CN103968256A - 油库管道泄漏检测方法 - Google Patents
油库管道泄漏检测方法 Download PDFInfo
- Publication number
- CN103968256A CN103968256A CN201410210893.2A CN201410210893A CN103968256A CN 103968256 A CN103968256 A CN 103968256A CN 201410210893 A CN201410210893 A CN 201410210893A CN 103968256 A CN103968256 A CN 103968256A
- Authority
- CN
- China
- Prior art keywords
- pressure
- pipeline
- sequence
- leakage
- tank farm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Examining Or Testing Airtightness (AREA)
Abstract
本发明为一种结合统计假设检验和模式识别技术的油库管道泄漏检测方法。该方法利用油库监控***,采集作业现场测量仪表数据及执行器状态反馈信息,确定油料输送作业路径,并对压力测量仪表数据进行卡尔曼滤波,产生压力新息;利用压力新息,采用多序贯概率比检验检测管道压力是否超限,若检验结果超限,则提取超限压力序列及其多维时域特征;利用已建立的神经网络泄漏识别模型,识别管道泄漏与工况调节。该方法能够在规定的误报率和漏报率内,以最短时间检测出管道压力较小变化并确定管道是否发生泄漏。
Description
技术领域
本发明属于管道泄漏检测技术领域,涉及统计分析技术和模式识别技术在油库管道泄漏检测中的综合应用。
背景技术
输油管道作为油库必不可少的重要部分,把输储油、装卸油设备设施有机地联系起来,使油库收发油作业***成为一个有机的整体,从而完成油料收发任务。油库管道易因连接件渗漏、管道焊缝裂纹及腐蚀穿孔而发生泄漏。由于油料易燃、易爆、易挥发和易于静电聚集,管道泄漏不仅会造成资源流失,降低油库的油料保障作业效能,同时污染环境,甚至会引起火灾***,对油库造成不可估量的损失。
目前,国内外对管道泄漏的检测方法主要有泄漏介质检测法、管壁参数检测法及基于软件的检测方法。
1.泄漏介质检测法。该方法以管道沿线的空气、土壤或水环境为检测对象,根据其中是否含有油或油气及管道沿线环境的变化来判断管道是否发生泄漏,具有代表性的有放射性示踪剂检测法、空气采样法、热红外成像法、电缆检漏法、光纤传感检测法等。
2.管壁参数检测法。该方法通过管内探测器记录管道内壁的腐蚀、缺陷及焊缝状况,通过分析管壁状况就能检测出管道是否发生泄漏,包括照相检测法、录像检测法、漏磁通检测法、超声波检测法、涡流检测法及电磁超声检测法等。
3.基于软件的检测方法。该方法主要借助计算机,运用信号处理、模式识别等技术对管道压力、流量、温度等物理参数进行分析与处理来判断泄漏并定位泄漏点,主要包括质量平衡法、压力点分析法、负压波法、压力梯度法、声发射法、实时模型法及统计分析方法等。
考虑到油库管道具有数量多、长短不一、口径小、流程复杂、泄漏量小、工况调节干扰多及传感监测设备缺乏等特点,因此油库管道检漏对检测方法的灵敏性、工况适应性和通用性要求更高。泄漏介质检测法和管壁参数检测法都需要额外安装特定的检测装置,大多无法实现连续实时检测。基于软件的方法可以利用现有的压力及流量传感器数据来检测泄漏,具有检漏成本低的优势,但对于小泄漏、缓慢泄漏引起的较小参数变化不敏感,且不能适应正常工况调节,导致较高误报率的发生。
发明内容
本发明的目的在于提供一种结合统计假设检验和模式识别技术的,能够在规定的误报率和漏报率内,以最短时间检测出管道压力较小变化并确定管道是否发生泄漏的方法。
本发明所述的油库管道泄漏检测方法是通过以下技术方案实现的:一种针对油库管道的泄漏检测方法,该方法利用油库监控***,采集油库作业现场的压力、温度、流量、液位等测量仪表数据及执行器状态反馈信息;根据采集数据及反馈信息,分析油库的工艺流程及作业模式,确定当前油料输送路径,采集作业管路的管道压力数据,并进行卡尔曼滤波产生压力新息;按照规定的误报率和漏报率,利用压力新息,采用多序贯概率比检验检测管道压力是否超限,若检验结果超限,提取超限压力序列及其多维时域特征;利用已建立的RBF神经网络泄漏识别模型,将待识别的超限压力序列的多维时域特征作为模型输入,进一步区分识别管道泄漏与工况调节;若RBF神经网络泄漏识别模型识别结果为发生泄漏,则泄漏报警,若识别结果为工况调节则继续管道压力超限检测及RBF神经网络泄漏识别。
本发明所述的油库管道泄漏检测方法总体流程如图1所示,其特征在于包括以下步骤:
