RU2750516C1 - Method for multi-positional determination of leaks position in pipeline based on improved amd - Google Patents
Method for multi-positional determination of leaks position in pipeline based on improved amd Download PDFInfo
- Publication number
- RU2750516C1 RU2750516C1 RU2020143195A RU2020143195A RU2750516C1 RU 2750516 C1 RU2750516 C1 RU 2750516C1 RU 2020143195 A RU2020143195 A RU 2020143195A RU 2020143195 A RU2020143195 A RU 2020143195A RU 2750516 C1 RU2750516 C1 RU 2750516C1
- Authority
- RU
- Russia
- Prior art keywords
- signal
- component
- leak
- value
- decomposition
- Prior art date
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
- G01M3/24—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations
- G01M3/243—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations for pipes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/50—Processing the detected response signal, e.g. electronic circuits specially adapted therefor using auto-correlation techniques or cross-correlation techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
Description
Область техникиTechnology area
Настоящее изобретение относится к способу определения положения утечек и, в частности, к способу многопозиционного определения положения утечек на основе улучшенной вариационной модовой декомпозиции (ВМД).The present invention relates to a method for determining the position of leaks and, in particular, to a method for multi-position determination of the position of leaks based on improved variational mode decomposition (VMD).
Описание связанного уровня техникиDescription of the related prior art
Городские трубопроводы стали необходимым инструментом для развития современных городов. С непрерывным увеличением масштаба городских трубопроводов, количество случаев отказа трубопроводов также увеличивается из-за таких воздействий, как естественное старение устройства, климат, окружающая среда и вызванное человеком повреждение. В частности, когда в газовом трубопроводе возникает утечка, это легко вызывает серьезные аварии, такие как пожар, взрыв, отравление и загрязнение окружающей среды. Таким образом, способ эффективного определения небольшой утечки в трубопроводе на ранней стадии и точного обнаружения место утечки имеет важное экономическое и общественное значение.Urban pipelines have become a necessary tool for the development of modern cities. With the continuous increase in the scale of urban pipelines, the number of pipeline failures is also increasing due to influences such as natural aging of the device, climate, environment and human-induced damage. In particular, when a leak occurs in a gas pipeline, it easily causes serious accidents such as fire, explosion, poisoning and environmental pollution. Thus, a method for efficiently detecting a small leak in a pipeline at an early stage and accurately detecting the location of the leak is of great economic and social importance.
В последние годы с развитием компьютерных технологий технология определения утечки в трубопроводе развивается в направлении объединения программного и аппаратного обеспечения. Различные новые способы определения утечки в трубопроводе все еще остаются передовым исследовательским направлением в различных странах, а анализ и исследования нестационарных сигналов всегда являются проблемными местами исследований, например, декомпозиция по вейвлетам, эмпирическая модовая декомпозиция (ЭМД) и декомпозиция локального среднего значения (ДЛСЗ). Однако они также имеют свои собственные недостатки. Например, в декомпозиции по вейвлетам нельзя проводить адаптивный отбор, а ЭМД и ДЛСЗ являются способами адаптивного частотно-временного анализа, но оба имеют проблемы, такие как модальное наложение, сверх-огибающая и суб-огибающая. Вариационная модовая декомпозиция (ВМД) является новым адаптивным способом диагностики неисправностей, предложенным Dragomiretskiy и др. в 2014 г. По сравнению со способами ЭМД и ДЛСЗ, способ ВМД имеет преимущества, заключающиеся в прочной теоретической базе, высокой скорости сходимости и очевидных характеристиках результата декомпозиции. ВМД в качестве алгоритма декомпозиции подобен способам ЭМД и ДЛСЗ, и может выполнять декомпозицию сигнала о неисправности согласно высоким и низким частотам на несколько внутренних модовых функций (ВМФ). Однако в ВМД перед выполнением декомпозиции необходимо определить число k уровней декомпозиции. Если число уровней декомпозиции слишком большое, то компоненты после декомпозиции могут содержать ошибку, а если число уровней декомпозиции слишком малое, то компоненты после декомпозиции содержат меньше информации об утечке, что влияет на результат определения положения. Однако в текущих исследованиях, связанных с ВМД, например, «СПОСОБЕ ОПРЕДЕЛЕНИЯ ПОЛОЖЕНИЯ УТЕЧЕК НА ОСНОВЕ АНАЛИЗА ЭНТРОПИИ ОТНОСИТЕЛЬНО ВМД-КОМПОНЕНТА», число K уровней декомпозиции определяется по существу согласно опыту человека, что, вероятно, вызывает проблемы, такие как неточная декомпозиция и чрезмерная ошибка определения положения. Таким образом, перед использованием способа ВМД необходимо проводить специальное уменьшение шума сигнала для выбора оптимального параметра K.In recent years, with the development of computer technology, pipeline leak detection technology has developed towards combining software and hardware. Various new methods of pipeline leak detection are still a cutting edge research area in various countries, and analysis and research of non-stationary signals are always problematic areas of research, for example, wavelet decomposition, empirical mode decomposition (EMD) and local mean value decomposition (LMA). However, they also have their own disadvantages. For example, in wavelet decomposition, adaptive selection cannot be performed, and EMD and DLSZ are methods of adaptive time-frequency analysis, but both have problems such as modal overlap, super-envelope and sub-envelope. Variational mode decomposition (VMD) is a new adaptive method for diagnosing faults proposed by Dragomiretskiy et al. In 2014. Compared to the EMD and DLSD methods, the VMD method has the advantages of a solid theoretical base, high convergence rate and obvious characteristics of the decomposition result. EMD as a decomposition algorithm is similar to the EMD and DLSZ methods, and can decompose the fault signal according to high and low frequencies into several internal mode functions (IMF). However, in the VMD, before performing the decomposition, it is necessary to determine the number k of decomposition levels. If the number of decomposition levels is too large, then the components after decomposition may contain an error, and if the number of decomposition levels is too small, then the components after decomposition contain less information about the leak, which affects the position determination result. However, in current studies related to AMD, such as “METHOD FOR DETERMINING LEAK POSITION BASED ON ANALYSIS OF ENTROPY RELATING TO AMD COMPONENT”, the number of K levels of decomposition is determined essentially according to human experience, which is likely to cause problems such as inaccurate decomposition and excessive position determination error. Thus, before using the AMD method, it is necessary to carry out a special reduction of the signal noise in order to select the optimal parameter K.
