一种天然气管道泄漏定位方法和装置与流程
本发明涉及管道泄漏定位的技术领域，特别涉及一种天然气管道泄漏定位方法和装置。
背景技术：
管道运输通常伴随着能源的存储与使用，便会涉及到能源的可持续发展以及相应的安全保护措施。合理的资源利用，有利于资源的再生及可持续发展；缜密的安保措施，有利于保护资源不被窃取和浪费。但随着油气管道运输的发展，管线的数量越来越多，管道的敷设距离也变得越来越长，而随着服役期的增长，加上环境和人为破坏，运行磨损，设备老化，腐蚀等多种因素，导致管道泄漏时有发生，进而引发许多重大泄漏事故。我国大部分管道目前已运行超过40年，且中国的管道事故率远远高于西方国家，数据显示，美国、欧洲、我国的管道事故率分别为0.42，0.46和0.50。我国运行超过20年的油气管道已经占总管道数的60%。随着油气管道的控制日益复杂，运行形势复杂多变，应该把管道运输的安全保障问题视为首要防御任务。因此，为了节约一次能源、改善环境污染、提高人民生活水平，对城市现代化建设的便利、舒适、安全可靠性做出重要贡献，有效的降低危及居民生活安全的燃气管道漏损现象，对燃气管道实行在线运行的实时监测、精确检测定位管网泄漏具有十分重要的意义。
现在大多比较先进成熟的泄漏检测定位方法和技术均是针对单一的长直管道，例如长输油、输天然气管道。然而，对于拓扑结构复杂的多分支型管网来说，例如供热管网、供水管网，这些方法将不能直接被利用。目前对于此类管网的泄漏定位问题，普遍采用的方法是定期人工巡查法，或泄漏事故较为严重，出现明显现象进而引起注意的被动检查法。因此，亟待寻求一种定位精度高、反应速度快的管道泄露方法。
技术实现要素：
为了解决背景技术中所提到的技术问题，本发明提供了一种定位精度高的天然气管道泄漏定位方法和装置，在该方法中，利用总体局部均值分解算法（elmd算法）对传感器采集的数据进行分解处理，并获得数据信号的有效pf分量，从而大大的提升了管道泄漏的定位精度。
本发明的技术方案是：该种天然气管道泄漏定位方法，其包括：
利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号；
利用elmd算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效pf分量和第二数据信号的有效pf分量；
分别利用第一数据信号和第二数据信号的有效pf分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置；
所述利用elmd算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效pf分量和第二数据信号的有效pf分量包括：
利用elmd算法分别获取第一数据信号和第二数据信号在不同尺度下的pf分量；
计算所述第一数据信号和其各尺度下的pf分量的相关系数以及第二数据信号和其各尺度下的pf分量的相关系数；
从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量；
所述分别利用第一数据信号和第二数据信号的有效pf分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置包括：
从第一数据信号的有效pf分量和第二数据信号的有效pf分量中获取相同尺度下的pf分量；
分别对相同尺度的pf分量进行互相关分析，得到对应的时间差；
计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；
利用第二规则计算基于该时延值的管道泄漏位置；
所述利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号包括：
利用传感器在天然气管道的两个采样点上分别采集第一原始数据信号和第二原始数据信号；
利用elmd算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号。
优选的，所述利用elmd算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号包括：
利用elmd算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的pf分量；
计算所述第一原始数据信号和其各尺度下的pf分量的相关系数以及第二原始数据信号和其各尺度下的pf分量的相关系数；
从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量；
对得到的有效pf分量进行小波包分解，得到第一原始数据信号第二原始数据信号的pf分量能量分布信息；同时利用谱峭度法对得到的有效pf分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；
