一种城市燃气埋地管道泄露源定位的装置及定位方法

本发明涉及燃气管道检测，尤其涉及一种城市燃气埋地管道泄露源定位的装置及定位方法。

背景技术：

1、天然气的主要运输手段是管道，由于其具有易燃易爆特性，管道的安全性能就显得非常重要，随着我国经济的发展，能源结构的调整，城市天然气管网也在飞速发展，天然气管道的泄漏检测与泄漏定位就显得尤为重要，而城市燃气管网位于复杂多变的环境中，具有压力低、分支多、多附件的特点，这就决定了城市燃气埋地管道泄漏定位的难度大。

2、目前常用的定位方式有人工检测、示踪剂检测、探测球检测、光纤检测以及负压波检测等，其中人工检测需要耗费大量的人力，效率也不高；示踪剂检测不能够快速检测泄漏点，检测周期过长；探测球检测很容易造成燃气管道堵塞，导致不必要的问题；光纤检测需要沿着管道铺设光纤，而且需要后期维护检修，成本过高；负压波法则对检测装置要求过高，需要能够及时捕捉到负压波信号，因此，本发明提出一种城市燃气埋地管道泄露源定位的装置及定位方法以解决现有技术中存在的问题。

技术实现思路

1、针对上述问题，本发明的目的在于提出一种城市燃气埋地管道泄露源定位的装置及定位方法，该城市燃气埋地管道泄露源定位的装置及定位方法基于cnn-bp神经网络的定位方法可以自动学习复杂的空间特征，提高了泄漏定位的准确性，同时缩短了响应时间，有助于及时进行应急处理，降低了潜在的安全风险，减少可能引发的火灾、爆炸等事故发生的风险，保障城市燃气安全；

2、本发明采用自动化和智能化的神经网络定位方法，使其具有更强的适应性和可持续发展性，便于系统升级维护，可根据实际需求进行参数调整和优化，泄漏源定位更精确，实现了简单便利、低成本的泄漏源定位。

3、为实现本发明的目的，本发明通过以下技术方案实现：一种城市燃气埋地管道泄露源定位的装置及定位方法，包括由采集机构组成的m×n的方阵和控制中心构成，所述采集机构包括外壳组件、供电组件、下层采集电路、甲烷传感器、上层发送电路和信号传输天线，所述外壳组件内设有供电组件，所述供电组件下方设有下层采集电路，所述下层采集电路下方设有甲烷传感器，所述甲烷传感器下端的外壳组件上设置有喇叭口型收集器，所述供电组件上方设有上层发送电路，所述外壳组件上端设有信号传输天线，所述信号传输天线与控制中心远程数据连接，所述控制中心基于高性能计算机配置高级算法用于根据具体的使用环境调整权重参数及处理甲烷浓度信号并输出泄漏源位置坐标。

4、进一步改进在于：所述甲烷传感器与下层采集电路电性连接，所述下层采集电路包含模数转换器、放大器、滤波器和微控制器，所述模数转换器用于将甲烷传感器检测输出的模拟信号转化为数字信号，所述信号放大器和滤波器用于将转化的数字信号进行放大后滤波处理，所述微控制器用于对处理后的数字信号实施基本数据处理算法同时与上层发送电路无线通信。

5、进一步改进在于：所述信号传输天线与上层发送电路电性连接，所述上层发送电路内置无线通讯模块，所述无线通讯模块用于与下层采集电路之间的数据通信及上层发送电路与控制中心之间的信号传输；所述供电组件为锂电池，所述供电组件分别与甲烷传感器、下层采集电路和上层发送电路电性连接。

6、一种城市燃气埋地管道泄露源的定位方法，包括以下步骤：

7、步骤一、数据预处理，方阵中的采集机构将数据传输给控制中心，控制中心接收到甲烷浓度数据后，对甲烷浓度数据进行时间序列分析，提取甲烷浓度变化趋势作为特征，对采集机构方阵加入环境因素，划分方阵为两部分，添加标签硬土质和软土质，从而构建甲烷浓度变化趋势，采集机构方阵位置信息和软硬土质的特征向量矩阵；