Настоящее изобретение создано исходя из таких предпосылок. Перед выполнением ВМД на исходном сигнале об утечке, число декомпозиций ВМД оптимизируют и выбирают путем анализа результата декомпозиций локального среднего по множеству (ДЛСМ) для определения оптимального параметра. В процессе декомпозиции добавляют белый шум для снижения ошибки при восстановлении, и сохраняют компонент с относительно высоким коэффициентом корреляции, тем самым улучшая эффективность декомпозиции. Для оценки сигнала используют способ слепого разделения источников на основе анализа независимых компонентов, и на этом сигнале и исходном сигнале об утечке выполняют расчет взаимной корреляция для того, чтобы в конечном итоге завершить точное многопозиционное определение положения утечек в трубопроводе.The present invention was made on the basis of such premises. Before performing the LMD on the initial signal about the leak, the number of LMD decompositions is optimized and selected by analyzing the result of the local mean over the set (LMV) decompositions to determine the optimal parameter. In the decomposition process, white noise is added to reduce the reconstruction error, and the component with a relatively high correlation coefficient is retained, thereby improving the decomposition efficiency. A blind source separation method based on an analysis of independent components is used to evaluate the signal, and a cross-correlation calculation is performed on this signal and the original leak signal in order to ultimately complete the accurate multi-position determination of the position of the leaks in the pipeline.
РАСКРЫТИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯDISCLOSURE OF THE INVENTION
Задача настоящего изобретения заключается в преодолении проблем, таких как сложное извлечение характеристик сигнала и неточное определение положения, в существующем способе многопозиционного определения положения утечек, а также представление способа многопозиционного определения положения утечек на основе улучшенной ВМД, в котором число уровней декомпозиции в способе ВМД анализируют и выбирают путем расчета коэффициента корреляции каждого компонента результата декомпозиции ДЛСМ, ем самым извлекая сигнал об утечке более эффективно, улучшая точность определения положения утечки, а также повышая реализуемость и достоверность способа.The object of the present invention is to overcome the problems such as complex signal characterization and inaccurate positioning in the existing multi-positioning method for determining the position of leaks, as well as providing a method for multi-positioning the position of leaks based on an improved AMD, in which the number of decomposition levels in the AMD method is analyzed and are selected by calculating the correlation coefficient of each component of the DLSM decomposition result, thereby extracting the leak signal more efficiently, improving the accuracy of determining the position of the leak, as well as increasing the feasibility and reliability of the method.
