一种多次降噪的管道泄漏定位方法技术

本发明专利技术公开了一种多次降噪的管道泄漏定位方法，以提高管道泄漏定位精度。首先对采集的管道泄漏信号进行CELMD分解，得到一系列PF分量和残余分量；然后通过相关系数准则计算各PF分量的相关系数降噪处理，初步筛选有效的PF分量；再利用最大相关峭度解卷积(MCKD)原理对初步筛选的PF分量进行二次降噪，精选PF分量；最后对二次筛选后的PF分量进行信号重构，通过互相关计算泄漏信号的时延完成管道泄漏定位。本发明专利技术有效解决了现有方法处理管道泄漏信号受噪声干扰难以提取、定位不准确的问题，为管道泄漏检测提供了新的方法思路。

【技术实现步骤摘要】
一种多次降噪的管道泄漏定位方法
本专利技术涉及管道泄漏检测
，特别是涉及一种基于补充总体局域均值分解(CELMD)多次降噪的管道泄漏定位方法。
技术介绍
城市管道已成为现代城市发展不可或缺的工具，随着其规模的不断扩大，由于设备自然老化、气候环境以及人为破坏等影响，管道故障事件呈上升趋势，尤其是燃气管道一旦泄漏，很容易引起火灾、爆炸、中毒、环境污染等恶性事故。因此找到有效的管道泄漏检测方法，准确识别出泄漏隐患，具有良好的经济价值和社会意义。近年来，随着计算机技术的发展，管道泄漏检测技术正向软硬件结合的方向发展，各种新的管道泄漏检测方法仍是各国的前沿研究方向，而非平稳信号的分析和研究一直是研究的热点，如小波分解、经验模态分解(EMD)、局域均值分解(LMD)等，但它们也都有各自的不足。比如，小波分解不能进行自适应选择，经验模态分解是自适应的时频分析方法，但却存在端点效应。模态混叠、过包络和欠包络等问题。局部均值分解是经验模态分解的端点效应的改进，并且没有过包络和欠包络的问题，但没能改善模态混叠的问题，而其改进算法总体局域均值分解(ELMD)将白噪声分析引入了局部均值分解，缓解了模态混叠现象，但是引入的白噪声不能完全被中和，存在完备性的问题。本专利技术正是在这种背景下产生，方法借鉴总体局域均值分解(ELMD)的思路，通过成对地添加正负两组白噪声，保证在与ELMD有相当的分解效果时，减少了白噪声引起的重构误差，提高了分解效率，能够自适应的对管道泄漏信号进行提取和识别，然后对经过补充总体局域均值分解(CELMD)后的信号进行相关系数、MCKD降噪处理，最后对筛选后的PF分量进行重构并计算时延，完成泄漏定位。
技术实现思路
本专利技术所要解决的技术问题是：为了克服现有技术存在的不足，本专利技术提供一种基于CELMD的多次降噪的管道泄漏定位方法，真实有效地提取泄漏信号，提高泄漏定位的准确性，增强算法的实用性和可靠性。本专利技术解决其技术问题所要采用的技术方案是：一种多次降噪的管道泄漏定位方法，该方法的步骤如下，步骤1：利用声发射泄漏检测系统采集管道的泄漏信号；步骤2：对泄漏信号进行补充总体局域均值分解(CELMD)，得到泄漏信号的一系列乘积函数，即PF分量；步骤3：根据相关系数准则计算各PF分量的相关系数，并进行信号降噪处理，初次筛选符合的PF分量；步骤4：对步骤3中初次筛选后的每一个PF分量进行最大相关峭度解卷积(MCKD)处理，由计算得到的最大峭度值再次精选出稳定而又包含大量泄漏信息的PF分量；步骤5：对经过两次筛选出的PF分量进行信号重构，然后进行分析，并应用互相关计算上下游泄漏信号的时延，进行管道泄漏定位。并与直接互相关、ELMD结合相关系数降噪方法进行对比，不仅对比了一次降噪和基于CELMD-MCKD二次降噪的特点，而且突出了CELMD-MCKD方法的降噪优势。