分别根据得到的第一原始数据信号和第二原始数据信号的pf分量能量分布信息、最优频率、带宽重构第一原始信号的pf分量和第二原始信号的pf分量；
基于重构的pf分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
本发明所提供的一种天然气管道泄漏定位装置，其包括：
传感器，其被装设在天然气管道的两个采样点上，并用于采集数据信号；
处理器，其配置为利用所述传感器在两个采样点上采集的数据信号获得第一数据信号和第二数据信号；并利用elmd算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效pf分量和第二数据信号的有效pf分量；以及分别利用第一数据信号和第二数据信号的有效pf分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置；
所述处理器进一步配置为利用elmd算法分别获取第一数据信号和第二数据信号在不同尺度下的pf分量；并计算所述第一数据信号和其各尺度下的pf分量的相关系数以及第二数据信号和其各尺度下的pf分量的相关系数；以及从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量。
对于所述的装置，优选方式1，其中，所述处理器进一步配置为从第一数据信号的有效pf分量和第二数据信号的有效pf分量中获取相同尺度下的pf分量；分别对相同尺度的pf分量进行互相关分析，得到对应的时间差；并计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；利用第二规则计算基于该时延值的管道泄漏位置。
对于所述的装置，优选方式2，其中，所述处理器进一步配置为利用elmd算法和小波包算法分别对传感器在两个采样点上采集的第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号。
在优选方式2的基础上，所述处理器进一步配置为利用elmd算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的pf分量；并计算所述第一原始数据信号和其各尺度下的pf分量的相关系数以及第二原始数据信号和其各尺度下的pf分量的相关系数；以及从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量；对得到的有效pf分量进行小波包分解，得到第一原始数据信号第二原始数据信号的pf分量能量分布信息；同时利用谱峭度法对得到的有效pf分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；分别根据得到的第一原始数据信号和第二原始数据信号的pf分量能量分布信息、最优频率、带宽重构第一原始信号的pf分量和第二原始信号的pf分量；基于重构的pf分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
本发明具有如下有益效果：首先，本发明利用总体局部均值分解算法（ensemblelocalmeandecomposition，elmd），借助辅助噪声技术，抑制lmd分解过程中模态混叠的问题。其次，有用信息在传输过程中往往会受到各种噪声的影响和干扰，使信号源中的有用信号被削减或混淆。为增强有用信号，抑制噪声干扰，保障后续提取的特征值能够代表信号特征，需要对采集的原始信号进行降噪预处理。同时为避免小波分解过程存在的技术漏洞，提出基于小波包的elmd谱峭度联合降噪算法。该算法在elmd分解出的各有效pf（productfunction）分量的基础上，利用谱峭度最优参数及小波包能量分布确定信号重构节点，完成对各pf分量的信号降噪。降噪后的各pf分量可表征原始信号在不同尺度下的特征。再次，本发明，通过经elmd分解得到的pf分量与互相关算法的融合，得到不同特征尺度下的时延差，从而完成对管道泄漏的定位。该算法相比直接利用原始信号进行相关计算得到的定位结果更加精确，有助于管道泄漏定位精度的提升。
附图说明：
图1为本发明实施例中的一种天然气管道泄漏定位的方法的原理流程图；
图2为本发明实施例中的天然气管道的结构示意图；
图3为本发明实施例中的利用elmd算法获取有效pf分量的原理流程图；
图4为本发明实施例利用有效pf分量进行泄漏点定位的原理流程图；
图5为本发明实施例中利用elmd算法和小波包算法对信号进行降噪处理的原理流程图；
图6为本发明实施例中的小波包分解树的结构示意图；
图7所示为本发明实施例中的天然气管道泄漏定位装置的原理结构示意图。
具体实施方式：
下面结合附图对本发明作进一步说明：
本发明实施例提供了一种定位精度高的天然气管道泄漏定位方法和装置。
