一种新型渗漏预警系统的制作方法

本实用新型涉及信号与信息处理技术领域，具体地，涉及一种渗漏预警设备。

背景技术：

渗漏预警设备是主要应用于供水管网，一般放置在井内管道上，通过震电传感器拾取管道噪声，通过分析噪声的强度和频谱分布特征，判断渗漏是否发生，并及时将预警信息发送至监控中心或主要负责人手机。

当管道渗漏时，流体介质高速穿过渗漏空隙，由于震动、摩擦、减速、膨胀、撞击等，流体产生雷诺应力或剪切力，形成渗漏噪声。渗漏声波以非频散的平面波和频散的高阶声模态形式在管道流体中传播，受流体和管道衰减特性影响，随着传播距离增大，噪声强度迅速减弱。利用管道渗漏时产生噪声这一特点，国内外已经研制出多种管网渗漏检测/监测设备(例如：听漏仪、相关仪、渗漏预警等),噪声检测方法也是给水管网当前主要使用方法。

由于渗漏噪声极其微弱，易受环境噪声干扰，如何正确识别渗漏噪声，需要对渗漏噪声和环境噪声各自的特点进行分析。理论和实际测试证明：管道环境噪声属于高斯白噪声，频谱功率分布符合高斯分布；相对环境噪声，在渗漏噪声传播途径中任一点，渗漏噪声具有较稳定的噪声强度和频谱分布特征。其中噪声强度特征判别方法也是当前国外主流渗漏预警产品(例如：英国豪迈)普遍采用的方法。

采用噪声强度特征判别方法，一般选择在夜间2:00～4:00期间采集噪声数据，主要目的是为了降低环境噪声干扰，降低误报和漏报概率。采集时，按照固定间隔T秒(一般5～10秒，不同厂家略有不同)采集噪声数据并计算噪声强度，采集总次数N次(一般N>＝1000次)，为了便于分析，将N次采集到的噪声强度离散序列定义为F(t)，同时定义强度范围阈值Vth(一般设置5db左右，不同厂家略有不同)和切除值Vcut(一般设置20db左右，不同厂家略有不同)，渗漏判定方法：

1、当MIN(F(t)>＝Vcut且MAX(F(t))-MIN(F(t))<＝Vth时，有渗漏发生；

2、当MIN(F(t)<Vcut或MAX(F(t))-MIN(F(t))>Vth时，无渗漏发生；

其中MAX()取序列最大值，MIN()取序列最小值。这种方法主要依据渗漏噪声强度相对稳定，而环境噪声随机性较强的特征判定渗漏是否发生。

虽然渗漏强度特征判别算法具有算法简单、硬件成本低等优点，但抗干扰性能差，只能在夜间使用，存在误报率和漏报率普遍偏高等不足。

技术实现要素：

本实用新型的目的是提供一种新型渗漏预警系统，以解决当前渗漏预警装置抗干扰性能差，只能在夜间使用，不能24小时监测，存在误报率和漏报率普遍偏高等技术问题。

为实现上述发明目的，本实用新型所采用的技术方案如下：

一种新型渗漏预警系统，包括：

1)供电单元，为设备提供电力保障；

2)采集单元，用于拾取管道微弱的渗漏噪声样本；

3)高增益放大单元，用于对采集到的微弱管道噪声高增益放大，并送至处理器内置ADC进行数据采集；

4)处理器单元：负责数据处理分析及预警输出；该单元包括如下几个子单元：

a)ADC子单元：对噪声信息采样转换，获取离散采样数据；

b)FFT变换子单元：对采集噪声样本进行FFT变换，获得噪声频域信息，并计算幅度谱；

c)自适应消噪子单元：定义一次完整采集过程，即采集间隔+采集时长，为一个采集周期，将连续m个采集周期定义为一个消噪周期，为每个频点定义一个学习变量，学习变量用于指明当前频点调整系数的位置,对每次采集数据执行FFT变换，并获得输入幅度谱，定义学习幅度谱，在每个采集周期对输入幅度谱与学习幅度谱逐个频点进行比较，以保留相对稳定的渗漏噪声信息；包括：

