一种输油管道微小泄漏信号识别方法与流程

本发明涉及管道信号处理领域，尤其涉及一种输油管道微小泄漏信号识别方法。

背景技术：

国内外管道工作者一直致力于管道泄漏检测技术的研究，目前国内常用的管道检测方法按照检测装置的所处位置不同分为外部检测法和内部检测法。

外部检测法中应用较为广泛的为负压波法，当管道发生泄漏时，该点产生瞬态的压力下降，产生负压波并沿管壁以特定的速度传播至管道两端，并由压力传感器采集到该负压波，根据负压波的传输速度以及到达两端传感器的时间差即可定位。外部检测法只能检测突发性的大泄漏，对于微小泄漏不敏感，而且经常出现漏报现象。

内检测法在管道内放置搭载声音传感器的内检测器，在油品的推动下沿管线前进，能够在泄漏点附近采集泄漏声音信号，因此能够检测泄漏量小于1L/min的微小泄漏信号，但是管道内背景噪音复杂，包括：内检测器与管壁的摩擦碰撞声、周围环境噪音(车辆、河流)等，需要采用合适的信号处理方法把泄漏信号有效的识别出来。

技术实现要素：

本发明提供了一种输油管道微小泄漏信号识别方法，本发明实现了泄漏信号的有效识别，详见下文描述：

一种输油管道微小泄漏信号识别方法，所述识别方法包括以下步骤：

选择db4～10系列小波函数作为小波变换的小波基，确定小波分解的层数为4层；

采用MALLAT塔式算法，对原始声音信号进行4层离散小波分解，并选择第三尺度和第四尺度的细节信号进行小波重构得到去噪信号；

对去噪信号按照时间进行均匀分割，得到分割后的声音信号片段；

对每一个分割后的声音片段作短时傅里叶变换，得到变换矩阵；利用变换矩阵制作声音信号的归一化能量图；根据归一化能量图，判断输油管道是否发生微小泄漏。

其中，所述用MALLAT塔式算法，对原始声音信号进行4层离散小波分解，并选择第三尺度和第四尺度的细节信号进行小波重构得到去噪信号的步骤具体为：

根据离散后的小波基获取小波分解的高通滤波器和低通滤波器；

获取各层分解下的细节信号，以及第四层分解后的近似信号；

保留第三层和第四层的细节信号，其余项置0，逐层的重构信号，最终得到去噪信号。

其中，所述利用变换矩阵制作声音信号的归一化能量图的步骤具体为：

计算幅值矩阵；定义声音信号的归一化能量公式；

以时间作为横坐标，单位时间间隔为t_a，相应的纵坐标值为归一化能量，得到声音信号的归一化能量图。

其中，所述根据归一化能量图，判断输油管道是否发生微小泄漏的步骤具体为：

设定一个泄漏发生阈值系数β和泄漏时间阈值系数α，在归一化能量图上以y＝β画一条阈值线，找出归一化能量P(x)≥β的点，并记录下连续超出阈值线的点的个数Z；

若Z≥α，且相应的P(x)值符合先增加后减小的趋势，则判定该处有微小泄漏发生。

本发明提供的技术方案的有益效果是：传统的外检测方法(比如负压波检测法、流量平衡法)只能对突发性的大泄漏(泄漏流量大于总流量的1％)进行有效的检测，无法检测出腐蚀、裂纹等缺陷引起的小泄漏。本检测方法利用内检测器在泄漏源附近记录泄漏数据，能够检测低至0.15L/min的微小泄漏，极大地提高了检测灵敏度，对于维护长输石油管道的安全具有重要意义。