为了解决上述技术方案，本发明实施例提供了如下的技术方案：
本发明实施例提供了一种天然气管道泄漏定位方法，其包括：
利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号；
利用elmd算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效pf分量和第二数据信号的有效pf分量；
分别利用第一数据信号和第二数据信号的有效pf分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置。
在一优选实施例中，所述利用elmd算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效pf分量和第二数据信号的有效pf分量包括：
利用elmd算法分别获取第一数据信号和第二数据信号在不同尺度下的pf分量；
计算所述第一数据信号和其各尺度下的pf分量的相关系数以及第二数据信号和其各尺度下的pf分量的相关系数；
从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量。
在一优选实施例中，所述分别利用第一数据信号和第二数据信号的有效pf分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置包括：
从第一数据信号的有效pf分量和第二数据信号的有效pf分量中获取相同尺度下的pf分量；
分别对相同尺度的pf分量进行互相关分析，得到对应的时间差；
计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；
利用第二规则计算基于该时延值的管道泄漏位置。
在一优选实施例中，所述利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号包括：
利用传感器在天然气管道的两个采样点上分别采集第一原始数据信号和第二原始数据信号；
利用elmd算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号。
在一优选实施例中，所述利用elmd算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号包括：
利用elmd算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的pf分量；
计算所述第一原始数据信号和其各尺度下的pf分量的相关系数以及第二原始数据信号和其各尺度下的pf分量的相关系数；
从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量；
对得到的有效pf分量进行小波包分解，得到第一原始数据信号第二原始数据信号的pf分量能量分布信息；同时利用谱峭度法对得到的有效pf分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；
分别根据得到的第一原始数据信号和第二原始数据信号的pf分量能量分布信息、最优频率、带宽重构第一原始信号的pf分量和第二原始信号的pf分量；
基于重构的pf分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
另外，本发明实施例还提供了一种天然气管道泄漏定位装置，其包括：
传感器，其被装设在天然气管道的两个采样点上，并用于采集数据信号；
处理器，其配置为利用所述传感器在两个采样点上采集的数据信号获得第一数据信号和第二数据信号；并利用elmd算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效pf分量和第二数据信号的有效pf分量；以及分别利用第一数据信号和第二数据信号的有效pf分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置。
在一优选实施例中，所述处理器进一步配置为利用elmd算法分别获取第一数据信号和第二数据信号在不同尺度下的pf分量；并计算所述第一数据信号和其各尺度下的pf分量的相关系数以及第二数据信号和其各尺度下的pf分量的相关系数；以及从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量。
在一优选实施例中，所述处理器进一步配置为从第一数据信号的有效pf分量和第二数据信号的有效pf分量中获取相同尺度下的pf分量；分别对相同尺度的pf分量进行互相关分析，得到对应的时间差；并计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；利用第二规则计算基于该时延值的管道泄漏位置。