进一步地，步骤2中对泄漏信号进行补充总体局域均值分解(CLEMD)的具体过程：(1)向原始泄漏信号x(t)中加入一组给定标准差的正态分布白噪声n(t)，得到混合信号x′(t)；(2)对混合信号x′(t)进行LMD分解，得到第一组PF分量，记为PF1i，和一个残余分量u1；(3)把与n(t)等长度、标准差一致且符号相反的白噪声-n(t)加入到原始泄漏信号x(t)中，得到混合信号x″(t)；(4)对加入相反噪声的混合信号x″(t)再次进行LMD分解，得到第二组PF分量，记为PF-1i，和残余分量u-1；(5)重复执行步骤(1)-(4)，每次都加入标准差一致的白噪声，并设定LMD分解的次数，以混合信号为基础进行LMD分解；(6)对得到的各个PF分量和残余分量ui作总体平均，得到分解结果，按公式(1)和(2)最终求得PF分量和残余分量ui。式中，PFnj、PF-nj表示原信号分别加入n(t)、-n(t)白噪声后分解得到的第j个分量；同理，uj、uj表示原信号分别加入n(t)、-n(t)白噪声后分解得到为第j个残余分量，其中，n为分解次数，且n,j为正整数。进一步地，步骤3中根据相关系数准则初步筛选有效的PF分量的具体过程：相关系数是反映变量之间的相关关系密切程度，常用的是皮尔逊积矩相关系数计算各个PF分量同原始信号x(t)的相关系数r。设样本a和样本b，则两组的相关系数为：式中：r为相关系数；Cov(a,b)为样本a和样本b的协方差；分别为样本a、b的方差。相关系数r的取值范围为[-1,1]，相关系数的绝对值越大，则两个样本的线性相关程度越高。根据公式(3)计算各个PF分量同原始泄漏信号x(t)的相关系数r，则公式(3)可以写作：其中，PFi为第i个PF分量，x(t)为原信号。通过求各个PF分量同原始泄漏声发射信号x(t)之间的相关系数，来降低采集管道泄漏信号时非相关量的干扰，初次筛选出符合的PF分量。进一步，步骤4中对初次筛选后的每一个PF分量进行MCKD处理的具体过程：MCKD中是以峭度作为评定恢复信号性能的指标，相比相关系数初次筛选PF分量来说，MCKD的优点是可以使周期已知的信号通过滤波后相关峭度达到最大，当峭度达到最大时，则认为是MCKD处理的最理想结果，更容易滤出信号中的冲击成分，因此采用MCKD进行精选PF分量。选取一个有限冲击响应滤波器f，计算相关峭度：其中，M是位移数，T为冲击信号的周期。位移数决定降噪后尖脉冲的个数，过小会导致冲击成分在时域范围内分配不均，过大会出现迭代方法超出浮点指数范围导致计算精度的降低。MCKD算法的目标函数为：式中：f＝[f1f2…fL]T是长度为L的滤波器系数。为了使CKM(T)取得最大值的最优滤波器求解方程，MCKD的算法主要是确定滤波器的长度L，位移数M和冲击信号的周期T，通过矩阵变换计算得到更新后的滤波器系数f。最大相关峭度解卷积算法通过寻找一个最佳的FIR滤波器，突出管道泄漏信号中被噪声淹没的泄漏成分，从而使原始泄漏信号中的相关峭度值达到最大，有效地抑制了噪声的干扰。计算每一个PF分量的最大相关峭度值来精选PF分量，选取稳定而又包含大量真实有效的泄漏信息的PF分量。通过对步骤3中初次筛选后的PF分量MCKD处理来再次筛选。具体过程初始化PF分量PFi的解卷积周期T、位移数M、及滤波器长度L。周期T根据经验设定为0.008s，位移数M∈[1,7]，参数设置不同时，信号的峭度是不断变化的，峭度值越大则泄漏特征越明显，因此利用Matlab数学分析软件建立多个参数组合进行分析，选取最优的参数解。然后第一次筛选的各PF分量PFi带入公式中，计算得到滤波器系数f和相关峭度值，根据相关峭度值再次筛选PF分量。根据滤波器系数进行重构，得到MCKD降噪后的信号时频图并与原信号进行对比，进一步证明了MCKD二次降噪的优势。进一步，步骤5的具体过程：经过两次筛选得到最后的PF分量，每个PF分量表示多个尺度下含有不同程度的泄漏信息的模态分量，在压力、孔径和介质参数确定的情况下，通过得到的泄漏信号延时Δt与传播速度v，依据时差定位法即可确定管道泄漏点的位置，即为：式中，x为估计泄漏定位值，l为上下游的传感器距离，v是泄漏声发射信号在管道中的传播速度；Δt是时间延迟。通过提取每个PF分量的时域、频谱进行重构，对上下游的重构信号x1(t本文档来自技高网...