附图说明

图1为一种输油管道微小泄漏信号识别方法的流程图；

图2为小波分解的示意图；

图3为db6小波基与碰撞信号的示意图；

(a)为db6小波基示意图；(b)为碰撞信号示意图。

图4为声音信号的归一化能量图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

实施例1

一种输油管道微小泄漏信号识别方法，参见图1，该识别方法包括以下步骤：

101：选择db4～10系列小波函数作为小波变换的小波基，确定小波分解的层数为4层；

102：采用MALLAT塔式算法，对原始声音信号进行4层离散小波分解，并选择第三尺度和第四尺度的细节信号进行小波重构得到去噪信号；

103：对去噪信号按照时间进行均匀分割，得到分割后的声音信号片段；

104：对每一个分割后的声音片段作短时傅里叶变换，得到变换矩阵；利用变换矩阵制作声音信号的归一化能量图；根据归一化能量图，判断输油管道是否发生微小泄漏。

其中，步骤102中的用MALLAT塔式算法，对原始声音信号进行4层离散小波分解，并选择第三尺度和第四尺度的细节信号进行小波重构得到去噪信号的步骤具体为：

根据离散后的小波基获取小波分解的高通滤波器和低通滤波器；

获取各层分解下的细节信号，以及第四层分解后的近似信号；

保留第三层和第四层的细节信号，其余项置0，逐层的重构信号，最终得到去噪信号。

其中，步骤104中的利用变换矩阵制作声音信号的归一化能量图的步骤具体为：

计算幅值矩阵；定义声音信号的归一化能量公式；

以时间作为横坐标，单位时间间隔为t_a，相应的纵坐标值为归一化能量，得到声音信号的归一化能量图。

其中，步骤104中的根据归一化能量图，判断输油管道是否发生微小泄漏的步骤具体为：

设定一个泄漏发生阈值系数β和泄漏时间阈值系数α，在归一化能量图上以y＝β画一条阈值线，找出归一化能量P(x)≥β的点，并记录下连续超出阈值线的点的个数Z；

若Z≥α，且相应的P(x)值符合先增加后减小的趋势，则判定该处有微小泄漏发生。

综上所述，本发明实施例通过上述步骤101-步骤104实现了对泄漏信号的有效识别，保障了输油管道的安全性，满足了实际应用中的需要。

实施例2

下面结合图2-图4、以及具体的计算公式、实例对实施例1中的方案进行进一步地介绍，详见下文描述：

201：将声音传感器固定在管道内检测器的任意位置，在内检测器的运行过程中记录管道内的声音数据，随后将声音数据传输至上位机，得到原始声音信号时间序列S(n)；

该步骤的详细操作为：将声音传感器固定在管道内检测器里的任意位置，将内检测器投管巡检，测量管道中声音数据，巡检完毕，取出内检测器，将内检测器记录的声音数据下载到上位机，进行下一步数据处理。

其中，本发明实施例对声音传感器和管道内检测器的型号不做限制，只要能完成上述功能的器件均可，例如：管道内检测器可以为柱形内检测器或球形内检测器等。

202：确定离散小波分解的小波基及分解层数；

其中，离散小波变换可以通过离散化连续小波变换中的尺度参数a和平移参数b得到。取a₀、b₀为初始系数，一般取a₀>1、b₀>0；m、n分别为尺度因子和平移因子；Z为整数集。

由小波基函数得到为母小波。

相应的离散小波变换为：

*为共轭符号。

其中，f(t)为待处理的原始信号；ψ*(a₀^-mt-nb₀)为由母小波生成的小波函数。

对原始信号进行离散小波变换，本质就是根据信号处理的实际需要，进行多层的小波分解。根据小波分解的原理，每做一层小波分解，将得到上一层近似(低频)信号的细节信号(高频部分)和近似信号(低频部分)，输出的下层近似分量的频带宽度是上层近似分量的一半，如图2所示。

小波变换物理意义上可理解为小波基对原信号相似程度的描述，选取的小波基与原信号在形状上越相似，小波分解后得到的近似信号也就越能体现原信号的特征。内检测器声音传感器记录的噪声大部分为碰撞噪音，选择与碰撞噪音信号较为相似的小波基，得到的近似信号也就能更贴近原始信号，相应的细节信号所包含的碰撞噪声成分也就越少，因此，相对于数字滤波，通过离散小波变换得到的信号去噪效果更好。

小波基家族中，db4～10小波与碰撞噪声具有较高的相似度，图3所示为db6小波与典型的碰撞噪声形状，因此选择db4～10系列小波函数作为小波变换的小波基。一般声音传感器的采样频率f_s在40000-50000Hz之间，实验表明微小泄漏信号的频带分布主要集中在500Hz～3500Hz之间，同时碰撞噪声的频带分布集中在1000Hz以下，由小波分解原理可知，经过4层小波分解之后的近似信号A4频带范围上限为1250～1562.5Hz，包含了碰撞噪声所在的频带，细节信号D3与D4的合并频带范围下限同样为1250Hz～1562.5Hz，包含了大部分的微小泄漏信号成分。本实施例中，采样频率f_s为40000Hz。