Техническое решение, внедренное в настоящем изобретении, представляет собой способ определения положения утечек на основе улучшенной ВМД, включающий следующие этапы, на которых:The technical solution implemented in the present invention is a method for determining the position of leaks based on an improved AMD, including the following steps, in which:
S1: размещают акустический датчик на детектируемом трубопроводе для сбора исходного сигнала об утечке в трубопроводе;S1: an acoustic sensor is placed on the pipeline to be detected to collect an initial signal of a leak in the pipeline;
S2: выполняют ДЛСМ на исходном сигнале об утечке с получением ряда компонентов функции-произведения (ФП);S2: DLCM is performed on the original leak signal to obtain a number of product function (FP) components;
S3: вычисляют коэффициент корреляции каждого компонента ФП, выбирают эффективный компонент ФП, включающий относительно большое количество информации об исходном сигнале об утечке, выполняют восстановление сигнала согласно выбранному компоненту ФП и выполняют вычисление и анализ согласно коэффициенту корреляции компонента ФП для определения оптимального значения k декомпозиции ВМД;S3: calculating the correlation coefficient of each AF component, selecting an effective AF component including a relatively large amount of information about the original leakage signal, performing signal reconstruction according to the selected AF component, and performing calculation and analysis according to the correlation coefficient of the AF component to determine the optimal value k of the PMD decomposition;
S4: выполняют ВМД на восстановленном сигнале с получением ряда компонентов ВМФ и выбирают компонент ВМФ путем вычисления многомасштабной энтропии (ММЭ) каждого компонента ВМФ; иS4: performing PMT on the recovered signal to obtain a number of PMF components, and selecting the PMF component by calculating the multiscale entropy (MME) of each PMF component; and
S5: выполняют восстановление сигнала на выбранном компоненте ВМФ с получением наблюдаемого сигнала и получают, путем отделения, сигнал каждой точки утечки путем использования способа слепого разделения источников на основе анализа независимых компонентов (оцененный сигнал об утечке представляет собой оцененный сигнал после слепого разделения источников, исходный сигнал об утечке отделяют путем использования способа слепого разделения источников, и сигнал конкретной точки утечки отличают путем вычисления коэффициента корреляции между оцененным сигналом об утечке и исходным сигналом об утечке, и после отличения получают сигнал каждой точки утечки), и выполняют определение положений утечки в трубопроводе путем использования алгоритма определения положения взаимной корреляцией.S5: Perform signal reconstruction on the selected PMF component to obtain the observed signal, and obtain, by separating, the signal of each leakage point by using the blind source separation method based on the analysis of independent components (the estimated leakage signal is the estimated signal after blind source separation, the original signal the leak is separated by using a blind source separation method, and the signal of a specific leak point is distinguished by calculating the correlation coefficient between the estimated leak signal and the original leak signal, and after discriminating, a signal of each leak point is obtained), and determining the positions of the leak in the pipeline by using algorithm for determining the position by cross-correlation.
Кроме того, на этапе S2 декомпозицию ДЛСМ выполняют на исходном сигнале об утечке x(t), причем конкретный процесс включает следующие этапы, на которых:In addition, at step S2, the DLMD decomposition is performed on the original leakage signal x (t), and the specific process includes the following steps, at which:
S2.1: определяют число M раз усреднения по множеству и уровень добавленного белого шума, добавляют белый шум nm(t) определенного уровня к сигналу x(t), причем сигнал об утечке представлен как:S2.1: determine the number M times of averaging over the set and the level of added white noise, add white noise n m (t) of a certain level to the signal x (t), and the leakage signal is represented as:
xm(t)=x(t)+nm(t) (1),x m (t) = x (t) + n m (t) (1),
где m представляет собой число декомпозиций, t представляет собой время, nm(t) представляет собой сигнал белого шума, а xm(t) представляет собой смешанный сигнал об утечке после добавления белого шума;where m is the number of decompositions, t is time, n m (t) is the white noise signal, and x m (t) is the mixed leakage signal after adding white noise;
S2.2: выполняют декомпозицию ДЛСЗ на смешанном сигнале об утечке xm(t) и далее выполняют усреднение по множеству с получением конечного компонента ФП, представленного формулой (2):S2.2: DLSZ decomposition is performed on the mixed leakage signal x m (t) and then averaging over the set is performed to obtain the final FP component represented by formula (2):
(2), (2),
где ε n . m (n = 1, 2, …, N), N представляет собой положительное целое число, ε n . m представляет собой nый исходный компонент ФП, полученный после mой декомпозиции, а средний y n (n = 1, 2, …, N), полученный путем выполнения M декомпозиций на N исходных компонентов ФП, используют как конечный компонент ФП, который используют как компонент ФП, используемый на следующем этапе S3.Whereε n ... m (n = 1, 2, ..., N), N is a positive integer,ε n ... m represents nth the initial FP component obtained after mOh decomposition, and the averagey n (n = 1, 2, ..., N), obtained by performing M decompositions into N original FP components, is used as the final FP component, which is used as the FP component used in the next step S3.