步骤1:利用油库监控***,采集油库作业现场的压力、温度、流量、液位等测量仪表数据及执行器状态反馈信息;
步骤2:分析实际油库的工艺流程及作业模式,确定当前油料输送路径,采集作业管路的管道压力数据p,预处理后进行超限检测并提取超限压力序列,超限检测流程如图2所示,包括5个具体步骤:
步骤2-1:采集作业管路的管道压力数据并进行卡尔曼滤波,得到管道压力预测值,计算管道压力与管道压力预测值之差,并对其进行标准化后,生成标准化压力新息e;
步骤2-2:对标准化压力新息e的分布均值μ提出假设
H0:μ=0、H1:μ=θi
θi为备选假设值,根据不同程度泄漏的先验分布及平均最短检验时间原则确定多个备选假设取值(θ1,θ2,…,θm),m为备选假设个数,计算k次采样后备选假设为θi的序贯概率比检验(SPRT:Sequential Probability Ratio Test)统计量Yi(k):
式中e(j)为j次采样后生成的标准化压力新息,1≤j≤k;
步骤2-3:引入补偿量U修正检测统计量,记修正后的检验统计量为Yi'(k),计算公式如下:
Yi'(k)=Yi(k)+U i=1,2,…,m
步骤2-4:超限判断,若检验规定的误报率设为α,漏报率设为β,则超限判断检验阈值B这样确定:B=ln[(1-β)/α];任意备选假设的检验统计量超过检验阈值,即max{Y1'(k),Y′2(k),…,Y′m(k)}≥B时,判断管道压力超限,转步骤2-5;当max{Y1'(k),Y′2(k),…,Y′m(k)}<B时,转步骤2-1进行第(k+1)次采样;
步骤2-5:提取超限压力序列;假设k时刻时,Y′n(k)=max{Y1'(k),Y′2(k),…,Y′m(k)}≥B,1≤n≤m,则对Y′n(k)进行分析,若Y′n(k)满足
也即从r时刻开始Y′n(k)连续大于零,则估计在r时刻管道压力开始异常,从压力异常开始点至检测出压力超限的序列长度为(k-r),提取(2r-k)时刻至k时刻间的、长度为2(k-r)的原始压力序列pi为超限压力序列,2r-k≤i≤k;
步骤3:进一步分析超限压力序列,区分管道泄漏与工况调节,包括3个具体步骤:
步骤3-1:将超限压力序列进行归一化处理,并计算该序列的平均幅值t1、方根幅值t2、方差t3、均方根t4、峭度t5:
形成多维时域特征参数集T={t1,t2,t3,t4,t5}
步骤3-2:建立RBF(Radial Basis Function,径向基函数)神经网络泄漏识别模型,模型输入节点数为时域特征维数,输出节点数为管道运行状态编码维数,以训练样本的时域特征集T={t1,t2,t3,t4,t5}l作为输入、对应管道运行状态作为期望输出,完成泄漏识别模型的训练,其中l为训练样本组数;
步骤3-3:将待识别的超限序列的多维时域特征参数集T={t1,t2,t3,t4,t5}输入RBF神经网络泄漏识别模型,根据输出判断管道处于工况调节状态或是发生泄漏;
步骤4:若RBF神经网络泄漏识别模型识别结果为发生泄漏,则泄漏报警;若识别结果为工况调节则转入步骤1。
本发明的有益效果是:充分利用了油库监控***采集的管道压力数据,除现有的管道压力传感器外,无需另外购买和安装专门的检漏装置;改进了序贯概率比检验方法,使用多序贯概率比检验方法能以最短时间检测出管道压力较小变化;在管道压力超限检测基础上,利用RBF神经网络的模式识别方法识别管道泄漏与工况调节,降低了泄漏检测的误报率,提高了检漏方法的工况变化适应能力。
附图说明
图1为油库管道泄漏检测流程;
图2为压力超限检测流程,图中SPRT1、SPRT i、SPRT m分别代表备选假设θ1、θi、θm的序贯概率比检验;Y1、Yi、Ym分别为备选假设θ1,θi,θm的序贯概率比检验统计量;Y1'、Yi'、Y′m分别为备选假设θ1,θi,θm的修正后的序贯概率比检验统计量;
图3为管道压力序列及标准化压力新息序列;
图4为管道压力超限检测曲线;
图5为提取超限压力序列示意图。
具体实施方式
实施例.举此例来说明本发明的具体实施方式。首先分析油库工艺流程及当前作业模式,采集作业管道的压力数据p,进行卡尔曼滤波后生成压力新息e,管道压力及标准化压力新息序列如图3所示。
对标准化压力新息e的分布均值μ提出假设
H0:μ=0、H1:μ=θi
θi为备选假设值,实施例中分别为0.1、0.2、0.3、0.4,每次采样后计算备选假设θi的检验统计量Yi(k)如下:
计算引入补偿量U后的修正检验统计量Yi'(k):
Yi'(k)=Yi(k)+U i=1,2,…,m