8、步骤二、cnn-bp神经网络模型搭建，搭建包含输入层、卷积层、池化层、bp神经网络层和输出层的cnn-bp神经网络预测模型；

9、步骤三、模型训练，将步骤一中训练数据集输入cnn-bp神经网络预测模型中进行模型训练，将训练好的网络参数保存作为模型；

10、步骤四、模型应用，加载历史保存的模型，对新的采集机构获取的甲烷浓度数据进行与步骤一中相同的预处理，然后通过步骤三中训练后的模型进行推断，得到位置坐标的估计值完成定位。

11、进一步改进在于：所述步骤一中数据预处理包括对收到的甲烷浓度数据进行归一化处理，具体为通过归一化处理将甲烷浓度数据值标准化到[0,1]区间，由下式表示

12、

13、其中xnorm是归一化后的甲烷浓度值，x是原始值，xmax和xmin分别表示数据集中的最大值和最小值，对方阵中的每个采集机构的甲烷传感器测得的甲烷浓度变化值δx，其坐标位置(i,j)和土质条件s构建一个特征向量[δx,i,j,s]，将土质信息的硬土质编码为1，软土质编码为0则方阵中的各个数据集被表示为一个包含多个特征向量的矩阵。

14、进一步改进在于：步骤二中输入层的输入为步骤一中的特征向量矩阵；所述卷积层由卷积核构成，用于提取和优化输入的特征值；所述池化层由池化核构成，用于对卷积层输出的特征进行特征降维以减小计算量并提高模型的鲁棒性；所述bp神经网络层由输入层﹑输出层和隐藏层组成。

15、进一步改进在于：所述步骤二中预测模型的搭建方法具体为训练模式的输入值通过神经网络进行正向传播，得到传播的输出值；利用训练模式的目标值与输出值的误差通过神经网络进行反向传播，生成所有输出层和隐含层神经元的误差，获得各层单元的误差信号，并将误差信号作为修正各单元权值的依据进行数据修正，最终得到修正后的cnn-bp神经网络预测模型。

16、进一步改进在于：所述步骤三中cnn-bp神经网络预测模型训练时采用误差反向传播算法进行训练，其中卷积层也是采用误差反向传播算法进行训练，池化层没有参数无需训练，bp神经网络层为全连接，按照链式法则从上至下逐层调整训练。

17、本发明的有益效果为：本发明基于cnn-bp神经网络的定位方法可以自动学习复杂的空间特征，提高了泄漏定位的准确性，同时缩短了响应时间，有助于及时进行应急处理，降低了潜在的安全风险，减少可能引发的火灾、爆炸等事故发生的风险，保障城市燃气安全；

18、本发明采用自动化和智能化的神经网络定位方法，使其具有更强的适应性和可持续发展性，便于系统升级维护，可根据实际需求进行参数调整和优化，泄漏源定位更精确，实现了简单便利、低成本的泄漏源定位。

技术特征：

1.一种城市燃气埋地管道泄露源定位的装置，其特征在于：包括由采集机构组成的m×n的方阵和控制中心构成，所述采集机构包括外壳组件(1)、供电组件(2)、下层采集电路(3)、甲烷传感器(4)、上层发送电路(5)和信号传输天线(6)，所述外壳组件(1)内设有供电组件(2)，所述供电组件(2)下方设有下层采集电路(3)，所述下层采集电路(3)下方设有甲烷传感器(4)，所述甲烷传感器(4)下端的外壳组件(1)上设有喇叭口型收集器(7)，所述供电组件(2)上方设有上层发送电路(5)，所述外壳组件(1)上端设有信号传输天线(6)，所述信号传输天线(6)与控制中心远程数据连接，所述控制中心基于高性能计算机配置高级算法用于根据具体的使用环境调整权重参数及处理甲烷浓度信号并输出泄漏源位置坐标。