在一优选实施例中，所述处理器进一步配置为利用elmd算法和小波包算法分别对传感器在两个采样点上采集的第一原始数据信号和第二原始数据信号进行降噪处理，并对应的获得第一数据信号和第二数据信号。
在一优选实施例中，所述处理器进一步配置为利用elmd算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的pf分量；并计算所述第一原始数据信号和其各尺度下的pf分量的相关系数以及第二原始数据信号和其各尺度下的pf分量的相关系数；以及从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量；对得到的有效pf分量进行小波包分解，得到第一原始数据信号第二原始数据信号的pf分量能量分布信息；同时利用谱峭度法对得到的有效pf分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；分别根据得到的第一原始数据信号和第二原始数据信号的pf分量能量分布信息、最优频率、带宽重构第一原始信号的pf分量和第二原始信号的pf分量；基于重构的pf分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
下面，结合附图对本发明的具体实施例进行详细的描述，但不作为本发明的限定。
下面，结合附图详细的说明本发明实施例，本发明实施例提供了一种天然气管道泄漏定位方法，该方法利用elmd算法（总体局部均值分解算法）对从天然气管道采集的数据信号进行处理，从而获取各数据信号的有效pf分量，可以提升定位检测的精度。
具体的，如图1所示，为本发明实施例中的一种天然气管道泄漏定位的方法的原理流程图，其中该方法可以包括：
利用传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号；
利用elmd算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效pf分量和第二数据信号的有效pf分量；
分别利用第一数据信号和第二数据信号的有效pf分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置。
在本发明实施例中，为了实现对于天然气管道泄漏点的定位检测，需要从天然气管道上采集数据信号，而基于该数据信号进一步的分析。而由于天然气的泄漏发生后，在泄漏点的两端管道上传输的声波信号会有所变化，本发明实施例中的传感器即可以包括声波传感器，将两个声波传感器分别布设在管道的首端和末端（如图2所示），其中，x为泄漏点据首端传感器的距离，l为首末传感器之间的距离，t1和t2分别为泄漏点产生的次声波传播到两个传感器的时间。则泄漏位置x的计算公式为
据此，本发明实施例中利用声波传感器在天然气管道的两个采样点上采集数据信号，获得第一数据信号和第二数据信号；并进一步利用elmd算法分解所述第一数据信号和第二数据信号，并获得所述第一数据信号的有效pf分量和第二数据信号的有效pf分量；并分别利用第一数据信号和第二数据信号的有效pf分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置。
本发明实施例中的elmd算法，是指在lmd分解前，将不同有限幅值的白噪声信号加入待分解信号中，利用白噪声均值为零，频谱能量分布均匀的特性，使得白噪声可以均匀的分布在整个时频空间中，并且不同时间尺度的信号会自动分布到与背景噪声相关的适当尺度上去。由于白噪声零均值的特性，噪声将会相互抵消，进而得到消除，唯一持久稳固的部分便是信号本身，因此本申请采用ｅｌｍｄ算法对第一数据信号和第二数据信号进行分解处理。
进一步的，如图３所示，为本发明实施例中的利用elmd算法获取有效pf分量的方法包括：
利用elmd算法分别获取第一数据信号和第二数据信号在不同尺度下的pf分量；
计算所述第一数据信号和其各尺度下的pf分量的相关系数以及第二数据信号和其各尺度下的pf分量的相关系数；
从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量。
其中，本发明实施例中的第一数据信号和第二数据信号可以表示为：
也就是说，本发明实施例可以将elmd分解出来的各pf分量与对应的而数据信号做信号相关度计算，并利用相关系数衡量相关性的强弱。相关系数的取值位于-1至1，相关系数绝对值越大，则表明该分量与数据信号的相关度越高，相关系数绝对值越小，则表明该分量与原始信号相关度越低。
而本发明实施例通过将获取的相关函数与预设阈值进行比较，来得到符合第一规则的相关系数。该第一规则为判断出获取的相关系数大于阈值
从而可以判断为符合第一规则的相关系数所对应的pf分量为有效pf分量。
进一步地，如图4所示，为本发明实施例利用有效pf分量进行泄漏点定位的原理流程图，其中可以包括：