Далее, на этапе S3 конкретный процесс анализа результата декомпозиции ДЛСМ и определения значения параметра k ВМД является следующим:Further, at step S3, the specific process of analyzing the result of the decomposition of the DLPM and determining the value of the parameter k of the PMD is as follows:
В традиционном способе, например, в патенте «СПОСОБ ОПРЕДЕЛЕНИЯ ПОЛОЖЕНИЯ УТЕЧЕК НА ОСНОВЕ АНАЛИЗА ЭНТРОПИИ ОТНОСИТЕЛЬНО ВМД-КОМПОНЕНТА», K определяют путем использования способа наблюдения за средней частотой. Путем наблюдения за соответствующими средними частотами мод, которые соответствуют различным значениям K, когда возникают два модальных компонента с подобными средними частотами, число модальных уровней предыдущего уровня определяют, как значение K. В этом способе значение K выбирают вручную, наблюдая за средними частотами, что может дать декомпозицию эффективного сигнала об утечке и менее точный результат извлечения, что приводит к относительно большой погрешности восстановления после декомпозиции ВМД. Таким образом, в настоящем изобретении коэффициент корреляции r между y n каждого компонента ФП и исходным сигналом об утечке x(t) вычисляют путем использования коэффициента Пирсона для корреляции по смешанным моментам. Диапазон значений коэффициента корреляции r составляет [–1,1]. Если абсолютное значение коэффициента корреляции больше, то степень линейной корреляции между двумя образцами выше. Коэффициент эксцесса является безразмерным параметром, его используют для описания величины пика формы волны сигнала, и он является более чувствительным к шоковому сигналу. Основной компонент в сигнале об утечке является шоковым компонентом, а другой компонент рассматривается, как сигнал интерференционного шума. Если коэффициент эксцесса равняется 3, то считается, что сигнал, значение коэффициента эксцесса которого составляет менее 3, является сигналом помех. Более того, при утечке в трубопроводе большее значение коэффициента эксцесса показывает большую информацию сигнала об утечке. Таким образом, получают коэффициент корреляции между каждым компонентом ФП и исходным сигналом об утечке. Из определения коэффициента корреляции можно понять, что компонент, абсолютное значение поправочного коэффициента которого составляет более 0,5, является сильным компонентом корреляции. Таким образом, выбирают компонент ФП, абсолютное значение поправочного коэффициента которого составляет более 0,5, и вычисляют значение коэффициента эксцесса компонента ФП. Компонент ФП со значением коэффициента эксцесса менее 3 выбирают для снижения помех от некоррелированного компонента, когда собирают сигнал об утечке в трубопроводе. Выбранный компонент ФП анализируют для определения числа (значения k) компонентов в декомпозиции ВМД. Далее выполняют восстановление сигнала на выбранном компоненте ФП с получением восстановленного сигнала x'(t). В отличие от патента «СПОСОБ И УСТРОЙСТВО ДЛЯ ОПРЕДЕЛЕНИЯ ПОЛОЖЕНИЯ УТЕЧЕК ПРИРОДНОГО ГАЗА», выданного Wang Xiufang и др., в настоящем изобретении получают коэффициент корреляции каждого компонента ФП, выбирают компонент ФП, абсолютное значение которого составляет более 0,5, согласно коэффициенту корреляции, а затем определяют то, содержит ли компонент ФП сигнал шума, путем вычисления значения коэффициента эксцесса компонента для определения значения числа K уровней декомпозиции ВМД.In the traditional method, for example, in the patent "METHOD FOR DETERMINING THE POSITION OF LEAKS BASED ON ANALYSIS OF ENTROPY RELATIVE TO AMD COMPONENT", K is determined by using the method of observing the average frequency. By observing the corresponding mean frequencies of the modes that correspond to different values of K when two modal components with similar mean frequencies occur, the number of modal levels of the previous level is determined as the value of K. In this method, the value of K is manually selected by observing the mean frequencies, which can to give a decomposition of the effective leak signal and a less accurate extraction result, which leads to a relatively large recovery error after the decomposition of the AMD. Thus, in the present invention, the correlation coefficient r between the y n of each FP component and the original leakage signal x (t) is calculated by using the Pearson coefficient for the mixed moment correlation. The range of values of the correlation coefficient r is [–1.1]. If the absolute value of the correlation coefficient is greater, then the degree of linear correlation between the two samples is higher. The kurtosis coefficient is a dimensionless parameter, it is used to describe the magnitude of the peak of a waveform, and it is more sensitive to a shock signal. The main component in the leak signal is the shock component, and the other component is treated as the interference noise signal. If the kurtosis ratio is 3, then the signal, the kurtosis value of which is less than 3, is considered to be an interference signal. Moreover, when there is a leak in the pipeline, a higher kurtosis value indicates more information about the leak signal. Thus, a correlation coefficient is obtained between each FP component and the original leakage signal. From the definition of the correlation coefficient, it can be understood that the component, the absolute value of the correction coefficient of which is more than 0.5, is a strong component of the correlation. Thus, the FP component is selected, the absolute value of the correction factor of which is more than 0.5, and the value of the kurtosis coefficient of the FP component is calculated. The FP component with a kurtosis value of less than 3 is selected to reduce interference from the uncorrelated component when collecting a pipeline leak signal. The selected FP component is analyzed to determine the number (k value) of components in the AMD decomposition. Next, the signal is restored on the selected FP component to obtain the reconstructed signal x '(t). Unlike the patent "METHOD AND DEVICE FOR DETERMINING THE POSITION OF NATURAL GAS LEAKS" issued by Wang Xiufang et al., In the present invention, the correlation coefficient of each FP component is obtained, the FP component is selected, the absolute value of which is more than 0.5, according to the correlation coefficient, and then determining whether the FP component contains a noise signal by calculating the kurtosis value of the component to determine the value of the number K of PMD decomposition levels.
