专利名称：基于小波和rbf神经网络的微弱信号检测装置及方法
技术领域：
本发明属于信号检测技术领域，特别涉及一种基于小波和RBF神经网络的微弱信 号检测装置及方法。
背景技术：
目前管道运输业的发展极其迅速，管线越来越多，运输的距离也越来越远。但是， 随着管道使用时间的增长，管道泄漏事故发生的概率也在增大。众所周知，管道内输送的流 体具有危险性和污染性，比如石油、天然气，那么一旦发生泄漏事故将会造成巨大的生命及 财产损失和环境污染。特别是在我国，油气管网已有相当一部分步入衰老期，并且近十余年 来又遭到前所未有的人为破坏，因此由泄漏事故而造成的损失十分巨大，从而严重地影响 了管道运输业的发展。我国油气管道安装的实时泄漏检测系统主要依赖于管段两端采集到的瞬变信号 (包括瞬时压力变化、瞬时流量变化等，其中最重要的是瞬时压力变化信号)而设计的。这 些方法的只能检测出管道出现大波动的时候，也就是管道出现大量的漏油情况，但是如果 出现小的波动，这些方法就无能为力了。例如我们通过压力变送器采集到了 1.00-5. OOv 的压力信号，以前的方法能处理相对噪声信号3%的电压波动信号，如果是比3%小的波 动，则常规的泄漏检测装置将无法检测到该类泄漏。
发明内容
为克服上述方法之不足，本发明提出一种基于小波和RBF神经网络的微弱信号检 测装置及方法，以实现对微小波动的检测。本发明的技术方案是这样实现的本发明基于小波和RBF神经网络的微弱信号检 测装置，包括四阶巴特沃兹低通滤波器、A/D转换器、ARM微处理器、同步动态随机存储器 SDRAM,Nor Flash存储器、Nand Flash存储器，四阶巴特沃兹低通滤波器的输出端连接A/D 转换器的输入端，A/D转换器的输出端连接ARM微处理器的输入端，ARM微处理器的第一输 入输出端连接第一同步动态随机存储器SDRAM的输入输出端，ARM微处理器的第二输入输 出端连接第二同步动态随机存储器SDRAM的输入输出端，ARM微处理器的第三输入输出端 连接Nor Flash存储器的输入输出端，ARM微处理器的第四输入输出端连接Nand Flash存 储器的输入输出端；四阶巴特沃兹低通滤波器由2个结构相同的两阶巴特沃兹低通滤波器组成，其中 第一两阶巴特沃兹低通滤波器包括由电阻、电容组成的低通滤波器和运算放大器，低通滤 波器第一电阻的一端连接运算放大器的反相输入端、低通滤波器电容的一端，低通滤波器 第一电阻的另一端连接低通滤波器第二电阻的一端，低通滤波器第二电阻的另一端连接低 通滤波器电容的另一端、运算放大器的输出端，其中，低通滤波器第一电阻的一端作为第一 两阶巴特沃兹低通滤波器的输入端，运算放大器的输出端作为第一两阶巴特沃兹低通滤波 器的输出端，第一两阶巴特沃兹低通滤波器的输出端连接第二两阶巴特沃兹低通滤波器的输入端，第二两阶巴特沃兹低通滤波器的输出端作为四阶巴特沃兹低通滤波器的输出端。基于小波和RBF神经网络的微弱信号检测方法包括以下步骤步骤1 采集设于管道的压力变送器的瞬时压力信号；步骤2 对瞬时压力信号进行消噪处理，过程如下步骤2-1 计算信号的小波分解层数，方法如下；1)设置粗调节分解层数为N，保留分解的N-I次和N次小波系数w ；2)对N-I层的信号进行重构，对小波系数进行重构，计算其模极大值CDim，同理求 N层的模极大值CDn，如果CDim < CDn,则判定该信号为有用信号为主，跳到4)，否则判定该 信号为噪声信号为主，转到3)；3)取分解的层数为N = N+1，进行N层分解，转到2)；4)放弃最后一次分解结果，确定最终的分解层数为N-I ；步骤2-2 对分解之后信号的小波系数进行阈值量化1)利用阈值函数对的小波系数进行阈值量化，公式如下
—Q0x1 Χ ‘“ Α(1)
0丨χ丨〈义式中，ff(j, k)经过阈值量化后的小波系数，χ为未经过阈值量化的小波系数， Z = aplogen, ο为噪声的标准差，j，k分别是伸缩因子和平移因子；2)信号重构；3)提取经步骤2-2中2)处理后的信号幅度计算平均值，公式如下f ^(f,) /n-2(2)式中，f,是处理后信号的幅度，/是处理后信号幅度的平均值，η是采样点的个数； 去掉幅度的最大值和最小值，将严作为理想的滤波幅值，公式如下/ =0.1%/(3)若处理后的信号幅度& ^ f*,则跳到步骤3，否则在0 1之间重新选择a值，重 复步骤2-2的1) 3)；所述的a值一般初始值取0. 5 ；步骤3 对消噪后的信号进行分解，过程如下对步骤2得到的信号进行N层多分辨率分解，得到近似空间和细节间设原信号最 高频率为fmax，则一级小波分解后在近似空间和细节空间分别得到在