203：根据上文确定的小波基和小波分解层数，采用MALLAT塔式算法，对原始声音信号进行4层离散小波分解，并选择第三尺度和第四尺度的细节信号进行小波重构得到去噪信号S'(n)。

本实施例中，使用的小波基为db6小波。

该步骤的详细操作为：

(1)根据离散后的db6小波基获取小波分解的高通滤波器g(k)和低通滤波器h(k)，二者具有如下关系：g(k)＝(-1)^1-kh(1-k),h(k)＝h(-k)；

其中，k为变量；h(1-k)代表g(k)的变换；h(-k)代表h(k)的变换。

(2)另原始信号序列S(n)＝a₀(n)，下标0代表未分解的原始声音信号，利用公式

其中，m取0时得到第一层小波分解的细节信号d₁(n)和近似信号a₁(n)，下标m代表第m层小波分解时得到的细节信号和近似信号；a_m(k)、d_m(n)分别为m层小波分解后得到的细节信号和近似信号；h(2n-k)和g(2n-k)分别为g(k)和h(k)的变形。

(3)m分别取2、3、4，重复步骤(2)，得到各层分解下的细节信号d₁(n),d₂(n),d₃(n),d₄(n)以及第四层分解后的近似信号a₄(n)；

(4)保留d₃(n),d₄(n)，其余项置0，利用公式

逐层的重构信号，最终得到去噪信号S'(n)。

其中，h(n-2k)为g(k)的变形。

204：对去噪信号S'(n)按照时间进行均匀分割，得到分割后的声音信号片段RS_l(n)，下标l代表分割后的信号编号。

具体的时间分割长度以30s～150s为宜，本实施例中采用的分割时长T为60s。分割后的信号长度N＝T·f_s。

205：对每一个分割后的声音片段作短时傅里叶变换，得到变换矩阵F_l(i,j)，短时傅里叶变换公式为：

其中，r(n)代表所选取的窗函数，τ为虚数单位，*为共轭符号，M为窗函数的长度，E为窗函数平移的步长，下标l代表对第l个声音片段进行处理；r*(n-iE)为平移后窗函数的共轭。

在本实施例中，窗函数选择汉明窗，长度为10000，步长为1000，可得到频域分辨率为时间分辨率为变换矩阵F_l(i,j)维度大小为2400*5000。

206：利用变换矩阵F_l(i,j)制作声音信号的归一化能量图。

以下步骤分别对各个声音片段F_l(i,j)做相同的处理，为表示方便，省去下标l。

该步骤具体为：

(1)计算幅值矩阵Q(i,j)＝|F(i,j)|，||代表对复数求模；

(2)令数据处理的信号帧时间长度为t_a，对应的矩阵数据帧长度定义声音信号的归一化能量公式为：

(3)以时间作为横坐标，单位时间间隔为t_a，相应的纵坐标值为P(x)。得到声音信号的归一化能量图。

在本实施例中，t_a取0.2s。

207：根据归一化能量图，判断输油管道是否发生微小泄漏。

该步骤判断的基本原理为：未发生泄漏时，声音信号的能量分布较为稳定，得到的归一化能量图应该是一条较为稳定的曲线，如图4的②区域所示。若微小泄漏发生时，泄漏频带的声学能量较高，同时由于内检测器在管道内单向前进，因此内部搭载的声学传感器由远及近的靠近微小泄漏源，然后逐渐远离泄漏源，反映在归一化能量图上为一个具有明显上升过程和下降过程的尖峰，该尖峰的大小由泄漏的强度决定，持续时间由声音传感器的灵敏度决定，如图4的①区域所示。该步骤具体为：

设定一个泄漏发生阈值系数β和泄漏时间阈值系数α，在归一化能量图上以y＝β画一条阈值线，找出P(x)≥β的点，并记录下连续超出阈值线的点的个数Z。若Z≥α，且相应的P(x)值符合先增加后减小的趋势，则判定该处有微小泄漏发生。在本实施例中，β0.35，α取4。

综上所述，本发明实施例通过上述步骤201-步骤207实现了对泄漏信号的有效识别，保障了输油管道的安全性，满足了实际应用中的需要。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。