比较单元，用于对输入幅度谱和学习幅度谱比较，获得频谱变化状态；

学习单元，用于对所述学习变量进行学习，跟踪频谱变化状态；

调整单元，用于对所述学习幅度谱进行调整，获取消噪后幅度谱；

d)频谱相关分析子单元：消噪后数据通过频谱相关分析算法进行频谱相关运算，获得噪声相关系数值；包括：

接收单元，用于接收所述的幅度谱；

运算单元：用于对接收到的幅度谱和前一消噪周期幅度谱进行相关运算，获得相关系数值；

存储单元：用于存储接收到的幅度谱；

e)预警分析子单元：对相关结果进行综合统计分析，确认渗漏是否发生；包括：

接收单元，用于接收相关度值；

统计单元：用于对接收到的相关度值进行统计分析；

判断单元：用于根据统计结果判断渗漏是否发生；

5)GPRS传输单元：当告警发生时，传输告警信息到服务器或指定手机。

本实用新型采用自适应频谱消噪装置消除环境噪声的影响；采用频谱相关算法装置综合评估噪声强度和频谱分布特征，所以本实用新型具有较好的抗干扰性能、极低的误报和漏报率、适合24小时持续监测，满足渗漏预警实时性要求等特点。

附图说明

图1是本实用新型算法流程示意图；

图2是本实用新型的采集周期、消噪周期等时序示意图；

图3是本实用新型的频谱相关时序示意图；

图4是本实用新型自适应频谱消噪算法示意图；

图5是本实用新型的实施方式的示例自适应频谱消噪算法流程图；

图6是本实用新型的实施方式的示例频谱相关算法流程图；

图7是本实用新型的实施方式的示例预警分析算法流程图。

图8是发明的电路组成原理框图。

图9是本实用新型的的算法处理流程示意图；

图10是本实用新型的中断处理流程图；

图11是本实用新型的实施方式的示例自适应频谱消噪算法流程图；

图12是本实用新型的实施方式的示例频谱相关算法流程图；

图13是本实用新型的实施方式的示例预警分析算法流程图。

具体实施方式

以下结合附图对本实用新型的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本实用新型，并不用于限制本实用新型。

受水流体和管道衰减特性影响，渗漏噪声在传播过程中高频衰减速度要远高于低频衰减速度，因此可采集渗漏噪声频率主要分布在50～2Khz范围内，根据采样定理，采样频率应高于4Khz，实际应用中一般取8Khz采样频率。

根据渗漏噪声特点：具有相对稳定的噪声强度和频谱分布特征。本算法综合依据噪声强度和频谱分布特征，从频域对噪声数据进行处理和分析，算法处理流程如图1所示；

每次采集噪声数据首先经FFT(快速傅里叶)变换，获得噪声频域信息；后经“自适应频谱消噪”算法消除环境噪声影响，保留相对稳定的渗漏噪声信息；消噪后数据由“频谱相关分析”算法在依照消噪周期进行频谱相关性运算，获得噪声时间上相关性程度；相关结果由“预警分析”模块进行统计分析，确认是否渗漏发生。

为了便于说明算法工作过程，定义连续两次采集间隔为TS,定义单次采集时长为TL，定义一次完整采集过程(采集间隔+采集时长)为一个采集周期TP，则TP＝TS+TL。将连续m个采集周期定义为一个消噪周期TF，如图2(本实用新型的采集周期、消噪周期等时序示意图，注：图中m＝5)所示:

每个采集周期TP采集一次噪声数据，采集时长TL，采集数据首先经FFT运算，获得输入幅度谱，然后由“自适应频谱消噪”算法处理以消除环境干扰噪声；每经过一个消噪周期TF，将当前消噪后幅度谱和前一消噪周期幅度谱执行“频谱相关分析”运算，获得噪声相关系数r(i)。如图3(本实用新型的频谱相关时序示意图，注：图中m＝5)所示。