Далее, на этапе S4 конкретный процесс выполнения декомпозиции ВМД на восстановленном сигнале x'(t) и выбор компонента ВМФ включает следующие этапы, на которых:Further, at step S4, the specific process of performing the decomposition of the PMD on the recovered signal x '(t) and the selection of the component of the PMT includes the following steps, in which:
S4.1: выполняют декомпозицию восстановленного сигнала x'(t) путем использования ВМД на k компонентов ВМФ, как показано в следующей формуле:S4.1: perform decomposition of the reconstructed signal x '(t) by using the PMD into k components of the PMF, as shown in the following formula:
(3), (3),
где uk представляет kый компонент ВМФ, а k = 1, 2, …, n, гдеwhere u k is k th component of the Navy, and k = 1, 2, ..., n, where
суть алгоритма ВМД заключается в решении вариационной задачи, и его процесс является следующим:the essence of the VMD algorithm is to solve a variational problem, and its process is as follows:
для uk(t) каждого компонента ВМФ его аналитический сигнал может быть получен путем использования преобразования Гилберта:for u k (t) of each EMF component its analytical signal can be obtained by using the Gilbert transform:
(4), (four),
где δ(t) представляет собой функцию Дирихле, j представляет собой символ мнимого числа, среднюю частоту ωk оценивают для каждого модального аналитического сигнала, выполняют смешивание, и спектр частот каждой моды модулируют в соответствующую основную полосу для формирования нового аналитического сигнала, записываемого, как , как показано далее:where δ (t) is the Dirichlet function, j is the imaginary number symbol, the average frequency ω k is estimated for each modal analytical signal, mixing is performed, and the frequency spectrum of each mode is modulated into the corresponding baseband to form a new analytical signal, written as as shown below:
(5), (five),
вычисляют квадрат L2 нормы градиента вышеуказанного демодулированного сигнала и оценивают полосу пропускания каждого модального компонента, где установленная ограниченная вариационная модель Y представляет собой:calculating the square L 2 of the gradient norm of the above demodulated signal; and estimating the bandwidth of each modal component, where the fixed constrained variation model Y is:
(6), (6),
где {u k } = {u 1, u 2, …, u k } представляет собой k компонентов ВМФ, полученных посредством декомпозиции, {ωk} = { ω1, ω2, …, ωk} представляет собой среднюю частоту каждого компонента, а s.t. представляет собой английскую аббревиатуру условия ограничения;where { u k } = { u 1 , u 2 , ..., u k } represents k components of the IMF obtained by decomposition, {ω k } = {ω 1 , ω 2 , ..., ω k } is the average frequency of each component, and st is the English abbreviation for the constraint condition;
для решения вышеуказанной ограниченной вариационной модели Y вводят вторичный поправочный коэффициент α и множитель Лагранжа λ(t), и расширенное выражение Лагранжа формулируют следующим образом:to solve the above limited variational model Y, the secondary correction factor α and the Lagrange multiplier λ (t) are introduced, and the extended Lagrange expression is formulated as follows:
, ,
где компонент ВМФ и его средние частоты: , , и λ n +1 непрерывно обновляют при помощи алгоритма переменного направления множителей, где uk представляет собой kый компонент ВМФ, ωk представляет собой среднюю частоту, соответствующую uk, λ представляет собой множитель Лагранжа, n представляет собой положительное целое число, а f представляет собой максимальное отклонение средней частоты ωk, до тех пор, пока не будет удовлетворено следующее условие остановки итерации:where the naval component and its mean frequencies: , And λ n +1 continuously updated by the algorithm alternating directions multipliers where u k is the k th component of the Navy, ω k represents an average frequency corresponding to u k, λ is a Lagrange multiplier, n is a positive integer and f is the maximum deviation of the mean frequency ω k , until the following iteration stop condition is satisfied:
, ,
где точность определения θ > 0, седельная точка полученной в конечном итоге формулы (7) является оптимальным решением, и получают k {u k };where the accuracy of determining θ> 0, the saddle point of the ultimately obtained formula (7) is the optimal solution, and k { u k } is obtained;
S4.2: выбирают k компонентов ВМФ путем вычисления ММЭ, где большая ММЭ показывает, что ее компонент содержит больше информации об утечке, устанавливают исходную временную последовательность компонента ВМФ от u k до {u 1, u 2, …, u k }, длительность до N, устанавливают их размерность вложения до w, а также допуск сходства до z, и выполняют грубое преобразование на исходной временной последовательности с получением новой временной последовательности:S4.2: choose k components of the EMF by calculating the MME, where the large MME shows that its component contains more information about the leak, set the initial time sequence of the EMF component from u k to { u 1 , u 2 , ..., u k }, duration up to N, set their nesting dimension up to w, as well as the similarity tolerance up to z, and perform a rough transformation on the original time sequence to obtain a new time sequence:
, ,
где k = 1, 2, …, s/τ, где μ, k являются положительными целыми числами, и μ ≠ k, s является длительностью дискретной временной последовательности, τ представляет собой коэффициент масштаба, исходная временная последовательность сегментирована на τ сегментов, где каждый сегмент представляет грубую последовательность с длительностью s/τ, и когда τ = 1, новая временная последовательность представляет собой исходную временную последовательность; w-размерный вектор временной последовательности формируют путем использования размерности w и допуска сходства z, и его записывают, как x μ (w) = { x μ , x μ +1, ..., x μ + w −1}, где x μ является вектором конкретной размерности во временной последовательности, μ = (k − 1) τ + 1, и x μ представляет собой значение в исходной временной последовательности;where k = 1, 2, ..., s / τ , where μ , k are positive integers, and μ ≠ k , s is the duration of the discrete time sequence, τ is the scale factor, the original time sequence is segmented into τ segments, where each the segment is a coarse sequence of duration s / τ , and when τ = 1, the new time sequence is the original time sequence; The w-dimensional vector of the time sequence is formed by using the dimension w and the similarity tolerance z, and it is written as x μ ( w ) = { x μ , x μ +1 , ..., x μ + w −1 }, where x μ is a vector of a particular dimension in a time sequence, μ = ( k - 1) τ + 1, and x μ is a value in the original time sequence;