和[fmax/2， fmax]频段上的信号描述；经过第N级小波分解后，在近似空间和细节空间分别得到在
和[fmax/2n，fmax/2n-l]频段上的信号描述；提取每段子信号的一个特征向量，得到一 组特征向量 f' (l),f' (2)........f' (η)；步骤4 提取压力信号中的微弱信号，方法如下；采用负梯度结合最近邻聚类法计算微弱信号的过程如下(1)设定一个径向基函数的宽度！·和一个误差数值e，设一组样本数据为ρ =
(f' (i),f' (i+1)......f' (n-l)),t = (f' (i+2),f' (i+3)，.....f' (n))，i = l，
2，3. .n，假设神经网络中心(Cl，c2，. . . cm)，m = 1，2，3，. . .？，且？ < n，取神经网络中心cm的初始值C1 = f' (1)，输出节点的权值Wi的初始值为W1 = f' (3)，扩展宽度Si的初始 值为S i = r ；(2)计算神经网络的输出y」，j = 1，2，....η-l，求出样本数据到中心的距离的最
小值 d min= Il f' (i)-CfflII，(m = 1，2，3· · · · ρ)，利用式子￡ =_ 得到神经网
络输出值与实际值的误差值E ；如果E > e，d min > r，跳到(3)；如果E > e，d min < r， 跳到(4)；如果E <e，则跳至IJ (5)；(3)m = m+l,cm = f' (i), wm = f' (i+2)，δ m = r，跳到第(5)步；(4)对RBF神经网络的中心、权值和宽度进行调整，公式为
权利要求
一种基于小波和RBF神经网络的微弱信号检测装置，其特征在于该装置包括四阶巴特沃兹低通滤波器、A/D转换器、ARM微处理器、同步动态随机存储器SDRAM、Nor Flash存储器、Nand Flash存储器，四阶巴特沃兹低通滤波器的输出端连接A/D转换器的输入端，A/D转换器的输出端连接ARM微处理器的输入端，ARM微处理器的第一输入输出端连接第一同步动态随机存储器SDRAM的输入输出端，ARM微处理器的第二输入输出端连接第二同步动态随机存储器SDRAM的输入输出端，ARM微处理器的第三输入输出端连接Nor Flash存储器的输入输出端，ARM微处理器的第四输入输出端连接Nand Flash存储器的输入输出端。
2.根据权利要求1所述的基于小波和RBF神经网络的微弱信号检测装置，其特征在于 所述的四阶巴特沃兹低通滤波器由2个结构相同的两阶巴特沃兹低通滤波器组成，其中第 一两阶巴特沃兹低通滤波器包括由电阻、电容组成的低通滤波器和运算放大器，低通滤波 器第一电阻的一端连接运算放大器的反相输入端、低通滤波器电容的一端，低通滤波器第 一电阻的另一端连接低通滤波器第二电阻的一端，低通滤波器第二电阻的另一端连接低通 滤波器电容的另一端、运算放大器的输出端，其中，低通滤波器第一电阻的一端作为第一两 阶巴特沃兹低通滤波器的输入端，运算放大器的输出端作为第一两阶巴特沃兹低通滤波器 的输出端，第一两阶巴特沃兹低通滤波器的输出端连接第二两阶巴特沃兹低通滤波器的输 入端，第二两阶巴特沃兹低通滤波器的输出端作为四阶巴特沃兹低通滤波器的输出端。
3.采用权利要求1所述的基于小波和RBF神经网络的微弱信号检测装置的检测方法， 其特征在于包括以下步骤步骤1 采集设于管道的压力变送器的瞬时压力信号；步骤2 对瞬时压力信号进行消噪处理，过程如下步骤2-1 计算信号的小波分解层数，方法如下；1)设置粗调节分解层数为N，保留分解的N-I次和N次小波系数w；2)对N-I层的信号进行重构，对小波系数进行重构，计算其模极大值CDim，同理求N层 的模极大值CDn，如果CDim < CDn,则判定该信号为有用信号为主，跳到4)，否则判定该信号 为噪声信号为主，转到3)；3)取分解的层数为N= N+1，进行N层分解，转到2)；4)放弃最后一次分解结果，确定最终的分解层数为N-I；步骤2-2 