本發(fā)明涉及管道信號處理領(lǐng)域，尤其涉及一種輸油管道微小泄漏信號識別方法。

背景技術(shù)：

國內(nèi)外管道工作者一直致力于管道泄漏檢測技術(shù)的研究，目前國內(nèi)常用的管道檢測方法按照檢測裝置的所處位置不同分為外部檢測法和內(nèi)部檢測法。

外部檢測法中應(yīng)用較為廣泛的為負(fù)壓波法，當(dāng)管道發(fā)生泄漏時，該點產(chǎn)生瞬態(tài)的壓力下降，產(chǎn)生負(fù)壓波并沿管壁以特定的速度傳播至管道兩端，并由壓力傳感器采集到該負(fù)壓波，根據(jù)負(fù)壓波的傳輸速度以及到達兩端傳感器的時間差即可定位。外部檢測法只能檢測突發(fā)性的大泄漏，對于微小泄漏不敏感，而且經(jīng)常出現(xiàn)漏報現(xiàn)象。

內(nèi)檢測法在管道內(nèi)放置搭載聲音傳感器的內(nèi)檢測器，在油品的推動下沿管線前進，能夠在泄漏點附近采集泄漏聲音信號，因此能夠檢測泄漏量小于1L/min的微小泄漏信號，但是管道內(nèi)背景噪音復(fù)雜，包括：內(nèi)檢測器與管壁的摩擦碰撞聲、周圍環(huán)境噪音(車輛、河流)等，需要采用合適的信號處理方法把泄漏信號有效的識別出來。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種輸油管道微小泄漏信號識別方法，本發(fā)明實現(xiàn)了泄漏信號的有效識別，詳見下文描述：

一種輸油管道微小泄漏信號識別方法，所述識別方法包括以下步驟：

選擇db4～10系列小波函數(shù)作為小波變換的小波基，確定小波分解的層數(shù)為4層；

采用MALLAT塔式算法，對原始聲音信號進行4層離散小波分解，并選擇第三尺度和第四尺度的細節(jié)信號進行小波重構(gòu)得到去噪信號；

對去噪信號按照時間進行均勻分割，得到分割后的聲音信號片段；

對每一個分割后的聲音片段作短時傅里葉變換，得到變換矩陣；利用變換矩陣制作聲音信號的歸一化能量圖；根據(jù)歸一化能量圖，判斷輸油管道是否發(fā)生微小泄漏。

其中，所述用MALLAT塔式算法，對原始聲音信號進行4層離散小波分解，并選擇第三尺度和第四尺度的細節(jié)信號進行小波重構(gòu)得到去噪信號的步驟具體為：

根據(jù)離散后的小波基獲取小波分解的高通濾波器和低通濾波器；

獲取各層分解下的細節(jié)信號，以及第四層分解后的近似信號；

保留第三層和第四層的細節(jié)信號，其余項置0，逐層的重構(gòu)信號，最終得到去噪信號。

其中，所述利用變換矩陣制作聲音信號的歸一化能量圖的步驟具體為：

計算幅值矩陣；定義聲音信號的歸一化能量公式；

以時間作為橫坐標(biāo)，單位時間間隔為t_a，相應(yīng)的縱坐標(biāo)值為歸一化能量，得到聲音信號的歸一化能量圖。

其中，所述根據(jù)歸一化能量圖，判斷輸油管道是否發(fā)生微小泄漏的步驟具體為：

設(shè)定一個泄漏發(fā)生閾值系數(shù)β和泄漏時間閾值系數(shù)α，在歸一化能量圖上以y＝β畫一條閾值線，找出歸一化能量P(x)≥β的點，并記錄下連續(xù)超出閾值線的點的個數(shù)Z；

