当前位置: 首页 > 专利查询>常州大学专利>正文

一种管道微小泄漏的次声波定位方法技术

技术编号:34913865 阅读:25 留言:0更新日期:2022-09-15 07:03
本发明专利技术公开了一种管道微小泄漏的次声波定位方法,其包括:获取管道泄露的原始次声波信号;对原始次声波信号进行变分模态分解,得到IMF分量;基于IMF分量,利用改进的广义互相关函数得到次声波反射到管道上下游末端的时间差;根据管道特性计算次声波的波速;根据时间差和波速得到管道泄漏点位置。改进广义互相关函数的方法为:根据IMF分量构造解析信号,利用改进的线性自适应加权局部逼近算法得到IMF分量的局部最优解,根据局部最优解进行基于广义互相关的反衰减色散补偿分析,得到次声波反射到管道上下游末端的时间差。本发明专利技术能够准确定位管道泄漏点位置。定位管道泄漏点位置。定位管道泄漏点位置。

【技术实现步骤摘要】
一种管道微小泄漏的次声波定位方法


[0001]本专利技术涉及一种管道微小泄漏的次声波定位方法,属于管道泄漏定位


技术介绍

[0002]随着构建现代产业体系,实现碳达峰碳中和政策的不断推进,城市管 网的安全可靠运行受到越来越多的关注。由于城市管网规模的不断扩大, 设备的自然老化、极端天气、地质灾害以及人为破坏等影响,城市管网的 事件越发频繁。城市管网大多呈网状分布,涉及范围广,管网节点众多, 对于城市埋地管道微小泄漏信号,采集得到的信号掺杂有大量环境噪声、 介质噪声等诸多非相关信号,因此如何有效检测定位管道初期的微小泄漏, 准确找到泄漏点位置,具有良好的经济价值和社会意义。
[0003]近年来,随着计算机技术的发展,全球正逐步走入数字化社会,管道 泄漏检测定位技术也正向软硬件结合的方向发展。变分模态分解(VariationalMode Decomposition,VMD)是Dragomiretskiy等人于2014年提出的一种 新型自适应故障诊断方法,VMD作为一种分解算法,与EMD、LMD方法 相似,可以将故障信号根据高低频分解为若干本征模态函数(Intrinsic ModeFunctions,IMF)。广义互相关法(Generalized Cross Correlation,GCC)是 一种最常用的时延估计算法,它通过计算两路信号的互相关函数,其峰值 就是TDOA估计值,广义互相关算法凭借抗噪能力强,计算简单以及受人 为因素影响小的优点被广泛用于局放源定位中。但是信号衰减和色散现象 会造成PD信号波形的畸变,降低信号之间的相关性,增加了广义互相关法 的定位误差,此外,GCC是基于理想的信号传输模型,实际中不仅受噪 声和混响的影响,还受到采样频率的限制,TDOA估计精度不高。
[0004]将VMD和广义互相关算法运用到管道微小泄露检测中,次声波泄漏信 号在进行VMD分解后,泄漏信号传播到末端传感器呈现多峰震荡信号特征, 直接对首末两端传感器监测信号做相关运算,相关峰可能出现在震荡信号 的任意峰值点上,因此难以准确定位泄漏点位置。

技术实现思路

[0005]为了解决现有技术中存在的问题,本专利技术提出了一种管道微小泄漏的 次声波定位方法,对IMF分量进行希尔伯特变换,构造解析信号,再利用 改进的线性自适应加权局部逼近算法,找到每个波段IMF分量局部最优解; 对广义互相关函数进行改进反衰减色散补偿,减少衰减和色散的干扰;然 后通过希尔伯特差值变换,将时延值由峰值位置查找变为零点检测,减少 已畸变信号波形对定位的影响,提高定位的准确性。
[0006]为解决上述技术问题,本专利技术采用了如下技术手段:
[0007]本专利技术提出了一种管道微小泄漏的次声波定位方法,包括如下步骤:
[0008]获取管道泄露的原始次声波信号;
[0009]对原始次声波信号进行变分模态分解,得到各个阶层的IMF分量;
[0010]基于IMF分量,利用改进的广义互相关函数得到次声波反射到管道上 下游末端的
时间差;
[0011]根据管道特性计算次声波的波速;
[0012]根据时间差和波速,利用时差定位法得到管道泄漏点位置。
[0013]进一步的,基于IMF分量,利用改进的广义互相关函数得到次声波反 射到管道上下游末端的时间差的方法为:
[0014]根据IMF分量构造解析信号;
[0015]根据解析信号,利用改进的线性自适应加权局部逼近算法得到IMF分 量的局部最优解;
[0016]根据IMF分量的局部最优解进行基于广义互相关的反衰减色散补偿分 析,得到次声波反射到管道上下游末端的时间差。
[0017]进一步的,根据IMF分量构造解析信号的方法为:
[0018]对信号消噪后的IMF分量进行Hilbert变换:
[0019][0020]其中,p(t)表示Hilbert变换后的信号,u
k
表示信号消噪后的IMF分量, k为每个阶层IMF分量的数量,t为时间;
[0021]根据信号p(t)构造解析信号:
[0022]z(t)=u
k
+jp(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0023]其中,z(t)为解析信号。
[0024]进一步的,根据解析信号,利用改进的线性自适应加权局部逼近算法 得到IMF分量的局部最优解的方法为:
[0025]将解析信号z(t)分为n段,利用加权函数和动态权重因子对IMF分量进 行加权处理:
[0026]z(t)=[z(1),z(2),...,z(x),...,z(n),x=1,...,n]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0027]g(x)=K(d)w(t)z(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0028]其中,g(x)表示第x段加权后的IMF分量,K(d)为加权函数,w(t)为动 态权重因子,z(x)为第x段解析信号;
[0029]K(d)的表达式如下:
[0030][0031]其中,d为测域距离信号中心的距离;
[0032]w(t)的表达式如下:
[0033]w(t+1)=4w(t)
·
(1

