一种多工况下的输气管道泄漏检测系统技术方案

一种多工况下的输气管道泄漏检测系统(简称本系统)，本系统包括：输入模块、输气管道、输气管道传输机理模型、神经网络补偿模型、管道系统信号采集模块、修正输出处理模块及误差获取模块；本系统的工作过程包括建立输气管道的简化数学模型、得出输气管道状态空间方程、处理输气管道状态空间方程中的流量信号、建立RBF神经网络以及测试与验证不同工况下检测模型的准确性。通过研究输气管道末端负载、管径、管道弯曲以及环境温度、气体波速、气体压缩系数、管道水力摩阻系数等的变化，并对不同工况下管道模型进行训练，检测多状态下系统的适应性同时，获取适应管道正常工况变化的准确模型。

Gas pipeline leakage detection system under multiple working conditions

A condition of gas pipeline leak detection system (the system), this system includes: input module, gas pipeline, gas pipeline transmission mechanism of transmission signal acquisition model, neural network compensation model of pipeline system, module, output module and error correction acquisition module; working process of the system including the establishment of transport a simplified mathematical model of the gas pipeline, the gas pipeline, the state space equation handle accuracy detection model to establish RBF neural network as well as the test and verification of traffic signal, gas pipeline in the state space equation under different conditions. Transport changes of gas pipeline end load, pipe diameter, pipe bending, ambient temperature, gas velocity, gas compression coefficient, hydraulic friction coefficient, through research, and the pipeline model under different conditions for training, adaptive simultaneous detection of multi state system, obtaining the accurate model adapt to normal pipeline conditions.