若Z≥α，且相應(yīng)的P(x)值符合先增加后減小的趨勢，則判定該處有微小泄漏發(fā)生。

本發(fā)明提供的技術(shù)方案的有益效果是：傳統(tǒng)的外檢測方法(比如負(fù)壓波檢測法、流量平衡法)只能對突發(fā)性的大泄漏(泄漏流量大于總流量的1％)進行有效的檢測，無法檢測出腐蝕、裂紋等缺陷引起的小泄漏。本檢測方法利用內(nèi)檢測器在泄漏源附近記錄泄漏數(shù)據(jù)，能夠檢測低至0.15L/min的微小泄漏，極大地提高了檢測靈敏度，對于維護長輸石油管道的安全具有重要意義。

附圖說明

圖1為一種輸油管道微小泄漏信號識別方法的流程圖；

圖2為小波分解的示意圖；

圖3為db6小波基與碰撞信號的示意圖；

(a)為db6小波基示意圖；(b)為碰撞信號示意圖。

圖4為聲音信號的歸一化能量圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面對本發(fā)明實施方式作進一步地詳細描述。

實施例1

一種輸油管道微小泄漏信號識別方法，參見圖1，該識別方法包括以下步驟：

101：選擇db4～10系列小波函數(shù)作為小波變換的小波基，確定小波分解的層數(shù)為4層；

102：采用MALLAT塔式算法，對原始聲音信號進行4層離散小波分解，并選擇第三尺度和第四尺度的細節(jié)信號進行小波重構(gòu)得到去噪信號；

103：對去噪信號按照時間進行均勻分割，得到分割后的聲音信號片段；

104：對每一個分割后的聲音片段作短時傅里葉變換，得到變換矩陣；利用變換矩陣制作聲音信號的歸一化能量圖；根據(jù)歸一化能量圖，判斷輸油管道是否發(fā)生微小泄漏。

其中，步驟102中的用MALLAT塔式算法，對原始聲音信號進行4層離散小波分解，并選擇第三尺度和第四尺度的細節(jié)信號進行小波重構(gòu)得到去噪信號的步驟具體為：

根據(jù)離散后的小波基獲取小波分解的高通濾波器和低通濾波器；

獲取各層分解下的細節(jié)信號，以及第四層分解后的近似信號；

保留第三層和第四層的細節(jié)信號，其余項置0，逐層的重構(gòu)信號，最終得到去噪信號。

其中，步驟104中的利用變換矩陣制作聲音信號的歸一化能量圖的步驟具體為：

計算幅值矩陣；定義聲音信號的歸一化能量公式；

以時間作為橫坐標(biāo)，單位時間間隔為t_a，相應(yīng)的縱坐標(biāo)值為歸一化能量，得到聲音信號的歸一化能量圖。

其中，步驟104中的根據(jù)歸一化能量圖，判斷輸油管道是否發(fā)生微小泄漏的步驟具體為：

設(shè)定一個泄漏發(fā)生閾值系數(shù)β和泄漏時間閾值系數(shù)α，在歸一化能量圖上以y＝β畫一條閾值線，找出歸一化能量P(x)≥β的點，并記錄下連續(xù)超出閾值線的點的個數(shù)Z；

若Z≥α，且相應(yīng)的P(x)值符合先增加后減小的趨勢，則判定該處有微小泄漏發(fā)生。

綜上所述，本發(fā)明實施例通過上述步驟101-步驟104實現(xiàn)了對泄漏信號的有效識別，保障了輸油管道的安全性，滿足了實際應(yīng)用中的需要。

實施例2

下面結(jié)合圖2-圖4、以及具體的計算公式、實例對實施例1中的方案進行進一步地介紹，詳見下文描述：

201：將聲音傳感器固定在管道內(nèi)檢測器的任意位置，在內(nèi)檢測器的運行過程中記錄管道內(nèi)的聲音數(shù)據(jù)，隨后將聲音數(shù)據(jù)傳輸至上位機，得到原始聲音信號時間序列S(n)；

該步驟的詳細操作為：將聲音傳感器固定在管道內(nèi)檢測器里的任意位置，將內(nèi)檢測器投管巡檢，測量管道中聲音數(shù)據(jù)，巡檢完畢，取出內(nèi)檢測器，將內(nèi)檢測器記錄的聲音數(shù)據(jù)下載到上位機，進行下一步數(shù)據(jù)處理。