从第一数据信号的有效pf分量和第二数据信号的有效pf分量中获取相同尺度下的pf分量；
分别对相同尺度的pf分量进行互相关分析，得到对应的时间差；
计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；
利用第二规则确定基于该时延值的管道泄漏位置。
如上所示，对管道泄漏的定位需要确定在管道中传输的信号之间的时延差，并基于该时延差确定管道泄漏位置。
如图3所示的实施例中，对于pf分量是在不同尺度下分解获取的，因此可以获取关于有效pf分量的尺度值的信息。而本发明实施例可以对第一数据信号和第二数据信号在相同尺度值下的pf分量作互相关处理，得到互相关值并作为该尺度下pf分量之间的时间差值。进一步，可以基于不同对应尺度下所获取的时间差值的平均值来获取第一数据信号和第二数据信号之间的时间差，并利用第二规则确定泄漏位置。其中第二规则为：
其中，t1-t2即为上述时间差、l、v均为已知的值，通过上式即可以得到泄漏点与首端传感器之间的距离，即定位了泄漏点。
本发明实施例中，利用elmd算法分解出数据信号的pf分量，并从分解出的pf分量中筛选出有效pf分量，并基于该有效pf分量来计算两路数据信号的时延值，可以更加保证泄漏点的定位精度。
另外，本发明实施例中，还可以对传感器获取的数据信号进行降噪处理，进一步提高定位精度。我们通常将妨碍人的视觉感官或系统传感器对所接收信源信息进行理解和分析的各种因素统称为噪声。而在管道泄漏检测中，这种噪声通常指由于外界嘈杂的声音如车辆行驶、大型仪器导致的振动信号，被传感器接收，并混合在泄漏信号中，使得泄漏信号难以分别和提取。本发明实施例中，可以将传感器在天然气管道的两个采样点上分别采集的信号定义为第一原始数据信号和第二原始数据信号；而将利用elmd算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理后生成的泄漏信号定义为第一数据信号和第二数据信号。
具体的，如图5所示，为本发明实施例中利用elmd算法和小波包算法对信号进行降噪处理的原理流程图。其中可以包括：
利用elmd算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的pf分量；
计算所述第一原始数据信号和其各尺度下的pf分量的相关系数以及第二原始数据信号和其各尺度下的pf分量的相关系数；
从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量；
对得到的有效pf分量进行小波包分解，得到第一原始数据信号第二原始数据信号的pf分量能量分布信息；同时利用谱峭度法对得到的有效pf分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；
分别根据得到的第一原始数据信号和第二原始数据信号的pf分量能量分布信息、最优频率、带宽重构第一原始信号的pf分量和第二原始信号的pf分量；
基于重构的pf分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
同样的，可以对原始信号进行elmd分解从而获得多个尺度下的pf分量，并利用第一规则对各原始数据信号和其各尺度下的pf分量的之间相关系数进行筛选，并选出符合第一规则的相关系数，从而获得有效pf分量。
如图6所示为本发明实施例中的小波包分解树的结构示意图，其中以三层小波包分解为例，其中a表示低频，d表示高频，末尾中的数字表示小波包分解的尺度，也就是所谓的尺度。多层分解则是在后续分解中依次进行二分得到低频和高频两部分。信号经小波包分解后，信号特征被划分的更细致，根据信号分解的分解结果，可以求出信号分解后的能量谱，从而可以分析出信号各频率成分的能量分布情况，即能量分布信息。基于上述，本发明实施例可以对得到的有效pf分量进行小波包分解，从而得到第一原始数据信号第二原始数据信号的pf分量能量分布信息。
同时，还可以将谱峭度算法作为是一组带通滤波器，通过计算信号的峭度值，找寻信号中的最优频率及频带，从而刻画反映信号特征。因此，本发明实施例中还可以利用谱峭度法对得到的有效pf分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽。本发明实施例所采用的基于小波包的elmd谱峭度联合降噪算法，通过谱峭度的最优参数及小波包能量分布，极大限度的保留信号中的有用成分，去噪效果是普通小波阈值降噪效果的4倍左右。