вычисляют энтропию образца для каждой грубой временной последовательности с длительностью s/τ по отдельности с получением ее значения энтропии образца, и вычерчивают значение энтропии образца в зависимости от коэффициента масштаба для значения ММЭ согласно формуле (10):calculate the entropy of the sample for each coarse time sequence with the duration s / τ separately to obtain its value of the entropy of the sample, and plot the value of the entropy of the sample depending on the scale factor for the MME value according to the formula (10):
, ,
где MSE представляет собой ММЭ, SampE представляет собой энтропию образца, w представляет собой размерность вложения, k представляет собой положительное целое число, τ представляет собой коэффициент масштаба, z представляет собой допуск сходства, s представляет собой длительность временной последовательности, u k представляет собой компонент ВМФ, φk представляет собой конкретный момент временной последовательности, u k τ относится к выполнению многомасштабного преобразования компонента ВМФ, а коэффициентом масштаба является τ; иwhere MSE is the MME, SampE is the entropy of the sample, w is the nesting dimension, k is a positive integer, τ is the scale factor, z is the similarity tolerance, s is the time sequence duration, u k is the IMF component , φ k represents a particular moment in the time sequence, u k τ refers to performing a multiscale transformation of the nav component, and the scale factor is τ ; and
S4.5: выбирают оптимальную ММЭ MSEn на каждой шкале и, наконец, вычисляют значения ММЭ соответствующих компонентов ВМФ: MSE1, MSE2, MSE3, …, MSEn, причем по сравнению с патентом «УСТРОЙСТВО И СПОСОБ ОПРЕДЕЛЕНИЯ УТЕЧКИ В ТРУБОПРОВОДЕ, ИСПОЛЬЗУЯ АЛГОРИТМ PSO-ВМД», в настоящем изобретении число уровней декомпозиции, то есть значение K, в ВМД оптимизируют при помощи ДЛСМ, и после декомпозиции выполняют анализ в каждой размерности на компоненте ВМФ согласно значению ММЭ, так что по сравнению с энтропией информации может быть извлечена более эффективная информация об утечке; и для выполнения анализа достоверности способ сравнивают со способом на основе одной декомпозиции ВМД для проверки.S4.5: select the optimal MME MSE n on each scale and, finally, calculate the MME values of the corresponding components of the Navy: MSE 1 , MSE 2 , MSE 3 , ..., MSE n , and in comparison with the patent "DEVICE AND METHOD FOR DETERMINING A LEAK IN A PIPELINE USING THE PSO-VMD ALGORITHM ", in the present invention, the number of decomposition levels, that is, the value of K, in the VMD is optimized using the DLSM, and after decomposition, an analysis is performed in each dimension on the VMF component according to the MME value, so that, in comparison with the entropy of information, can more efficient information about the leak be extracted; and to perform a plausibility analysis, the method is compared with a single AMD decomposition method for verification.
Кроме того, на этапе S5 конкретный процесс получения оцененного сигнала об утечке посредством слепого разделения источников на основе анализа независимого компонента и выполнения определения положений путем взаимной корреляции на оцененном сигнале об утечке и исходном сигнале об утечке включает следующие этапы, на которых:In addition, in step S5, the specific process of obtaining an estimated leakage signal by blind source separation based on an analysis of the independent component and performing cross-correlation positioning on the estimated leakage signal and the original leakage signal includes the following steps, in which:
S5.1: получают значение ММЭ MSEn каждого компонента ВМФ посредством вышеуказанного процесса и выполняют выбор, где каждый компонент ВМФ представляет собой модальный компонент, включающий информацию об утечке различных степеней на множестве масштабов, и извлекают временной интервал и спектр частот каждого выбранного компонента ВМФ для восстановления с получением наблюдаемого сигнала причем наблюдаемый сигнал представляет собой математическое выражение для сигнала и временной функции, и его получают путем восстановления временного интервала и спектра частот компонента ВМФ при помощи MATLAB, и созданный многомерный наблюдаемый сигнал решает проблему недоопределенного слепого источника, то есть когда число датчиков меньше, чем число источников сигнала;S5.1: Obtain the MME MSE n of each nav component through the above process and make a selection, where each nav component is a modal component including leakage information of various degrees on a plurality of scales, and retrieve the time domain and frequency spectrum of each selected nav component for recovery with receipt of the observed signal moreover, the observed signal is a mathematical expression for the signal and the time function, and it is obtained by reconstructing the time interval and frequency spectrum of the PMF component using MATLAB, and the generated multidimensional observed signal solves the problem of an underdetermined blind source, that is, when the number of sensors is less than the number of sources signal;
