器人。机器人搭载MIC声音传感器作为泄漏检测装置,将采集到的信号利用神经网络进行音频特征的识别,监控主机对判断结果做出报警或其他措施。经过管道泄漏检测系统实验平台测试,机器人系统运行稳定,对于管道泄漏的检出率达到93%,满足实际应用需求。     

危化品管道非介入式声波泄漏监测传感节点设计

面向危化品输送管道的非介入式声波泄漏检测,介绍了一种基于无线传感网络的非介入式声波泄漏监测传感节点设计方法.传感节点包括传感器及信号调理模块、多节点时间同步模块、数据采集及处理模块和能量捕获模块.利用STM32F407单片机内部基于DMA方式的ADC数据采集和数据串行通信,结合GPS授时实现多节点信号同步采样和定时器校正;利用单片机内部的浮点运算单元实现小波数据压缩,与数据错时发送相结合实现无线数据可靠传输,避免多节点大数据量同时发送导致网络堵塞和数据丢包.测试结果表明:传感节点数据采集准确、通信稳定可靠,为危化品输送管道的非介入式实时泄漏监测提供了一种有效的技术手段.     

冷轧带钢屈服强度的脉冲涡流检测方法研究

目前冷轧带钢屈服强度的检测主要依赖于有损检测,大大增加了检测成本。将BP神经网络引入基于脉冲涡流的冷轧带钢屈服强度预测,首先提取脉冲涡流响应信号的时域、频域特征,分析了各个脉冲涡流信号特征的稳定性,然后建立信号特征与材料屈服强度的BP神经网络模型,最后用建立的模型对材料的屈服强度进行预测。实验表明,采用BP神经网络对冷轧带钢进行屈服强度预测的误差为6%及以下,这种方法对于降低工业生产的检测成本、提高检测效率有一定的实用价值。     

基于磁记忆的金属管道缺陷检测方法

作为油气输送媒介的金属管道,其缺陷处产生应力集中将造成安全隐患,为实现金属管道缺陷的非接触式定量检测,研究了一种磁记忆检测方法。采用磁异常梯度矩阵实现对产生应力集中的缺陷进行定位;利用平移不变量小波去噪(TI)与特征提取进行信号处理;麻雀搜索算法(SSA)优化BP神经网络实现缺陷尺寸反演。实验表明,平移不变量小波去噪相比小波阈值去噪,信噪比提升1.56%,均方误差降低4.87%;SSA＿BP神经网络反演均方误差比BP神经网络降低67.2%;检测方法能在提离状态下实时检测管道缺陷并反演缺陷尺寸。     

基于深度学习的天然气管道气体压力 超声检测模式识别方法

针对天然气管道气体压力超声检测模式识别问题,提出了对原始信号进行预处理去除冗余信息,然后对信号进行变分模态分解(variational modal decomposition,VMD)提取最优本征模态函数(intrinsic model functin,IMF)对信号进行重构,接着对处理好的信号进行连续小波变换(continuous wavelet transform,CWT)使其成为高分辨的时频域2维图,最后用深度卷积神经网络(Deep convolution neural network,DCNN)对图片进行特征提取并将部分网络输出和支持向量机(support vector machine,SVM)相连实现有监督的学习和训练并用训练好的支持向量机对剩下的数据进行无监督的模式识别.实验表明,VMD-CNN-SVM模型对压力有无的判别准确率为90.66％,相较于其他方法准确率最高.     

基于 FCN 的阀门内泄漏声发射信号识别方法

针对石化工业中输气管道阀门的内泄漏故障,将声发射检测技术与深度学习技术相结合,提出了一种基于全卷积神经 网络(FCN)的阀门内泄漏声发射信号识别方法。 该方法利用声发射技术采集阀门内泄漏的声发射信号,基于 FCN 搭建阀门内 泄漏分类诊断模型,充分发挥了声发射技术在阀门内泄漏检测领域的优越性,以及 FCN 在时间序列分类任务上的高性能。 该 方法相较于传统的识别方法,无需对原始采集数据进行特征提取或繁重复杂的预处理,而是将特征提取的任务也交于神经网络 模型来学习和完成,可实现端到端的阀门内泄漏声发射信号分类识别。 搭建阀门内泄漏检测实验平台,采集并制作阀门内泄漏 声发射信号数据集,建立了基于 FCN 的阀门内泄漏声发射信号的二分类模型,实验结果表明,该模型的分类识别准确率可达 98. 72%,相比较于其他先进的分类模型在数据集上表现出了更加优越的分类识别性能和训练效率,同时对环境噪声具有良好 的抗干扰性能。     

基于物理信息嵌入式神经网络的管壁导波成像

为了实现管壁腐蚀缺陷的定量化成像,提出了一种基于物理信息嵌入式卷积神经网络的成像算法,从超声导波信号重 建管壁厚度。 首先推导了超声导波在管壁上传播的二维声波模型,通过矩阵 LU 分解求解频域波动方程,可实现从管壁导波速 度图到声场信号的正演;其次搭建了物理信息嵌入式卷积神经网络,包含 3 个迭代层,每个迭代层由正演模型和残差反演子网 络组成;生成包含随机腐蚀缺陷的管道仿真数据集,搭建网络进行训练和反演,训练集、验证集和测试集的成像结果的平均 Pearson 相关系数分别为 94. 91%、86. 47%和 87. 37%,缺陷图像一致度高;搭建了实验系统,在加工有不规则阶梯缺陷的管道上 采集导波信号进行反演,成像结果良好,厚度图的均方误差为 0. 005 7。 算法将物理模型与神经网络结合在一起,实现了从导波 信号到管道厚度图的高精度成像。