基于多声波传感器与稀疏表示的能源输送监测系统及方法技术方案

本发明专利技术提供一种基于多声波传感器与稀疏表示的能源输送监测系统及方法，涉及能源输送技术领域。该系统包括能源输送系统首末两个监控站安装的多声波传感器组、变送器模块、网络通讯模块、数据采集器、GPS校时模块和上位机；该方法基于多声波传感器来进行信号增强与工况纠错，并通过稀疏表示依据训练样本对测试样本进行联合重构求解，同时基于多传感器实时数据更新求解声波速度，能够很好判断能源输送系统当前的运行状态并定位，屏蔽工况调整或其他管段异常干扰，达到提高检测准确度和定位精度。度。度。

【技术实现步骤摘要】
基于多声波传感器与稀疏表示的能源输送监测系统及方法


[0001]本专利技术涉及能源输送
，尤其涉及一种基于多声波传感器与稀疏表示的能源输送监测系统及方法。

技术介绍

[0002]近年来，随着国民经济和人们生活水平的快速提高，对能源开采和运输的需求日益增加，能源输送系统不断激增。然而许多长距离能源输送系统仍未配置异常检测系统或系统检测能力差，一旦发生异常事故极易造成能源浪费、环境污染、财产损失，甚至威胁到国民的生命安全。因此能源输送系统异常检测技术是保证能源运输高效、稳定运行的关键技术之一。
[0003]利用声波法对能源输送系统进行异常检测，相较于目前比较负压波检测等方法，更加适合于长距离的检测，具有极大的工程应用前景，也是当前能源输送系统异常检测研究的热点。但是一直以来声波在传播过程中的信号衰减和背景噪音影响导致了异常判断的误报率和漏报率较高。对此，对声波法相关技术进行革新是必要的。
[0004]中国专利技术专利申请号为CN201711113746.3的技术方案中提出了一种基于同点双传感器的气体管道异常定位方法，在待测管道的一端同一位置点安装介入式次声波传感器和非介入式次声波传感器，并建立待测管道中基于同点双传感器的异常定位公式，通过介入式次声波传感器采集沿管内气体介质传播的第一次声波信号，非介入式传感器采集沿管壁传播的第二次声波信号，通过计时器得到采集两个次声波信号的时间差。若异常发生，根据两个次声波信号的传播速度和时间差，采用异常定位公式对管道异常进行定位。解决了传感器必须布置在管道两端，导致的采样点设置密度增加的问题。
[0005]中国专利技术专利申请号为CN201810862962.6的技术方案提出了一种基于定性映射的管道异常识别方法、系统及系统，根据次声波传感信号和次声波传感信号的产生时间计算生成沿待测管道分布的声像图谱。判断声像图谱属性值是否在基于历史数据构建的预设异常区间外，当预设数量的属性值在预设异常区间外，则判定待测管道发生异常。能够将本体噪声和外界因素对次声波检测技术的影响考虑在内进行识别，从而提高管道异常检测的准确度，减少误报和漏报的情况。
[0006]中国专利技术专利申请号为CN202010588123.7的技术方案提出了一种基于LCD的管道声波信号特征提取的管道工况识别方法，利用声波传感器分别采集天然气管道在不同工况下的管道声波信号并采用局部特征尺度分解(LCD)方法对采集到的管道声波信号进行自适应分解，将声波信号分解为若干个具有不同尺度的本征尺度分量(ISC)，计算各ISC分量与与原始信号的相关系数，利用相关系数加权结果来选取包含有效信息较多的特征分量。计算各特征分量的指数熵(EE)，构成特征向量，进而通过模式识别方法对特征向量进行识别，识别出管道的不同工况情况。
[0007]中国专利技术申请号为CN202010509296.5的技术方案提出了基于改进VMD和1DCNN的油气管道异常检测方法，其首先利用声波传感器采集在正常、异常两种工况下天然气管道
中的声波信号。然后初始化变分模态分解算法VMD的参数，确定VMD模态数K，对声波信号进行自适应分解，选取其中方差最大的IMF作为有效本征模态函数。再通过优化网络结构和超参数构建一维卷积神经网络1DCNN管道异常检测模型，并将训练样本输入到1DCNN管道异常检测模型中进行训练，使用测试样本测试模型泛化性能，最终获取分类结果检测管道是否发生异常。有效解决VMD方法在分解实际信号时分解数K依赖经验选取的问题，可以准确地发现管道发生异常并及时报警。但在以上技术方案中，由于声波在传播过程中的信号衰减和噪声干扰使得对声波信号的采集以及异常特征的识别存在很大困难。一方面，长距离能源输送会使得声波信号不断衰减直至湮没，需要对声波信号进行增强。另一方面，由于存在站场工况操作会对声波信号产生干扰，需要对工况干扰进行识别与纠错。因此，提高声波信号采集精度和改善检测算法性能是必要的。