【技术实现步骤摘要】

本技术涉及一种多工况下的输气管道泄漏检测系统，属于自动控制及泄漏检测技术以及气体管道泄漏检测领域。
技术介绍
经过几十年的发展，国内外研究人员提出了多种管道泄漏检测及定位方法并应用于工程实际。基于硬件的方法利用携带或安装在管道上的各种不同机理的传感器来检测泄漏并进行定位，该方法是早期主要采用的泄漏检测与定位的方法。目前，以软件为主，软、硬件相结合的基于监视控制与数据采集的泄漏检测与定位技术受到广泛的关注，并逐渐成为管道泄漏检测技术的主流。基于软件的检测方法是依靠管道内流量和压力的测量、质量和体积守恒、管道流动动力学模型等原理通过计算机编程来实现泄漏检测。基于软件的方法可分为基于信号处理的方法、基于知识的方法和基于管道数学模型的方法。基于信号处理的方法有负压波法、质量/体积平衡法、压力点分析法、声波检测法等；基于知识的方法有基于专家系统的方法、基于模式识别的方法、基于神经网络的方法；基于数学模型的管道泄漏检测与定位方法可分为瞬态模型法、滤波器法、系统辨识法等。申请号为201210563120.3，标题为“一种管道气体泄漏检测装置”；申请号为200920293127.1，标题为“一种压力管道泄漏测试装置”；申请号为200620127803.4，标题为“一种地下管线泄漏检测装置”；申请号为200810104233.0，标题为“一种管道泄漏检测系统”；申请号为201010002941.0，标题为“一种气体管道泄漏检测装置”；申请号201220078512.6，标题为“用于气体管道的漏点检测定位系统”等，上述这些专利都是侧重于设计利用各类传感器和仪表检测泄漏的装置，属于基于硬件的管道泄漏检测技术。硬件检测技术具有检测准确、灵敏度高等优点，并且能够确定泄漏位置和泄漏量的大小，但是硬件检测技术具有明显的缺点，这是因为硬件检测需要在管线上布置大量的传感器等硬件设备，安装和维护成本非常巨大，并且对于埋地管线的检测硬件检测的复杂度将更大，目前一般不单独作为管道检测手段，通常配合软件使用。申请号为201310169679.2，标题为“基于音波信号的输气管道泄漏检测装置与检测方法”的专利，提出采用音波传感器采集管道内流体动态压力信号，对音波信号进行特征提取并进行泄漏判断的方法。但音波传感器采集到的动态压力信号比较微弱，易受外界环境干扰，不宜远传。申请号为201310523173.7，标题为“一种管道泄漏实验装置及实验方法”的专利，提出采用温度计、体积流量计和压力表等仪器，通过比较流体稳态泄漏速率计算值和测量值得到流体稳态泄漏速率修正模型，研究在不同工况下流体泄漏特征与规律，为管道维护和泄漏检测提供依据。申请号为200610172271.0，标题为“基于人工神经网络的管道泄漏的检测方法”的专利，提出了采用神经网络进行泄漏检测，利用神经网络法较强的适应性和预测能力，但缺乏物理基础，对训练样本以外的数据，预测效果不佳，有时甚至与实际工业过程矛盾。申请号为201010004704.8，标题为“输气管道泄漏检测定位装置及其检测定位方法”的专利，提出建立管内气体流动的瞬态数学模型并采用特征线法进行求解，利用模型中压力、流量计算值与压力、流量传感器实测值的误差来判断泄漏，由于机理模型在求解过程中需要进行一些简化和近似，因此必然会带来误差。综上所述，以上涉及气体管道泄漏检测方法和技术大多是通过压力、流量、温度、音波等各类传感器检测信号并进行信号特征分析提取泄漏信息的装置和方法，各种泄漏检测方法各有优缺点，单一一种泄漏检测方法很难在各个性能指标上均达到良好的效果，如果将多种方法进行有机结合，取长补短，将可以提高泄漏检测与定位的性能。本申请基于神经网络的方法和基于管道数学模型的方法相结合，解决以下两个方面的问题：一方面，本申请仅采用高精度压力传感器采集压力信号，减少设备初期投资，节约成本；另一方面，将具有较好物理基础的模型法与具有较强的适应性和预测能力神经网络相结合，提高输气管道泄漏检测精度。本申请致力于将“基于气体管道流动数学模型的方法”同“基于知识的检测方法”相结合，优势互补，研究输气管道在末端负载变化、管径发生变化、管道发生弯曲以及环境温度、气体波速、气体压缩系数、管道水力摩阻系数等参数变化的多种状态下检测模型的适应性，用于输气管道的监测及泄漏检测，提出一种输气管道建模及泄漏检测方法。
技术实现思路
本申请目的在于克服基于硬件的输气管道泄漏检测技术成本高、运行维护困难以及基于传统的输气管道传输机理模型适应性差、精度低的现状，提出一种多工况下的输气管道泄漏检测系统。本申请提出一种多工况下的输气管道泄漏检测系统，(简称本系统)，具体包括：输入模块、输气管道、输气管道传输机理模型、神经网络补偿模型、管道系统信号采集模块、修正输出处理模块及误差获取模块；其中，所述的输入模块包括实际系统输入、输气管道传输机理模型输入及神经网络补偿模型输入；其中，系统输入、输气管道传输机理模型输入及神经网络补偿模型输入三者可以相同，也可以不同；实际系统输入为管道的初始条件和边界条件以及输气管道的各个参数；其中，所述的输气管道传输机理模型(后续简称“机理模型”)，其建立过程为：对气体在输气管道中传输的连续性方程和运动方程进行推导和简化，建立输气管道稳态和动态数学模型，并对输气管道非线性偏微分形式的数学模型进行求解，建立气体管道状态空间方程，并对模型中流量信号进行处理；其中，所述的神经网络补偿模型(后续简称“神经网络”)，其建立过程为：由于RBF(RadialBasisFunction，RBF)神经网络既有生物背景又可以以任意精度逼近非线性函数，并且只要中心点选择适当，只需要很少的神经元就可获得很好的逼近效果，还具有唯一最佳逼近点的优点，本申请选取RBF神经网络，确定网络拓扑结构、网络输入向量和目标向量，建立神经网络模型补偿；并且在负载改变时的不同工况下进行网络训练和测试，补偿输气管道传输机理模型因为多种状态变化所带来的误差；其中，所述的管道系统信号采集模块是指采用安装在管道沿线各节点上的高精度压力传感器，对沿输气管道传输方向上各个节点压力信号进行采集，即获取本系统中压力信号实测值；其中，所述的修正输出处理模块是指将输气管道传输机理模型的计算输出值与神经网络补偿模型的输出进行求和：其中，机理模型为主模型，神经网络为补偿模型，用于补偿输气管道传输机理模型存在的误差，主模型和补偿模型结合，建立输气管道的混合模型，可以更好地监测输气管道运行状态并判断泄漏的发生，从而有效提高检测精度；其中，所述的误差获取模块计算输气管道各节点压力传感器实测值与机理模型计算输出值之间的误差，该误差作为神经网络训练的输出向量；误差获取模块还计算压力信号实测值与补偿后输气管道的混合模型输出值之间的误差，该误差平方和最小作为网络训练的目标值，该值接近于0或者越小越好；一种多工况下的输气管道泄漏检测系统各模块的连接关系如下：输入模块与输气管道传输机理模型、神经网络补偿模型和管道系统信号采集模块相连，修正输出处理模块与输气管道传输机理模型、神经网络补偿模型、管道信号采集模块和误差获取模块相连，误差获取模块与管道信号采集模块和修正输出处理模块相连。本系统的工作过程基于一种多工况下的输气管道本文档来自技高网...