在获取pf分量的能量分布信息、最优频率和带宽之后，即可以重构第一原始信号和第二原始信号。其中，可以分别根据得到的第一原始数据信号和第二原始数据信号的pf分量能量分布信息、最优频率、带宽重构第一原始信号的pf分量和第二原始信号的pf分量；并进一步基于重构的pf分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。也就是说，通过上述分析，第一数据信号是基于第一原始信号中的有效pf分量而重构得到的，而第二数据信号是基于第二原始信号中的有效pf分量重构得到的，去除了第一原始信号和第二原始信号中的噪声分量和残留分量，以及不符合第一规则的相关系数所对应的pf分量。从而可以大大的提升信号的准确度，以及计算出的泄漏位置的精度。
通过本发明实施例的上述配置，利用总体局部均值分解算法（elmd算法）对传感器采集的数据进行分解处理，并获得数据信号的有效pf分量，从而大大的提升了管道泄漏的定位精度。
另外，本发明实施例还提供了一种天然气管道泄漏定位装置，该装置应用如上述实施例所述的天然气管道泄漏定位方法，具有检测精度高的特点。
如图7所示为本发明实施例中的天然气管道泄漏定位装置的原理结构示意图。其中可以包括：第一传感器101和第二传感器102，以及分别与所述第一传感器101和第二传感器102数据连接的处理器200。
其中，第一传感器101和第二传感器102可以分别被装设在天然气管道的两个采样点上，并用于采集数据信号。在本发明实施例中，为了实现对于天然气管道泄漏点的定位检测，需要从天然气管道上采集数据信号，而基于该数据信号进一步的分析。而由于天然气的泄漏发生后，在泄漏点的两端管道上传输的声波信号会有所变化，本发明实施例中的第一传感器101和第二传感器即可以为声波传感器，将两个声波传感器分别布设在管道的首端和末端（如图2所示），其中，x为泄漏点据首端传感器的距离，l为首末传感器之间的距离，t1和t2分别为泄漏点产生的次声波传播到两个传感器的时间。则泄漏位置x的计算公式为
据此，本发明实施例中利用第一传感器101和第二传感器102分别在天然气管道的两个采样点（首端和末端）上采集数据信号，处理器200则可以通过与第一传感器101和第二传感器102连接来接收两个传感器所采集的数据信号，并对应的获得第一数据信号和第二数据信号；进而可以利用elmd算法分解所述第一数据信号和第二数据信号，获得所述第一数据信号的有效pf分量和第二数据信号的有效pf分量；并分别利用第一数据信号和第二数据信号的有效pf分量确定第一数据信号和第二数据信号之间的时延值，并依据该时延确定管道泄漏位置。
本发明实施例中的elmd算法，是指在lmd分解前，将不同有限幅值的白噪声信号加入待分解信号中，利用白噪声均值为零，频谱能量分布均匀的特性，使得白噪声可以均匀的分布在整个时频空间中，并且不同时间尺度的信号会自动分布到与背景噪声相关的适当尺度上去。由于白噪声零均值的特性，噪声将会相互抵消，进而得到消除，唯一持久稳固的部分便是信号本身，因此本申请采用ｅｌｍｄ算法对第一数据信号和第二数据信号进行分解处理。
本发明实施例中的处理器200可以进一步配置为利用elmd算法分别获取第一数据信号和第二数据信号在不同尺度下的pf分量；计算所述第一数据信号和其各尺度下的pf分量的相关系数以及第二数据信号和其各尺度下的pf分量的相关系数；从所述相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量。
其中，本发明实施例中的第一数据信号和第二数据信号可以表示为：
也就是说，本发明实施例可以将elmd分解出来的各pf分量与对应的而数据信号做信号相关度计算，并利用相关系数衡量相关性的强弱。相关系数的取值位于-1至1，相关系数绝对值越大，则表明该分量与数据信号的相关度越高，相关系数绝对值越小，则表明该分量与原始信号相关度越低。
而本发明实施例中，处理器200可以通过将获取的相关函数与预设阈值进行比较，来得到符合第一规则的相关系数。该第一规则为判断出获取的相关系数大于阈值
从而处理器200可以判断为符合第一规则的相关系数所对应的pf分量为有效pf分量。
进一步地，处理器200还可以配置为从第一数据信号的有效pf分量和第二数据信号的有效pf分量中获取相同尺度下的pf分量；分别对相同尺度的pf分量进行互相关分析，得到对应的时间差；计算得到的时间差的平均值，来确定第一数据信号和第二数据信号之间的时延值；以及利用第二规则确定基于该时延值的管道泄漏位置。
如上所示，对管道泄漏的定位需要确定在管道中传输的信号之间的时延差，并基于该时延差确定管道泄漏位置。
在如图3的实施例中，对于pf分量是在不同尺度下分解获取的，因此可以获取关于有效pf分量的尺度值的信息。而本发明实施例可以对第一数据信号和第二数据信号在相同尺度值下的pf分量作互相关处理，得到互相关值并作为该尺度下pf分量之间的时间差值。进一步，可以基于不同对应尺度下所获取的时间差值的平均值来获取第一数据信号和第二数据信号之间的时间差，并利用第二规则确定泄漏位置。其中第二规则为：
其中，t1-t2即为上述时间差、l、v均为已知的值，通过上式即可以得到泄漏点与首端传感器之间的距离，即定位了泄漏点。