S5.2: вычисляют матрицу коэффициентов корреляции наблюдаемого сигнала путем выполнения разделения на наблюдаемом сигнале где представляет собой диагональную матрицу затем оценивают число j оцененных сигналов об утечке согласно значению признака, центрируют наблюдаемый сигнал и выполняют процесс придания свойств белого шума для того, чтобы, наконец, получить j оцененных сигналов об утечке в трубопроводе после слепого разделения источников, и далее выполняют вычисление коэффициента корреляции на оцененных сигналах об утечке и исходном сигнале об утечке для определения конкретных исходных сигналов, с которыми оцененные сигналы об утечке, соответственно, имеют соответствие «один к одному»;S5.2: Calculate the matrix of correlation coefficients the observed signal by performing separation on the observed signal Where is a diagonal matrix then the number j of the estimated leakage signals is estimated according to the feature value, the observed signal is centered and a white noise imparting process is performed to finally obtain j estimated leak signals in the pipeline after blind separation of sources, and then calculating the correlation coefficient on the estimated leak signals and the original leak signal to determine the specific initial signals with which the estimated leak signals, respectively, have a one-to-one correspondence;
S5.3: вычисляют временную задержку △t оцененных сигналов об утечке выше и ниже по потоку (t) и после слепого разделения источников путем взаимной корреляции, и определяют место утечки в трубопроводе согласно способу определения положения по разности во времени:S5.3: Calculate the time delay △ t of the estimated upstream and downstream leak signals ( t ) and after blind separation of sources by cross-correlation, and the location of the leak in the pipeline is determined according to the method for determining the position by the difference in time:
, ,
где в формуле d представляет собой оцененное значение определения положения утечки, l представляет собой расстояние между находящимися выше и ниже по потоку датчиками, v представляет собой скорость распространения сигнала акустического излучения утечки в трубопроводе, а Δt представляет собой временную задержку.where in the formula d is the estimated value of the leak position detection, l is the distance between upstream and downstream sensors, v is the propagation velocity of the acoustic emission signal of the leak in the pipeline, and Δt is the time delay.
S5.3: вычисляют временную задержку △t оцененных сигналов об утечке выше и ниже по потоку и после слепого разделения источников путем взаимной корреляции, получая скорость распространения v в случае определения таких параметров, как давление, диаметр отверстия и среда, определяя место точки утечки в трубопроводе согласно способу определения положения по разности во времени: S5.3: Calculate the time delay △ t of the estimated upstream and downstream leak signals and after blindly separating the sources by cross-correlation, obtaining the propagation velocity v in the case of determining such parameters as pressure, hole diameter and medium, determining the location of the leak point in the pipeline according to the method for determining the position by the difference in time:
, ,
где в формуле d представляет собой оцененное значение определения положения утечки, а именно расстояние от точки утечки до находящегося выше по потоку датчика давления, l представляет собой расстояние между находящимися выше и ниже по потоку датчиками, v представляет собой скорость распространения сигнала акустического излучения утечки в трубопроводе, и Δt представляет собой временную задержку, а (t) и соответственно представляют собой исходный сигнал об утечке, полученный выше по потоку, и исходный сигнал об утечке, полученный ниже по потоку, после слепого разделения источников.where in the formula d is the estimated value for determining the position of the leak, namely the distance from the leak point to the upstream pressure transducer, l is the distance between the upstream and downstream transducers, v is the propagation velocity of the acoustic emission signal in the pipeline , and Δt is the time delay, and ( t ) and respectively represent the original upstream leakage signal and the downstream original leakage signal after blind source separation.
Положительные эффекты настоящего изобретения заключаются в следующем: Настоящее изобретение обеспечивает способ многопозиционного определения положения утечек на основе улучшенной ВМД. В способе, сигнал об утечке в трубопроводе собирают посредством прибора для акустического излучения, и на сигнале выполняют уменьшение шума при помощи ДЛСМ и ВМД. Результат после декомпозиции ДЛСМ анализируют путем использования коэффициента корреляции. Оптимизируют и выбирают число K уровней декомпозиции в способе ВМД. Далее, компонент ВМФ, содержащий большое количество информации об утечке, в конечном итоге выбирают путем расчета ММЭ компонента ВМФ. На компоненте ВМФ выполняют восстановление и уменьшение шума путем использования слепого разделения источников на основе анализа независимых компонентов. Наконец, определяют положение оцененного сигнала об утечке, полученного после слепого разделения источников, путем использования взаимной корреляции. В настоящем изобретении сигнал об утечке в трубопроводе может быть извлечен эффективным образом, при этом исключается воздействие компонента с низкой корреляцией и шума в исходном сигнале об утечке, так что конечный результат определения места является более точным.The advantages of the present invention are as follows: The present invention provides a method for multi-position determination of the position of leaks based on an improved PMD. In the method, a signal about a leak in a pipeline is collected by means of an acoustic radiation device, and noise reduction is performed on the signal by means of DLSM and PMD. The result after DLSM decomposition is analyzed by using the correlation coefficient. The number K of decomposition levels in the AMD method is optimized and selected. Further, the naval component containing a large amount of leakage information is ultimately selected by calculating the MME of the naval component. On the naval component, noise recovery and reduction is performed by using blind source separation based on the analysis of independent components. Finally, the position of the estimated leakage signal obtained after blind source separation is determined by using cross-correlation. In the present invention, the leakage signal in the pipeline can be extracted efficiently while eliminating the effect of the low correlation component and noise in the original leakage signal, so that the final location result is more accurate.