【技术保护点】
一种多工况下的输气管道泄漏检测系统，其特征在于：包括：输入模块、输气管道、输气管道传输机理模型、神经网络补偿模型、管道系统信号采集模块、修正输出处理模块及误差获取模块；其中，输入模块包括实际系统输入、输气管道传输机理模型输入及神经网络补偿模型输入；实际系统输入为管道的初始条件和边界条件以及输气管道的各个参数；所述的管道系统信号采集模块是指采用安装在管道沿线各节点上的高精度压力传感器，对沿输气管道传输方向上各个节点压力信号进行采集；所述的修正输出处理模块是指将输气管道传输机理模型的计算输出值与神经网络补偿模型的输出进行求和：其中，输气管道传输机理模型为主模型，神经网络补偿模型为补偿模型，主模型和补偿模型结合，建立输气管道的混合模型；其中，所述的误差获取模块计算输气管道各节点压力传感器实测值与输气管道传输机理模型计算输出值之间的误差，该误差作为神经网络补偿模型的输出向量；各模块的连接关系如下：输入模块与输气管道传输机理模型、神经网络补偿模型和管道系统信号采集模块相连，修正输出处理模块与输气管道传输机理模型、神经网络补偿模型、管道信号采集模块和误差获取模块相连，误差获取模块与管道信号采集模块和修正输出处理模块相连。...

【技术特征摘要】
1.一种多工况下的输气管道泄漏检测系统，其特征在于：包括：输入模块、输气管道、输气管道传输机理模型、神经网络补偿模型、管道系统信号采集模块、修正输出处理模块及误差获取模块；其中，输入模块包括实际系统输入、输气管道传输机理模型输入及神经网络补偿模型输入；实际系统输入为管道的初始条件和边界条件以及输气管道的各个参数；所述的管道系统信号采集模块是指采用安装在管道沿线各节点上的高精度压力传感器，对沿输气管道传输方向上各个节点压力信号进行采集；所述的修正输出处理模块是指将输气管道传输机理模型的计算输出值与神经网络补偿模...

【专利技术属性】
技术研发人员：王军茹，刘丽华，王巧玲，董亮，
申请(专利权)人：北京信息科技大学，
类型：新型
国别省市：北京;11