其中，本發(fā)明實施例對聲音傳感器和管道內(nèi)檢測器的型號不做限制，只要能完成上述功能的器件均可，例如：管道內(nèi)檢測器可以為柱形內(nèi)檢測器或球形內(nèi)檢測器等。

202：確定離散小波分解的小波基及分解層數(shù)；

其中，離散小波變換可以通過離散化連續(xù)小波變換中的尺度參數(shù)a和平移參數(shù)b得到。取a₀、b₀為初始系數(shù)，一般取a₀>1、b₀>0；m、n分別為尺度因子和平移因子；Z為整數(shù)集。

由小波基函數(shù)得到為母小波。

相應(yīng)的離散小波變換為：

*為共軛符號。

其中，f(t)為待處理的原始信號；ψ*(a₀^-mt-nb₀)為由母小波生成的小波函數(shù)。

對原始信號進行離散小波變換，本質(zhì)就是根據(jù)信號處理的實際需要，進行多層的小波分解。根據(jù)小波分解的原理，每做一層小波分解，將得到上一層近似(低頻)信號的細節(jié)信號(高頻部分)和近似信號(低頻部分)，輸出的下層近似分量的頻帶寬度是上層近似分量的一半，如圖2所示。

小波變換物理意義上可理解為小波基對原信號相似程度的描述，選取的小波基與原信號在形狀上越相似，小波分解后得到的近似信號也就越能體現(xiàn)原信號的特征。內(nèi)檢測器聲音傳感器記錄的噪聲大部分為碰撞噪音，選擇與碰撞噪音信號較為相似的小波基，得到的近似信號也就能更貼近原始信號，相應(yīng)的細節(jié)信號所包含的碰撞噪聲成分也就越少，因此，相對于數(shù)字濾波，通過離散小波變換得到的信號去噪效果更好。

小波基家族中，db4～10小波與碰撞噪聲具有較高的相似度，圖3所示為db6小波與典型的碰撞噪聲形狀，因此選擇db4～10系列小波函數(shù)作為小波變換的小波基。一般聲音傳感器的采樣頻率f_s在40000-50000Hz之間，實驗表明微小泄漏信號的頻帶分布主要集中在500Hz～3500Hz之間，同時碰撞噪聲的頻帶分布集中在1000Hz以下，由小波分解原理可知，經(jīng)過4層小波分解之后的近似信號A4頻帶范圍上限為1250～1562.5Hz，包含了碰撞噪聲所在的頻帶，細節(jié)信號D3與D4的合并頻帶范圍下限同樣為1250Hz～1562.5Hz，包含了大部分的微小泄漏信號成分。本實施例中，采樣頻率f_s為40000Hz。

203：根據(jù)上文確定的小波基和小波分解層數(shù)，采用MALLAT塔式算法，對原始聲音信號進行4層離散小波分解，并選擇第三尺度和第四尺度的細節(jié)信號進行小波重構(gòu)得到去噪信號S'(n)。

本實施例中，使用的小波基為db6小波。

該步驟的詳細操作為：

(1)根據(jù)離散后的db6小波基獲取小波分解的高通濾波器g(k)和低通濾波器h(k)，二者具有如下關(guān)系：g(k)＝(-1)^1-kh(1-k),h(k)＝h(-k)；

其中，k為變量；h(1-k)代表g(k)的變換；h(-k)代表h(k)的變換。

(2)另原始信號序列S(n)＝a₀(n)，下標(biāo)0代表未分解的原始聲音信號，利用公式

其中，m取0時得到第一層小波分解的細節(jié)信號d₁(n)和近似信號a₁(n)，下標(biāo)m代表第m層小波分解時得到的細節(jié)信號和近似信號；a_m(k)、d_m(n)分別為m層小波分解后得到的細節(jié)信號和近似信號；h(2n-k)和g(2n-k)分別為g(k)和h(k)的變形。