【技术保护点】
1.一种多次降噪的管道泄漏定位方法，其特征在于：该方法的步骤如下，步骤1：利用声发射泄漏检测系统采集管道的泄漏信号x(t)；步骤2：对泄漏信号进行补充总体局域均值分解，得到泄漏信号的一系列PF分量；步骤3：根据相关系数准则计算各PF分量的相关系数，并进行信号降噪处理，初次筛选符合的PF分量；步骤4：对步骤3中初次筛选后的每一个PF分量进行最大相关峭度解卷积处理，由计算得到的最大峭度值再次精选出稳定而又包含大量泄漏信息的PF分量；步骤5：对经过两次筛选出的PF分量进行信号重构，并应用互相关计算上下游泄漏信号的时延，进行管道泄漏定位。

【技术特征摘要】
1.一种多次降噪的管道泄漏定位方法，其特征在于：该方法的步骤如下，步骤1：利用声发射泄漏检测系统采集管道的泄漏信号x(t)；步骤2：对泄漏信号进行补充总体局域均值分解，得到泄漏信号的一系列PF分量；步骤3：根据相关系数准则计算各PF分量的相关系数，并进行信号降噪处理，初次筛选符合的PF分量；步骤4：对步骤3中初次筛选后的每一个PF分量进行最大相关峭度解卷积处理，由计算得到的最大峭度值再次精选出稳定而又包含大量泄漏信息的PF分量；步骤5：对经过两次筛选出的PF分量进行信号重构，并应用互相关计算上下游泄漏信号的时延，进行管道泄漏定位。2.根据权利要求1所述的多次降噪的管道泄漏定位方法，其特征在于，步骤2的具体过程：(1)向原始泄漏信号x(t)中加入一组给定标准差的正态分布白噪声n(t)，得到混合信号x′(t)；(2)对混合信号x′(t)进行LMD分解，得到第一组PF分量，记为PF1i，和一个残余分量u1；(3)把与n(t)等长度、标准差一致且符号相反的白噪声-n(t)加入到原始泄漏信号x(t)中，得到混合信号x″(t)；(4)对加入相反噪声的混合信号x″(t)再次进行LMD分解，得到第二组PF分量，记为PF-1i，和残余分量u-1；(5)重复执行步骤(1)-(4)，每次都加入标准差一致的白噪声，并设定LMD分解的次数，以混合信号为基础进行LMD分解；(6)对得到的各个PF分量和残余分量ui作总体平均，得出分解结果。3.根据权利要求1所...

【专利技术属性】
技术研发人员：郝永梅，杜璋昊，邢志祥，吴雨佳，
申请(专利权)人：常州大学，
类型：发明
国别省市：江苏,32