规定检验的误报率α=0.05,漏报率β=0.05,则检验阈值B=ln[(1-β)/α]=2.944,当max{Y1'(k),Y′2(k),…,Y′m(k)}≥B时,判断管道压力超限;当max{Y1'(k),Y′2(k),…,Y′m(k)}<B时继续采样并计算检验统计量与阈值B比较。图4为实施例中备选假设分别为0.1、0.2、0.3、0.4的序贯概率比检验曲线,第368次采样后备选假设为0.3的检验统计量Y3′最先超过阈值B,检测出管道压力超限。
对备选假设为0.3的检验统计量进行分析,如图5所示,第368次采样时刻为压力超限点k=368;从309次采样时刻开始,Y3'开始连续大于零,r=309,连续大于零长度为59;提取(2r-k)时刻至k时刻间的、长度为2(k-r)的超限压力序列,即提取从第250采样时刻至368次采样时刻的原始压力序列作为超限压力序列。
计算训练样本的多维时域特征,训练样本超限序列时域特征结果如表1所示。
表1训练样本超限序列时域特征
管道运行状态编码如表2所示,运行状态对应3位编码。
表2管道运行状态编码
管道运行状态 | 状态编码 |
调阀 | 100 |
泄漏 | 010 |
调泵 | 001 |
根据表1、表2数据建立RBF神经网络泄漏识别模型。
将待检测的超限压力序列时域特征输入RBF神经网络泄漏识别模型,根据输出识别管道运行状态,管道泄漏识别结果正确,如表3所示。
表3管道泄漏识别结果
Claims (6)
1.一种针对油库管道的泄漏检测方法,其特征在于该检测方法步骤如下:
步骤1、利用油库监控***,采集油库作业现场的压力、温度、流量、液位等测量仪表数据及执行器状态反馈信息;
步骤2、分析实际油库的工艺流程及作业模式,确定当前油料输送路径,采集作业管路的管道压力数据p,预处理后进行超限检测并提取超限压力序列;
步骤3、进一步分析超限压力序列,区分管道泄漏与工况调节;
步骤4、若RBF神经网络泄漏识别模型识别结果为发生泄漏,则泄漏报警;若识别结果为工况调节则转入步骤1。
2.根据权利要求1所述的一种针对油库管道的泄漏检测方法,其特征是:采集作业管路的管道压力数据并进行卡尔曼滤波,得到管道压力预测值,计算管道压力与管道压力预测值之差,并对其进行标准化后,生成标准化压力新息e;对标准化压力新息e的分布均值μ提出假设H0:μ=0、H1:μ=θi,θi为备选假设值,根据不同程度泄漏的先验分布及平均最短检验时间原则确定多个备选假设取值(θ1,θ2,…,θm),m为备选假设个数,计算k次采样后备选假设为θi的序贯概率比检验统计量Yi(k)。
3.根据权利要求1所述的一种针对油库管道的泄漏检测方法,其特征是:任意备选假设的检验统计量超过检验阈值,即max{Y1'(k),Y′2(k),…,Y′m(k)}≥B时,判断管道压力超限,提取超限压力序列;假设k时刻时,Y′n(k)=max{Y1'(k),Y′2(k),…,Y′m(k)}≥B,1≤n≤m,则对Y′n(k)进行分析,若Y′n(k)满足
也即从r时刻开始Y′n(k)连续大于零,则估计在r时刻管道压力开始异常,从压力异常开始点至检测出压力超限的序列长度为(k-r),提取(2r-k)时刻至k时刻间的、长度为2(k-r)的原始压力序列pi为超限压力序列,2r-k≤i≤k。
4.根据权利要求1所述的一种针对油库管道的泄漏检测方法,其特征是:将超限压力序列进行归一化处理,并计算该序列的平均幅值t1、方根幅值t2、方差t3、均方根t4、峭度t5:
形成多维时域特征参数集T={t1,t2,t3,t4,t5}。
5.根据权利要求1所述的一种针对油库管道的泄漏检测方法,其特征是:建立RBF神经网络泄漏识别模型,模型输入节点数为时域特征维数,输出节点数为管道运行状态编码维数,以训练样本的时域特征集T={t1,t2,t3,t4,t5}l作为输入、对应管道运行状态作为期望输出,完成泄漏识别模型的训练,特征集中l为训练样本组数。
6.根据权利要求1所述的一种针对油库管道的泄漏检测方法,其特征是:将待识别的超限序列的多维时域特征参数集T={t1,t2,t3,t4,t5}输入RBF神经网络泄漏识别模型,根据输出判断管道处于工况调节状态或是发生泄漏。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410210893.2A CN103968256B (zh) | 2014-05-19 | 2014-05-19 | 油库管道泄漏检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410210893.2A CN103968256B (zh) | 2014-05-19 | 2014-05-19 | 油库管道泄漏检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103968256A true CN103968256A (zh) | 2014-08-06 |
CN103968256B CN103968256B (zh) | 2017-06-06 |