w(t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0034]对加权后的IMF分量进行局部逼近:
[0035]g(x)
p+1
=g(x)
p
+βe
r
z(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0036]其中,g(x)
p+1
表示第p+1次迭代后第x段局部逼近的IMF分量,β为逼 近速率,|β|≤1,e
r
表示信号逼近值,
[0037]当g(x)
p+1
>g(x)
p
时,停止迭代,得到IMF分量的局部最优解:
[0038]h(n)=[g(1)
*
,g(2)
*
,g(3)
*
,...,g(n)
*
]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0039]其中,h(n)表示IMF分量的局部最优解,g(n)
*
表示第n段局部逼近的 最优IMF分量。
[0040]进一步的,根据IMF分量的局部最优解进行基于广义互相关的反衰减 色散补偿分析,得到次声波反射到管道上下游末端的时间差的方法为:
[0041]根据IMF分量的局部最优解得到广义互相关函数:
[0042][0043]其中,GET表示广义互相关函数,Ψ
1,2
(ω)表示广义互相关加权函数,ω 为信号频率,表示本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种管道微小泄漏的次声波定位方法,其特征在于,包括如下步骤:获取管道泄露的原始次声波信号;对原始次声波信号进行变分模态分解,得到各个阶层的IMF分量;基于IMF分量,利用改进的广义互相关函数得到次声波反射到管道上下游末端的时间差;根据管道特性计算次声波的波速;根据时间差和波速,利用时差定位法得到管道泄漏点位置。2.根据权利要求1所述的一种管道微小泄漏的次声波定位方法,其特征在于,基于IMF分量,利用改进的广义互相关函数得到次声波反射到管道上下游末端的时间差的方法为:根据IMF分量构造解析信号;根据解析信号,利用改进的线性自适应加权局部逼近算法得到IMF分量的局部最优解;根据IMF分量的局部最优解进行基于广义互相关的反衰减色散补偿分析,得到次声波反射到管道上下游末端的时间差。3.根据权利要求2所述的一种管道微小泄漏的次声波定位方法,其特征在于,根据IMF分量构造解析信号的方法为:对信号消噪后的IMF分量进行Hilbert变换:其中,p(t)表示Hilbert变换后的信号,u
k
表示信号消噪后的IMF分量,k为每个阶层IMF分量的数量,t为时间;根据信号p(t)构造解析信号:z(t)=u
k
+jp(t)其中,z(t)为解析信号。4.根据权利要求2所述的一种管道微小泄漏的次声波定位方法,其特征在于,根据解析信号,利用改进的线性自适应加权局部逼近算法得到IMF分量的局部最优解的方法为:将解析信号z(t)分为n段,利用加权函数和动态权重因子对IMF分量进行加权处理:z(t)=[z(1),z(2),...,z(x),...,z(n),x=1,...,n]g(x)=K(d)w(t)z(x)其中,g(x)表示第x段加权后的IMF分量,K(d)为加权函数,w(t)为动态权重因子,z(x)为第x段解析信号;K(d)的表达式如下:其中,d为测域距离信号中心的距离;w(t)的表达式如下:w(t+1)=4w(t)
·
(1

w(t))对加权后的IMF分量进行局部逼近:g(x)
p+1
=g(x)
p
+βe
r
z(x)其中,g(x)
p+1
表示第p+1次迭代后第x段局部逼近的IMF分量,β为逼近速率,|β|≤1,e
r

示信号逼近值,当g(x)
p+1
>g(x)
p
时,停止迭代,得到IMF分量的局部最优解:h(n)=[g(1)
*
,g(2)
*
,g(3)
*
...

【专利技术属性】
技术研发人员:姚强郝永梅蒋军成邢志祥李敏吴凡王丽华
申请(专利权)人:常州大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1