对分解之后信号的小波系数进行阈值量化1)利用阈值函数对的小波系数进行阈值量化，公式如下αχ -αχQ — 6、ο丨χ丨< 义式中，ff(j, k)经过阈值量化后的小波系数，X为未经过阈值量化的小波系数， 2 = σΛ/21οΕε/7，σ为噪声的标准差，j，k分别是伸缩因子和平移因子；2)信号重构；3)提取经步骤2-2中2)处理后的信号幅度fi;计算平均值，公式如下式中，fi是处理后信号的幅度，/是处理后信号幅度的平均值，η是采样点的个数；去掉 幅度的最大值和最小值，将fM乍为理想的滤波幅值，公式如下/ =0.1%/(3)若处理后的信号幅度fi ^ f*,则跳到步骤3，否则在0 1之间重新选择a值，重复步 骤2-2的1) 3)；所述的a值一般初始值取0. 5 ； 步骤3 对消噪后的信号进行分解，过程如下对步骤2得到的信号进行N层多分辨率分解，得到近似空间和细节间设原信号最高频 率为fmax，则一级小波分解后在近似空间和细节空间分别得到在
和[fmax/2，fmax] 频段上的信号描述；经过第N级小波分解后，在近似空间和细节空间分别得到在
和[fmax/2n，fmax/2n-l]频段上的信号描述；提取每段子信号的一个特征向量，得到一组特征向量 f' (l),f' (2)........f' (η)；步骤4 提取压力信号中的微弱信号，方法如下； 采用负梯度结合最近邻聚类法计算微弱信号的过程如下(1)设定一个径向基函数的宽度r和一个误差数值e，设一组样本数据为ρ= (f' (i)，f' (i+1).......f' (n-1)), t = (f' (i+2), f' (i+3),.....f' (η)), i = 1,2,3. .η,假设神经网络中心(Cl，c2，... cm)，m = 1，2，3，... ρ，且ρ < η，取神经网络中心Cm的初始值 Cl = f' (1)，输出节点的权值Wi的初始值为W1 = f' (3)，扩展宽度Si的初始值为Q1 = r ；(2)计算神经网络的输出y」，j= 1，2，....η-l，求出样本数据到中心的距离的最小值d min= Il f' (i)-CfflII (m = 1，2，· · · ρ)，利用式子 ￡ = ^ Σ ( ,.-γ , / 得到神经网络输出值与实际值的误差值E ；如果E > e，d min > r，跳到(3)；如果E > e，d min < r,跳到(4)； 如果E <e，则跳到(5)；(3)m= m+l,cm = f' (i),wm = f' (i+2)，δ m = r，跳到第(5)步；(4)对RBF神经网络的中心、权值和宽度进行调整，公式为pip n-\c(m + l) = c(m) + Acm =匚㈣ + “(|| /'(,·)-CJ|)(/'⑴-cm) -1w(m^l) = w(m) + AwM=w(m)^ηJ]eiG(\\f,(i)-cm ||)/=1S{m + \)=S(m) +ASm = 7芸^>々(|| f'{i)-cm ||)|| f'{i)-cm ||2d5J 丨(5)如果i= η时候，学习结束，确定了 RBF神经网络的中心、宽度和权值；反之，i = i+Ι，跳到第⑵步；(6)输入实时数据f ‘ (n+1)，f ‘ (n+2)；(7)根据以上6步确定的神经网络模型，并且可以得到神经网络的输出值yn，E'= f' (n+2)-yJ ；(8)设T为微弱信号阈值，如果E'>T，转到第(9)步，反之，i = i+1, n = n+1转到⑴；(9)检测到压力信号中的微弱信号大小为E'。
全文摘要
一种基于小波和RBF神经网络的微弱信号检测装置及方法，属于信号检测技术领域，包括四阶巴特沃兹低通滤波器、A/D转换器、ARM微处理器、同步动态随机存储器SDRAM、Nor Flash存储器、Nand Flash存储器，利用本发明装置，有利于抑制噪声、恢复、增强和提取有用信号；利用本发明方法，可以实现常规泄露检测装置无法实现的少量漏油事故的检测，检测到小于的3％的波动。
文档编号F17D5/06GK101943324SQ201010209979
公开日2011年1月12日 申请日期2010年6月28日 优先权日2010年6月28日
发明者冯健, 刘振伟, 刘金海, 张化光, 董良, 马大中, 魏向向, 鲁忠沂 申请人:东北大学