Family
ID=51238092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410210893.2A Expired - Fee Related CN103968256B (zh) | 2014-05-19 | 2014-05-19 | 油库管道泄漏检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103968256B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105156905A (zh) * | 2015-07-09 | 2015-12-16 | 南京声宏毅霆网络科技有限公司 | 管道的泄漏监测***及监测方法、监测设备和服务器 |
CN106090630A (zh) * | 2016-06-16 | 2016-11-09 | 厦门数析信息科技有限公司 | 基于集成分类器的液体管道检漏方法及其*** |
CN106125661A (zh) * | 2016-07-15 | 2016-11-16 | 上海海事大学 | 总装车间输油***管道plc监控*** |
CN106594526A (zh) * | 2016-12-02 | 2017-04-26 | 中国科学院上海微***与信息技术研究所 | 一种基于水压采样数据的供水管网状态监测方法及装置 |
CN106870958A (zh) * | 2017-03-22 | 2017-06-20 | 中国科学院上海微***与信息技术研究所 | 一种水压状态检测及转移方法及其实现装置 |
CN108050397A (zh) * | 2018-01-24 | 2018-05-18 | 东北大学 | 基于光纤多源信号的分层序贯比管道泄漏监控方法及*** |
JPWO2017078004A1 (ja) * | 2015-11-04 | 2018-09-13 | 日本電気株式会社 | 配管状態検知装置、配管状態検知方法、コンピュータ読み取り可能記録媒体および配管状態検知システム |
CN109058771A (zh) * | 2018-10-09 | 2018-12-21 | 东北大学 | 基于样本生成和间隔Markov特征的管道异常检测方法 |
CN109340582A (zh) * | 2018-11-22 | 2019-02-15 | 深圳市欧佩亚海洋工程有限公司 | 一种海底管道泄漏监测方法及*** |
CN112842277A (zh) * | 2021-02-08 | 2021-05-28 | 上海理工大学 | 一种基于多序贯概率比检验的跌倒检测方法及装置 |
CN113076817A (zh) * | 2021-03-17 | 2021-07-06 | 上海展湾信息科技有限公司 | 焊缝气孔缺陷实时检测方法及*** |
CN116382100A (zh) * | 2023-06-05 | 2023-07-04 | 中特检管道工程(北京)有限公司 | 一种油气管道检测控制***及控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1184931A (zh) * | 1996-12-11 | 1998-06-17 | 唐秀家 | 流体输送管道泄漏检测定位的方法及装置 |
US6513542B1 (en) * | 2000-08-08 | 2003-02-04 | Taiwan Semiconductor Manufacturing Co., Ltd | Liquid supply or drain pipe equipped with a leakage detector |
CN1584531A (zh) * | 2004-05-31 | 2005-02-23 | 天津大学 | 基于压力信号检测油气管道泄漏的方法 |
CN1755342A (zh) * | 2004-09-28 | 2006-04-05 | 北京埃德尔黛威新技术有限公司 | 一种液体压力管道泄漏检测方法及装置 |
-
2014
- 2014-05-19 CN CN201410210893.2A patent/CN103968256B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1184931A (zh) * | 1996-12-11 | 1998-06-17 | 唐秀家 | 流体输送管道泄漏检测定位的方法及装置 |
US6513542B1 (en) * | 2000-08-08 | 2003-02-04 | Taiwan Semiconductor Manufacturing Co., Ltd | Liquid supply or drain pipe equipped with a leakage detector |