2.根据权利要求1所述的一种城市燃气埋地管道泄露源定位的装置，其特征在于：所述甲烷传感器(4)与下层采集电路(3)电性连接，所述下层采集电路(3)包含模数转换器、放大器、滤波器和微控制器，所述模数转换器用于将甲烷传感器(4)检测输出的模拟信号转化为数字信号，所述信号放大器和滤波器用于将转化的数字信号进行放大后滤波处理，所述微控制器用于对处理后的数字信号实施基本数据处理算法同时与上层发送电路(5)无线通信。

3.根据权利要求1所述的一种城市燃气埋地管道泄露源定位的装置，其特征在于：所述信号传输天线(6)与上层发送电路(5)电性连接，所述上层发送电路(5)内置无线通讯模块，所述无线通讯模块用于与下层采集电路(3)之间的数据通信及上层发送电路(5)与控制中心之间的信号传输；所述供电组件(2)为锂电池，所述供电组件(2)分别与甲烷传感器(4)、下层采集电路(3)和上层发送电路(5)电性连接。

4.一种城市燃气埋地管道泄露源的定位方法，其特征在于，包括以下步骤：

5.根据权利要求4所述的城市燃气埋地管道泄露源的定位方法，其特征在于：所述步骤一中数据预处理包括对收到的甲烷浓度数据进行归一化处理，具体为通过归一化处理将甲烷浓度数据值标准化到[0,1]区间，由下式表示

6.根据权利要求4所述的城市燃气埋地管道泄露源的定位方法，其特征在于：所述步骤二中输入层的输入为步骤一中的特征向量矩阵；所述卷积层由卷积核构成，用于提取和优化输入的特征值；所述池化层由池化核构成，用于对卷积层输出的特征进行特征降维以减小计算量并提高模型的鲁棒性；所述bp神经网络层由输入层﹑输出层和隐藏层组成。

7.根据权利要求4所述的城市燃气埋地管道泄露源的定位方法，其特征在于：所述步骤二中预测模型的搭建方法具体为训练模式的输入值通过神经网络进行正向传播，得到传播的输出值；利用训练模式的目标值与输出值的误差通过神经网络进行反向传播，生成所有输出层和隐含层神经元的误差，获得各层单元的误差信号，并将误差信号作为修正各单元权值的依据进行数据修正，最终得到修正后的cnn-bp神经网络预测模型。

8.根据权利要求4所述的城市燃气埋地管道泄露源的定位方法，其特征在于：所述步骤三中cnn-bp神经网络预测模型训练时采用误差反向传播算法进行训练，其中卷积层也是采用误差反向传播算法进行训练，池化层没有参数无需训练，bp神经网络层为全连接，按照链式法则从上至下逐层调整训练。

技术总结
本发明公开一种城市燃气埋地管道泄露源定位的装置，包括由采集机构组成的m×n的方阵和控制中心构成，外壳组件内设有供电组件，供电组件下方设有下层采集电路和甲烷传感器，甲烷传感器下端的外壳组件上设有喇叭口型收集器，供电组件上方设有上层发送电路和信号传输天线，信号传输天线与控制中心远程数据连接，定位方法包括步骤一、数据预处理，步骤二、CNN‑BP神经网络模型搭建，步骤三、模型训练，步骤四、模型应用；本发明基于CNN‑BP神经网络的定位方法可自动学习复杂的空间特征，提高了泄漏定位的准确性，同时缩短了响应时间，有助于及时进行应急处理，减少可能引发的火灾、爆炸等事故发生的风险，保障城市燃气安全。

技术研发人员：葛亮,马瑜宏,李朋,肖小汀,方鑫,肖国清,曾文
受保护的技术使用者：西南石油大学
技术研发日：
技术公布日：2024/3/17