计算出的相关系数r(i)由“预警分析”模块进行统计处理，判断渗漏是否发生。(注：实际测试表明：当TS≥5秒；TL≥1秒；m≥5时，性能表现最佳。)

为了更好的说明本实用新型，以下对各个部分进行详细阐述：

自适应频谱消噪部分：

理论和实践证明:管道环境噪声属于高斯白噪声，频谱功率分布符合高斯分布；而渗漏噪声具有较稳定的噪声强度和较稳定的频谱分布。针对上述环境噪声和渗漏噪声的特点，设计如图4(自适应频谱消噪算法示意图)所示自适应消噪模型。

为了说明自适应消噪的工作原理，首先定义调整系数数组G[n]，其中n＝2*m+1，令G[n]＝{-1/2，-1/4，.....-1/2m,0，1/2m,.....1/4，1/2}；如果设m＝5，即5个采集周期定义为一个滤波周期，则调整系数数组G(n)＝{-1/2，-1/4，-1/8，-1/16，-1/32，0，1/32，1/16，1/8，1/4，1/2}。为每个频点定义一个学习变量g，且0≤g<n，学习变量g用于指明当前频点调整系数的位置,对应于G[n]数组的下标，初始采集时，学习变量g设置为m。对每次采集数据执行FFT变换，并获得输入幅度谱为Vi；定义学习幅度谱Vb,学习幅度谱Vb用于跟踪学习输入噪声变化，依照环境噪声时间随机性强的特征，消除环境噪声影响，最终得到消噪后的噪声幅度谱。

工作时，采集数据经FFT(快速傅里叶)变换并计算获得输入幅度谱Vi，将输入幅度谱Vi与学习幅度谱Vb逐个频点进行比较，并按照下述方式运算：

首先逐频点调整学习变量:

然后，逐频点调整学习幅度谱:Vb(n)＝Vb(n)*(1+G[g(n)])；

图5是根据本实用新型的实施方式的示例自适应频谱消噪算法流程图，首先对采集数据执行FFT变换，并计算获得输入幅度谱Vi；然后逐频点比较输入幅度谱Vi和学习幅度谱Vb，获得频谱变化状态；根据获得的频谱变化状态，调整学习变量g及学习幅度谱Vb；当完成一个消噪周期，将学习幅度谱Vb传递给下一级进行处理。

频谱相关分析部分：

频谱相关分析中我们选择简单相关系数算法，又称皮尔逊相关系数或“皮尔逊积矩相关系数”，它描述了两个定距变量间联系的紧密程度，是一种线性相关系数。皮尔森相关系数是用来反映两个变量线性相关程度的统计量，相关系数用r表示。

在一个完整的消噪周期后，经过自适应频谱消噪的幅度谱数据，同前一个消噪周期的幅度谱数据，依照皮尔逊相关系数公式展开分析，获取不同时间渗漏噪声的关联程度。运算公式：

此种方法，将幅度谱数据直接作为相关分析的输入数据展开分析，相关结果综合体现了渗漏噪声强度和频谱分布特征。相对于单纯依赖噪声强度方法，具有更好的准确性和客观性，有利于降低渗漏误报概率。

获得的频谱相关系数r，取值范围为[-1,1]，r>0表示正相关，r<0表示负相关，|r|表示了变量之间相关程度的高低。特殊地，r＝1称为完全正相关，r＝-1称为完全负相关，r＝0称为不相关。理论和实践证实，当|r|大于等于0.8时，既认为两个变量有很强的线性相关性。

图6是根据本实用新型的实施方式的示例频谱相关算法流程图，首先对当前学习幅度谱Vb和前一消噪周期的幅度谱VPREV做相关分析，获得相关系数r值；之后将Vb保存到VPREV中；最后将计算的相关系数r值传递给预警分析进行处理。