CN1584531A (zh) * | 2004-05-31 | 2005-02-23 | 天津大学 | 基于压力信号检测油气管道泄漏的方法 |
CN1755342A (zh) * | 2004-09-28 | 2006-04-05 | 北京埃德尔黛威新技术有限公司 | 一种液体压力管道泄漏检测方法及装置 |
Non-Patent Citations (5)
Title |
---|
朱爱华: "卡尔曼滤波和序贯概率比检验在管道泄漏监测中的应用", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技II辑》 * |
李炜等: "优化M-SPRT法在管道泄漏检测中的应用", 《天然气工业》 * |
李炜等: "多序贯概率比检验在管道泄漏检测中的研究", 《弹箭与制导学报》 * |
梁斌: "原油管道泄漏检测与定位技术的研究", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
陈春刚等: "利用假设检验理论进行管道泄漏检测", 《石油化工设备》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105156905A (zh) * | 2015-07-09 | 2015-12-16 | 南京声宏毅霆网络科技有限公司 | 管道的泄漏监测***及监测方法、监测设备和服务器 |
JPWO2017078004A1 (ja) * | 2015-11-04 | 2018-09-13 | 日本電気株式会社 | 配管状態検知装置、配管状態検知方法、コンピュータ読み取り可能記録媒体および配管状態検知システム |
CN106090630A (zh) * | 2016-06-16 | 2016-11-09 | 厦门数析信息科技有限公司 | 基于集成分类器的液体管道检漏方法及其*** |
CN106090630B (zh) * | 2016-06-16 | 2018-07-31 | 厦门数析信息科技有限公司 | 基于集成分类器的液体管道检漏方法及其*** |
CN106125661A (zh) * | 2016-07-15 | 2016-11-16 | 上海海事大学 | 总装车间输油***管道plc监控*** |
CN106594526A (zh) * | 2016-12-02 | 2017-04-26 | 中国科学院上海微***与信息技术研究所 | 一种基于水压采样数据的供水管网状态监测方法及装置 |
CN106870958B (zh) * | 2017-03-22 | 2019-04-02 | 上海伟梦物联网科技有限公司 | 一种水压状态检测及转移方法及其实现装置 |
CN106870958A (zh) * | 2017-03-22 | 2017-06-20 | 中国科学院上海微***与信息技术研究所 | 一种水压状态检测及转移方法及其实现装置 |
CN108050397A (zh) * | 2018-01-24 | 2018-05-18 | 东北大学 | 基于光纤多源信号的分层序贯比管道泄漏监控方法及*** |
CN109058771A (zh) * | 2018-10-09 | 2018-12-21 | 东北大学 | 基于样本生成和间隔Markov特征的管道异常检测方法 |
CN109340582A (zh) * | 2018-11-22 | 2019-02-15 | 深圳市欧佩亚海洋工程有限公司 | 一种海底管道泄漏监测方法及*** |
CN112842277A (zh) * | 2021-02-08 | 2021-05-28 | 上海理工大学 | 一种基于多序贯概率比检验的跌倒检测方法及装置 |
CN112842277B (zh) * | 2021-02-08 | 2022-08-09 | 上海理工大学 | 一种基于多序贯概率比检验的跌倒检测方法及装置 |
CN113076817A (zh) * | 2021-03-17 | 2021-07-06 | 上海展湾信息科技有限公司 | 焊缝气孔缺陷实时检测方法及*** |
CN113076817B (zh) * | 2021-03-17 | 2022-11-04 | 上海展湾信息科技有限公司 | 焊缝气孔缺陷实时检测方法及*** |
CN116382100A (zh) * | 2023-06-05 | 2023-07-04 | 中特检管道工程(北京)有限公司 | 一种油气管道检测控制***及控制方法 |