本发明实施例中，处理器可以利用elmd算法分解出数据信号的pf分量，并从分解出的pf分量中筛选出有效pf分量，并基于该有效pf分量来计算两路数据信号的时延值，可以更加保证泄漏点的定位精度。
另外，本发明实施例中，处理器200还可以对第一传感器101和第二传感器102所获取的数据信号进行降噪处理，进一步提高定位精度。我们通常将妨碍人的视觉感官或系统传感器对所接收信源信息进行理解和分析的各种因素统称为噪声。而在管道泄漏检测中，这种噪声通常指由于外界嘈杂的声音如车辆行驶、大型仪器导致的振动信号，被传感器接收，并混合在泄漏信号中，使得泄漏信号难以分别和提取。本发明实施例中，可以将第一传感器101和第二传感器102在天然气管道的两个采样点上分别采集的信号定义为第一原始数据信号和第二原始数据信号；而处理器200可以将利用elmd算法和小波包算法分别对所述第一原始数据信号和第二原始数据信号进行降噪处理后生成的泄漏信号定义为第一数据信号和第二数据信号。
具体的处理器200可以利用elmd算法分别获取第一原始数据信号和第二原始数据信号在不同尺度下的pf分量；计算所述第一原始数据信号和其各尺度下的pf分量的相关系数以及第二原始数据信号和其各尺度下的pf分量的相关系数；从各相关系数中得到符合第一规则的相关系数，并对应的将与该符合第一规则的相关系数对应的pf分量作为有效pf分量；对得到的有效pf分量进行小波包分解，得到第一原始数据信号第二原始数据信号的pf分量能量分布信息；同时利用谱峭度法对得到的有效pf分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽；分别根据得到的第一原始数据信号和第二原始数据信号的pf分量能量分布信息、最优频率、带宽重构第一原始信号的pf分量和第二原始信号的pf分量；基于重构的pf分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。
同样的，处理器200可以对原始信号进行elmd分解从而获得多个尺度下的pf分量，并利用第一规则对各原始数据信号和其各尺度下的pf分量的之间相关系数进行筛选，并选出符合第一规则的相关系数，从而获得有效pf分量。
如图6所示为本发明实施例中的小波包分解树的结构示意图，其中以三层小波包分解为例，其中a表示低频，d表示高频，末尾中的数字表示小波包分解的尺度，也就是所谓的尺度。多层分解则是在后续分解中依次进行二分得到低频和高频两部分。信号经小波包分解后，信号特征被划分的更细致，根据信号分解的分解结果，可以求出信号分解后的能量谱，从而可以分析出信号各频率成分的能量分布情况，即能量分布信息。基于上述，本发明实施例中的处理器200可以对得到的有效pf分量进行小波包分解，从而得到第一原始数据信号第二原始数据信号的pf分量能量分布信息。
同时，处理器200还可以将谱峭度算法作为是一组带通滤波器，通过计算信号的峭度值，找寻信号中的最优频率及频带，从而刻画反映信号特征。因此，本发明实施例中还可以利用谱峭度法对得到的有效pf分量进行分析求解第一原始数据信号和第二原始数据信号的最优中心频率及带宽。本发明实施例所采用的基于小波包的elmd谱峭度联合降噪算法，通过谱峭度的最优参数及小波包能量分布，极大限度的保留信号中的有用成分，去噪效果是普通小波阈值降噪效果的4倍左右。
处理器200在获取pf分量的能量分布信息、最优频率和带宽之后，即可以重构第一原始信号和第二原始信号。其中，处理器200可以分别根据得到的第一原始数据信号和第二原始数据信号的pf分量能量分布信息、最优频率、带宽重构第一原始信号的pf分量和第二原始信号的pf分量；并进一步基于重构的pf分量重构第一原始数据信号和第二原始数据信号，生成第一数据信号和第二数据信号。也就是说，通过上述分析，第一数据信号是基于第一原始信号中的有效pf分量而重构得到的，而第二数据信号是基于第二原始信号中的有效pf分量重构得到的，去除了第一原始信号和第二原始信号中的噪声分量和残留分量，以及不符合第一规则的相关系数所对应的pf分量。从而可以大大的提升信号的准确度，以及计算出的泄漏位置的精度。
另外，本发明实施例中的处理器200可以有至少一个数据处理芯片构成，以实现上述功能。上述数据处理芯片可以包括单片机等硬件器件。
通过本发明实施例的上述配置，利用总体局部均值分解算法（elmd算法）对传感器采集的数据进行分解处理，并获得数据信号的有效pf分量，从而大大的提升了管道泄漏的定位精度。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的数据处理方法所应用于的电子设备，可以参考前述产品实施例中的对应描述，在此不再赘述。
以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。
- 还没有人留言评论。精彩留言会获得点赞！