预警分析原理：

经频谱相关分析，获得的相关系数r值，由预警分析算法完成一定时间的信号相关度统计与预警处理，根据当前渗漏预警的实际应用和实际测试表明：当连续时间≥60分钟所有获得的r值≥0.8时，管道渗漏发生；当不满足上述条件时，管道无渗漏。采用这种预警判断方式相对于传统仅夜间采集与预警方式，可以做到24小时监测，拥有更好的实时性和实用性。

图7是根据本实用新型的实施方式的示例预警分析算法流程图，对相关分析得到的相关系数r值进行统计，如果r≥0.8，则连续相关次数变量TC＝TC+1；否则TC＝0；判断连续相关次数变量TC是否超过预警次数(例如60次，预警次数＝预警时间/TF)，如果超过预警次数，则预警输出。

硬件部分

随着渗漏预警设备的实际应用和普及，在保证功能和性能完善的前提下，更对设备功耗和成本提出较高要求，综合权衡设备预警设备的各个制约因素，提出如图8所示设计结构。

供电单元：综合评估设备功耗和设备体积，采用两节ER14505电池并联供电。

采集单元：采用供水行业最常用的压电陶瓷工艺传感器，压电陶瓷具有极其敏感的特性，可以将极微弱的机械振动转换成电信号，可用于声纳系统、气象探测、遥测环境保护、家用电器等。压电陶瓷对外力的敏感使它甚至可以感应到十几米外飞虫拍打翅膀对空气的扰动，用它来制作压电地震仪，能精确地测出地震强度，指示出地震的方位和距离。

高增益放大单元：采用三级低噪、低功耗高增益运放，运放选用LT1492CS8，本放大电路可提供>80db的放大增益。

MSP430处理器：综合评估性价比及内部资源，本设备使用MSP430F5418A型号。MSP430系列单片机是美国德州仪器(TI)1996年开始推向市场的一种16位超低功耗、具有精简指令集(RISC)的混合信号处理器(Mixed Signal Processor)。具有如下优势：

处理能力强：MSP430系列单片机是一个16位的单片机，采用了精简指令集(RISC)结构，具有丰富的寻址方式(7种源操作数寻址、4种目的操作数寻址)、简洁的27条内核指令以及大量的模拟指令；大量的寄存器以及片内数据存储器都可参加多种运算；还有高效的查表处理指令。这些特点保证了可编制出高效率的源程序。

运算速度快：MSP430系列单片机能在25MHz晶体的驱动下，实现40ns的指令周期。16位的数据宽度、40ns的指令周期以及多功能的硬件乘法器(能实现乘加运算)相配合，能实现数字信号处理的某些算法(如FFT等)。

超低功耗：MSP430单片机的超低功耗性能已是业界不争的事实。MSP430系列单片机的电源电压采用1.8-3.6V。共有五种低功耗模式(LPM0～LPM4)。在实时时钟模式下，可达2.5μA，在RAM保持模式下，最低可达0.1μA。

片内资源丰富:MSP430系列单片机的各系列都集成了较丰富的片内外设。它们分别是看门狗(WDT)、模拟比较器、定时器、UART、SPI、I2C、硬件乘法器、液晶驱动器、10/12位ADC、16位Σ-ΔADC、DMA、实时时钟(RTC)和USB控制器等若干外围模块的不同组合。10/12位硬件A/D转换器有较高的转换速率，最高可达200kbps，能够满足大多数数据采集应用。在本设计中，12位高换速率的ADC完全满足设计需求，也有利于功耗和成本控制。

GPRS无线单元(General Packet Radio Service):是通用分组无线服务技术的简称，它是GSM移动电话用户可用的一种移动数据业务，属于第二代移动通信中的数据传输技术。由于GPRS推广较早、覆盖率最广、信号稳定、使用成本低等优势，同时考虑渗漏预警设备通信数据量极小，一个月低于5Mbyte，因此GPRS通信方式无疑是最好的选择。