(3)m分別取2、3、4，重復(fù)步驟(2)，得到各層分解下的細節(jié)信號d₁(n),d₂(n),d₃(n),d₄(n)以及第四層分解后的近似信號a₄(n)；

(4)保留d₃(n),d₄(n)，其余項置0，利用公式

逐層的重構(gòu)信號，最終得到去噪信號S'(n)。

其中，h(n-2k)為g(k)的變形。

204：對去噪信號S'(n)按照時間進行均勻分割，得到分割后的聲音信號片段RS_l(n)，下標(biāo)l代表分割后的信號編號。

具體的時間分割長度以30s～150s為宜，本實施例中采用的分割時長T為60s。分割后的信號長度N＝T·f_s。

205：對每一個分割后的聲音片段作短時傅里葉變換，得到變換矩陣F_l(i,j)，短時傅里葉變換公式為：

其中，r(n)代表所選取的窗函數(shù)，τ為虛數(shù)單位，*為共軛符號，M為窗函數(shù)的長度，E為窗函數(shù)平移的步長，下標(biāo)l代表對第l個聲音片段進行處理；r*(n-iE)為平移后窗函數(shù)的共軛。

在本實施例中，窗函數(shù)選擇漢明窗，長度為10000，步長為1000，可得到頻域分辨率為時間分辨率為變換矩陣F_l(i,j)維度大小為2400*5000。

206：利用變換矩陣F_l(i,j)制作聲音信號的歸一化能量圖。

以下步驟分別對各個聲音片段F_l(i,j)做相同的處理，為表示方便，省去下標(biāo)l。

該步驟具體為：

(1)計算幅值矩陣Q(i,j)＝|F(i,j)|，||代表對復(fù)數(shù)求模；

(2)令數(shù)據(jù)處理的信號幀時間長度為t_a，對應(yīng)的矩陣數(shù)據(jù)幀長度定義聲音信號的歸一化能量公式為：

(3)以時間作為橫坐標(biāo)，單位時間間隔為t_a，相應(yīng)的縱坐標(biāo)值為P(x)。得到聲音信號的歸一化能量圖。

在本實施例中，t_a取0.2s。

207：根據(jù)歸一化能量圖，判斷輸油管道是否發(fā)生微小泄漏。

該步驟判斷的基本原理為：未發(fā)生泄漏時，聲音信號的能量分布較為穩(wěn)定，得到的歸一化能量圖應(yīng)該是一條較為穩(wěn)定的曲線，如圖4的②區(qū)域所示。若微小泄漏發(fā)生時，泄漏頻帶的聲學(xué)能量較高，同時由于內(nèi)檢測器在管道內(nèi)單向前進，因此內(nèi)部搭載的聲學(xué)傳感器由遠及近的靠近微小泄漏源，然后逐漸遠離泄漏源，反映在歸一化能量圖上為一個具有明顯上升過程和下降過程的尖峰，該尖峰的大小由泄漏的強度決定，持續(xù)時間由聲音傳感器的靈敏度決定，如圖4的①區(qū)域所示。該步驟具體為：

設(shè)定一個泄漏發(fā)生閾值系數(shù)β和泄漏時間閾值系數(shù)α，在歸一化能量圖上以y＝β畫一條閾值線，找出P(x)≥β的點，并記錄下連續(xù)超出閾值線的點的個數(shù)Z。若Z≥α，且相應(yīng)的P(x)值符合先增加后減小的趨勢，則判定該處有微小泄漏發(fā)生。在本實施例中，β0.35，α取4。

綜上所述，本發(fā)明實施例通過上述步驟201-步驟207實現(xiàn)了對泄漏信號的有效識別，保障了輸油管道的安全性，滿足了實際應(yīng)用中的需要。

本領(lǐng)域技術(shù)人員可以理解附圖只是一個優(yōu)選實施例的示意圖，上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。