论文部分内容阅读
管道泄漏不仅污染环境、影响生产,还会造成人员伤亡等严重后果,因此对管道泄漏的检测尤为重要。负压波法是目前使用最为广泛的输油管道泄漏检测方法。但由于强背景噪声以及各种工况操作的干扰,该方法的去噪效果较差、误报率较高以及泄漏定位精度较低。针对以上问题,本文将局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)、半监督模糊C均值聚类(Fuzzy C-Means clustering,FCM)和二次相关法相结合,以有效提高管道泄漏检测定位精度。研究了非局部均值(Non-Local Means,NLM)-经验模态分解(Empirical Mode Decomposition,EMD)自相关去噪算法和基于噪声统计特性的LCD自相关去噪算法。在NLM-EMD自相关法中,用NLM作为EMD的预处理,有效提高EMD的分解质量和去噪质量。在基于噪声统计特性的LCD自相关法中,用LCD改进EMD的端点效应和虚假分量等问题,同时联合噪声统计特性去噪。与常用去噪算法进行不同信噪比下的仿真对比,结果表明基于噪声统计特性的LCD自相关法不仅能更好地去噪,且在低信噪比情况下表现良好。研究了半监督FCM与欧几里得贴近度法相结合的泄漏检测算法。提取去噪后正常信号、泄漏信号、调阀信号的能量熵和趋势项方差组成特征矩阵,用来训练半监督FCM,并结合欧几里得贴近度法识别泄漏信号。将该算法与无监督FCM和有监督PNN概率神经网络进行对比,结果表明半监督FCM具有较少的标记工作量和较高的泄漏检测准确率。研究了FCM-二次相关自适应时延估计算法,以提高泄漏定位精度。对检测到的仿真泄漏信号利用FCM自适应提取泄漏特征明显的压力下降段信号,以提高二次相关法的时延估计性能。与常用算法进行对比,结果表明该算法能对管道泄漏信号进行较高精度的泄漏定位,其精度较二次相关法有明显提高。利用实验室和现场管道压力信号验证本文算法的泄漏检测效果。利用本文算法对实验室蛇形管道泄漏检测系统中采集的不同泄漏位置不同泄漏量的压力信号进行处理。同时利用新疆某现场不同长度石油管道上不同泄漏位置的压力信号进行处理,平均相对定位误差仅为0.67%,远小于其他常用算法。证明本文算法可有效用于石油管道泄漏检测与定位研究。