软件部分：

软件采用新型渗漏预警算法对管道渗漏进行评估分析，新算法综合依据噪声强度和频谱分布特征，从频域对噪声数据进行处理和分析，算法处理流程如图9(示例本实用新型的算法处理流程示意图)示意：

采集噪声数据首先经FFT(快速傅里叶)变换，获得噪声频域信息；后经“自适应频谱消噪”算法消除环境噪声影响，保留相对稳定的渗漏噪声信息；消噪后数据由“频谱相关分析”算法依照消噪周期进行频谱相关性运算，获得噪声时间上相关性程度；相关结果由“预警分析”模块进行统计判断，确认是否渗漏发生。

因为采集渗漏噪声频率主要分布在50～2Khz范围内，根据采样定理，采样频率应高于4Khz，本设计中选取8Khz采样频率。考虑设备实际功耗和运算量，每次采集100ms数据，即800个有效数据样本，经FFT变换后获得400点频谱(FFT的对称性)，频谱分辨率10Hz。为了压缩运算量，并考虑渗漏噪声主要分布在50～2Khz范围，所有只取前200点频谱参与后级运算。

综合评估实际应用环境和设备功耗及设备性能，取60秒为一个采集周期，即TP＝60秒；5个采集周期为一个消噪周期，即TF＝TP*m＝300秒，m＝5；连续20次相关分析结果r值≥0.8，确认渗漏发生，即预警时间＝20*TF＝6000秒＝100分钟。

为了简化实现、缩短处理时间、提高处理效率、降低设备功耗，所有采集及运算工作将在RTC定时中断中完成，RTC定时间隔1分钟，即TP＝60秒.配置RTC定时中断，定时间隔1分钟，设备仅在RTC中断时唤醒CPU，当中断退出时，重新进入低功耗模式。中断总处理流程如图10(示例本实用新型的中断处理流程图)所示：为了更清晰的说明算法处理流程，对关键性算法和处理步骤，将逐一展开分析。

自适应频谱消噪实现：

自适应频谱消噪在RTC定时中断实现，首先启动ADC12并配置DMA通道，8K采集速率连续采集100ms数据；等待采集完成后，对采集数据进行FFT变换，并计算幅度谱；逐频点比较输入幅度谱和学习幅度谱，获得频谱变化状态；根据频谱变化状态，调整学习变量g；逐频点调整频点幅度；进入下级“频谱相关分析”处理程序。流程图如图11(根据本实用新型的实施方式的示例自适应频谱消噪算法流程图)所示。

频谱相关分析实现：

首先对当前学习幅度谱Vb和前一消噪周期的幅度谱VPREV做相关分析，获得相关系数r值；之后保存Vb到VPREV；相关系数r值传递给预警分析进行统计分析处理；相关分析完成；流程图如图12(根据本实用新型的实施方式的示例频谱相关算法流程图)所示。此种方法，将幅度谱数据直接作为相关分析的输入数据展开相关系数分析，相关结果综合体现了渗漏噪声强度和频谱分布特征。相对于单纯依赖噪声强度方法，具有更好的准确性和客观性，有利于降低渗漏误报概率。

预警分析实现：

统计“相关分析”得到的相关系数r值，如果r≥0.8，则连续相关次数变量TC＝TC+1；否则TC＝0；判断连续相关次数变量TC是否超过相关次数20次(100分钟)，如果超过相关次数，则预警输出；预警信息通过GPRS远传至服务器或指定手机；至此预警分析完成；流程图如图13(根据本实用新型的实施方式的示例预警分析算法流程图)所示。

以上结合附图详细描述了本实用新型的优选实施方式，但是，本实用新型并不限于上述实施方式中的具体细节，在本实用新型的技术构思范围内，可以对本实用新型的技术方案进行多种简单变型，这些简单变型均属于本实用新型的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。

此外，本实用新型的各种不同的实施方式之间也可以进行任意组合，只要其不违背本实用新型的思想，其同样应当视为本实用新型所公开的内容。

表1：