CN116382100B (zh) * | 2023-06-05 | 2023-08-01 | 中特检管道工程(北京)有限公司 | 一种油气管道检测控制***及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103968256B (zh) | 2017-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103968256A (zh) | 油库管道泄漏检测方法 | |
Zaman et al. | A review of leakage detection strategies for pressurised pipeline in steady-state | |
Lu et al. | Leakage detection techniques for oil and gas pipelines: State-of-the-art | |
CN101761780B (zh) | 输气管道泄漏检测定位装置及其检测定位方法 | |
Liu et al. | Fast leak detection and location of gas pipelines based on an adaptive particle filter | |
Lang et al. | A multiple leaks’ localization method in a pipeline based on change in the sound velocity | |
CA2960587C (en) | Device and method for fluid leakage detection in pressurized pipes | |
CN103775832B (zh) | 基于瞬变流反问题方法的输油管道漏失检测的装置 | |
Yuan et al. | Leak detection and localization techniques in oil and gas pipeline: A bibliometric and systematic review | |
CN103807607A (zh) | 新型管道流体检漏装置及其方法 | |
CN104535281B (zh) | 基于压力相关法的机坪管网密闭性测试装置进行测试的方法 | |
CN206377467U (zh) | 天然气管道防腐监测装置 | |
CN105890844A (zh) | 隐蔽储油罐微泄漏定性与定量检测方法 | |
CN102927449A (zh) | 一种基于模拟仿真技术的管网微小泄漏缺陷检测方法及*** | |
Idachaba et al. | Current technologies and the applications of data analytics for crude oil leak detection in surface pipelines | |
Xue et al. | Application of acoustic intelligent leak detection in an urban water supply pipe network | |
CN109443654A (zh) | 一种蒸汽发生器氦质谱检漏***与检漏方法 | |
JP2022552498A (ja) | 漏洩検出方法 | |
Negm et al. | Review of leakage detection in water distribution networks | |
CN207455197U (zh) | 管道泄漏检测定位实验*** | |
Shama et al. | Review of leakage detection methods for subsea pipeline | |
Shehadeh et al. | Modelling the effect of incompressible leakage patterns on rupture area in pipeline | |
Hamzah | Study Of The Effectiveness Of Subsea Pipeline Leak Detection Methods | |
Xu et al. | Leak detection methods overview and summary | |
CN202868318U (zh) | 一种基于模拟仿真技术的管网微小泄漏缺陷检测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170606 Termination date: 20180519 |
|
CF01 | Termination of patent right due to non-payment of annual fee |