技术实现思路

[0008]本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种基于多声波传感器与稀疏表示的能源输送监测系统及方法，解决声波长距离衰减和工况干扰的问题，同时利用稀疏表示对声波信号的多尺度特征进行融合判断，解决声波多特征冗余与难以识别的问题。
[0009]为解决上述技术问题，本专利技术所采取的技术方案是：
[0010]一方面，本专利技术提供基于多声波传感器与稀疏表示的能源输送监测系统，包括能源输送系统首末两个监控站安装的多声波传感器组、变送器模块、网络通讯模块、数据采集器、GPS校时模块和上位机；
[0011]所述首监控站和末监控站的多声波传感器组包括主传感器和多个辅助传感器；
[0012]所述首监控站和末监控站的主传感器分别为首末监控站间最近的2个声波传感器；
[0013]所述辅助传感器的数量与能源输送管线长度成递增梯度关系；
[0014]递增梯度关系为当能源输送管线长度L小于等于设定长度L0时，首末两个监控站的辅助传感器数量为1；当管线距离L大于L0时，管线长度每增加ΔL，每组辅助传感器数量增加一个，即一组首监控站或末监控站辅助传感器数量为首监控站各个传感器间距离为且布局传感器时任意两传感器间距离不小于两声波信号存在可检测时延对应的长度d0；同理，末监控站各个传感器间距离为且
[0015]所述变送器模块对声波传感器采集的声信号进行转换，数据采集器安装于监控站机房内，对变送器模块接收的声波信号进行采集与发送；
[0016]所述变送器模块、数据采集器、网络通讯模块、GPS校时模块和上位机在能源输送系统的首末两个监控站各设有一组，所述声波传感器均与相应一端的变送器模块、数据采集器和GPS校时模块相连，GPS校时模块对数据采集器采集的各个声波传感器信号进行时间同步，所述数据采集器通过以太网与上位机连接，向上位机发送带时间标签的数据，首末两个监控站的上位机之间通过网络通讯模块进行通讯；
[0017]所述上位机对数据采集器采集的数据进行解析与处理，实现对能源输送体的异常监测；
[0018]上位机分别将首末监控站多个传感器采集的声波信号进行时间配准后进行加权融合，得到首末监控站增强的声波信号；然后针对正常、异常和工况三个类别的融合样本数据，分别提取训练样本和待测样本的全局特征和局部特征；
[0019]再基于训练样本的特征与待测样本的特征进行联合稀疏表示与重构，利用加速近端梯度法交替更新优化得到稀疏系数矩阵估计值，并针对能源输送系统实时采集并融合后的声波信号，依据最小重构误差准则设计分类器对能源输送系统进行异常、正常和工况的分类，最后基于多传感器采集的数据进行工况二次纠错与异常定位。
[0020]另一方面，本专利技术还提供基于多声波传感器与稀疏表示的能源输送监测方法，具体包括以下步骤：
[0021]步骤1：在首末监控站分别设置多传感器组，并获取首末监控站的多传感器组采集的声波信号X
s
和Y
s
；
[0022]设定首监控站每个辅助传感本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多声波传感器与稀疏表示的能源输送监测系统，其特征为：包括能源输送系统首末两个监控站安装的多声波传感器组、变送器模块、网络通讯模块、数据采集器、GPS校时模块和上位机；所述首监控站和末监控站的多声波传感器组包括主传感器和多个辅助传感器；所述首监控站和末监控站的主传感器分别为首末监控站间最近的两个声波传感器；所述辅助传感器的数量与能源输送管线长度成递增梯度关系；所述变送器模块对声波传感器采集的声信号进行转换，数据采集器安装于监控站机房内，对变送器模块接收的声波信号进行采集与发送；所述变送器模块、数据采集器、网络通讯模块、GPS校时模块和上位机在能源输送系统的首末两个监控站各设有一组，所述声波传感器均与相应一端的变送器模块、数据采集器和GPS校时模块相连，GPS校时模块对数据采集器采集的各个声波传感器信号进行时间同步，所述数据采集器通过以太网与上位机连接，向上位机发送带时间标签的数据；首末两个监控站的上位机之间通过网络通讯模块进行通讯；所述上位机对数据采集器采集的数据进行解析与处理，实现对能源输送体的异常监测。2.根据权利要求1所述的一种基于多声波传感器与稀疏表示的能源输送监测系统，其特征为：所述辅助传感器的数量与能源输送管线长度的递增梯度关系为：当能源输送管线长度L小于等于设定长度L0时，首末两个监控站的辅助传感器数量为1；当管线距离L大于L0时，管线长度每增加ΔL，每组辅助传感器数量增加一个，即一组首监控站或末监控站辅助传感器数量为首监控站各个传感器间距离为且布局传感器时任意两传感器间距离不小于两声波信号存在可检测时延对应的长度d0；同理，末监控站各个传感器间距离为且3.根据权利要求1所述的一种基于多声波传感器与稀疏表示的能源输送监测系统，其特征为：所述上位机对数据采集器采集的数据进行解析与处理，实现对能源输送体的异常监测的具体方法为：上位机分别将首末监控站多个传感器采集的声波信号进行时间配准后进行加权融合，得到首末监控站增强的声波信号；然后针对正常、异常和工况三个类别的融合样本数据，分别提取训练样本和待测样本的全局特征和局部特征；再基于训练样本的特征与待测样本的特征进行联合稀疏表示与重构，利用加速近端梯度法交替更新优化得到稀疏系数矩阵估计值，并针对能源输送系统实时采集并融合后的声波信号，依据最小重构误差准则设计分类器对能源输送系统进行异常、正常和工况的分类，最后基于多传感器采集的数据进行工况二次纠错与异常定位。4.一种基于多声波传感器与稀疏表示的能源输送监测方法，基于权利要求1所述系统实现，其特征在于：包括以下步骤：步骤1：在首末监控站分别设置多传感器组，并获取首末监控站的多传感器组采集的声波信号X
s
和Y
s
；
设定首监控站每个辅助传感器离主传感器间距离为主传感器与最后一个辅助传感器间距离为其中，为第i个辅助传感器与前一个辅助传感器的间距，末监控站的多传感器组采集的声波信号X
s
＝[x0,x1,
···
,x
n
]，x0为首监控站主传感器采集的声波信号，x1,
···
,x
n
为辅助传感器采集的声波信号，辅助传感器数量n与能源输送管线长度有关；对应末监控站每个辅助传感器离主传感器间距离为主传感器与最后一个辅助传感器间距离为感器与最后一个辅助传感器间距离为为第i个辅助传感器与前一个辅助传感器的间距，末监控站的多传感器组采集的声波信号为Y
s
＝[y0,y1,
···
,y
n
]，y0为末监控站主传感器采集的声波信号，y1,
···
,y
n
为辅助传感器采集的声波信号；步骤2：基于各传感器距离加权的数据融合算法，分别对首末监控站多传感器组采集的声波信号X
s
和Y
s
进行融合，实现信号增强；步骤3：将首末监控站多传感器组采集的声波信号进行加权融合后信号的数据划分为训练样本集F1和测试样本集F2；训练样本集F1由包含正常、异常、工况三类标签的融合后的声波数据组成；测试集样F2本包括包含正常、异常、工况三类标签的多个声波信号样本和能源输送管线设定时间内生成的多个无标签的融合声波数据样本；设定能源输送系统运行的模式类别为s＝[1,2,3]，训练样本集F1和测试样本集F2的样本总数p、q分别为:本总数p、q分别为:其中,s＝[1,2,3]分别代表能源输送系统运行的正常、异常、工况三类状态,p
I
和q
J
代表第I或J类模式类的样本数量，q0为管线设定时间内生成的无标签样本数量，且包含系统当前时刻生成的样本；步骤4：对训练样本集F1和测试样本集F2分别进行多尺度特征提取构成特征向量矩阵，提取的特征包括时域和频域的全局特征、时
‑
频联合分析的局部特征；步骤5：利用训练样本集的特征向量矩阵X与测试样本集的特征向量矩阵Y对融合声波信号进行联合稀疏表示与重构；步骤6：根据最小误差准则设计分类器对包括当前时刻测试样本的q0个能源输送系统的无标签样本进行状态识别，即分别计算当测试样本划分为不同目标类别时的重构误差，将具有最小总重构误差的目标类别作为此测试样本所属类别；步骤7：判断当前时刻能源输送系统的运行状态并依据波达方向进行工况纠错；步骤8：求取能源输送系统异常时的声波传播速度，利用互相关时延估计对异常位置进行定位。5.根据权利要求4所述的基于多声波传感器与稀疏表示的能源输送监测方法，其特征在于：所述步骤2的具体方法为：步骤2.1：利用广义互相关时延估计分别求取每一个辅助传感器相对于主传感器的时延；
设定首监控站的多传感器组中各辅助传感器相对于主传感器的时延为τ
X
＝[τ
x1
,
···
,τ
xn
]，同时以主传感器当前时间为基准求得各辅助传感器接收到声波信号时刻为t
X
＝[t
x1
,
···
,t
xn
]；主传感器与第i个辅助传感器间的互相关时延估计值τ
xi
通过如下公式计算：其中，为互相关系数，取得极大值时求得各时延τ
xi
，为加权函数，为声波信号x0和x
i
的互功率密度谱函数，ω表示频率，t表示时间，i＝1、2、
…
、n；设定末监控站的多传感器组中各辅助传感器相对于主传感器的时延为τ
Y
＝[τ
y1
,
···
,τ
yn
]，同时以主传感器当前时间为基准求得末监控站各辅助传感器接收到声波信号时刻为t
Y
＝[t
y1
,
···
,t
yn
]，各辅助传感器相对于主传感器的时延与首监控站的多传感器组中的时延求解方法相同；步骤2.2：基于各传感器间距离确定首末监控站各辅助传感器采集的声波信号融合的权值；首监控站各辅助传感器采集的声波信号对应权值为其中，为首监控站第i个辅助传感器对应的权值，且末监控站各辅助传感器采集的声波信号对应权值为末监控站各辅助传感器采集的声波信号对应权值为为末监控站第i个辅助传感器对应的权值，且步骤2.3：分别对首末监控站多传感器组采集的声波信号进行加权融合；t时刻，首监控站多传感器组采集的声波信号进行融合后的信号x(t)如下公式所示：其中，为t时刻首监控站的第i个辅助传感器采集的声波信号往前移动个时间；末监控站多传感器组采集的声波信号进行融合后的信号y(t)如下公式所示：其中，为t时刻末监控站第i个辅助传感器采集的声波信号往前移动个时间。6.根据权利要求5所述的基于多...

【专利技术属性】
技术研发人员：胡旭光，张吉贵，马大中，付勇勇，王一冰，冯广崇，李鑫，李鹏飞，
申请(专利权)人：东北大学，
类型：发明
国别省市：