КРАТКОЕ ОПИСАНИЕ ФИГУРBRIEF DESCRIPTION OF THE FIGURES
ФИГ. 1 представляет собой схематическую принципиальную схему оптимального варианта реализации настоящего изобретения;FIG. 1 is a schematic schematic diagram of an optimal embodiment of the present invention;
ФИГ. 2 представляет собой схематическую диаграмму расположения утечек в трубопроводе;FIG. 2 is a schematic diagram of the location of leaks in a pipeline;
ФИГ. 3 представляет собой частотно-временную диаграмму исходного сигнала об утечке выше по потоку;FIG. 3 is a time-frequency diagram of an original upstream leak signal;
ФИГ. 4 представляет собой диаграмму результата декомпозиции ДЛСМ;FIG. 4 is a diagram of the result of the DLSM decomposition;
ФИГ. 5 представляет собой диаграмму результата декомпозиции ВМД; иFIG. 5 is a diagram of the result of AMD decomposition; and
ФИГ. 6 представляет собой частотно-временную диаграмму оцененного сигнала об утечке после слепого разделения источников.FIG. 6 is a time-frequency diagram of an estimated leakage signal after blind source separation.
ПОДРОБНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯDETAILED DESCRIPTION OF THE INVENTION
Настоящее изобретение подробно описано ниже со ссылкой на сопроводительные чертежи. Фигуры представляют собой краткие схематические изображения и используются лишь для описания базовой структуры настоящего изобретения, и, следовательно, на них показана структура, относящаяся только к настоящему изобретению.The present invention is described in detail below with reference to the accompanying drawings. The figures are brief schematic diagrams and are used only to describe the basic structure of the present invention, and therefore, they show a structure pertaining only to the present invention.
В настоящем изобретении представлен способ многопозиционного определения положения утечек на основе улучшенной ВМД. Например, ФИГ. 1 представляет собой конкретную принципиальную схему настоящего изобретения. Ссылаясь на способы, такие как алгоритм ДЛСМ, алгоритм ВМД, ММЭ, слепое разделение источников на основе анализа независимых компонентов, конкретными этапами являются следующие этапы, на которых:The present invention provides a method for multi-position determination of the position of leaks based on an improved AMD. For example, FIG. 1 is a specific schematic diagram of the present invention. Referring to methods such as the DLSM algorithm, PMD algorithm, MME, blind source separation based on the analysis of independent components, the specific steps are the following steps, in which:
1. Используют следующие экспериментальные параметры: длина трубопровода составляет 50 м, исходное давление трубопровода составляет 0,3 МПа, расстояние между двумя датчиками составляет 42 м, причем два датчика расположены выше и ниже по потоку в трубопроводе, соответственно, а точки утечки, соответственно, расположены на расстоянии 8 м, 18 м и 30 м от находящегося выше по потоку датчика, и диаметр отверстия утечки составляет 1 мм. Экспериментальное расположение трубопровода показано на ФИГ. 2. 4-канальный цифровой детектор модели 6006, произведенный компанией «American PAC», использовали в качестве прибора для акустического излучения. Низкочастотный датчик использовали в качестве датчика акустического излучения, причем его моделью была DP3I, диапазоны частот отклика составляли от 20 до 100 кГц, резонансная частота составляла 30 кГц, частота выборки составляет 1 млн. выборок в секунду, а коэффициент усиления встроенного усилителя составляет 40 дБ. Сигналы об утечке в трубопроводе собирают путем использования прибора для акустического излучения, и полученные сигналы об утечке ниже и выше по потоку, соответственно, записывают, как x1(t) и x2(t). Исходный сигнал акустического излучения утечки x1(t), собранный находящимся выше по потоку датчиком, использовали в качестве примера. На ФИГ. 3 показано распределение временного интервала и спектра частот x1(t).1. The following experimental parameters are used: the length of the pipeline is 50 m, the initial pressure of the pipeline is 0.3 MPa, the distance between the two sensors is 42 m, with two sensors located upstream and downstream in the pipeline, respectively, and the leak points, respectively, are located 8 m, 18 m and 30 m from the upstream sensor and the leak hole diameter is 1 mm. An experimental pipeline layout is shown in FIG. 2. A model 6006 4-channel digital detector manufactured by American PAC was used as an acoustic emission instrument. The low-frequency sensor was used as an acoustic radiation sensor, and its model was DP3I, the response frequency ranges were from 20 to 100 kHz, the resonance frequency was 30 kHz, the sampling rate was 1 million samples per second, and the gain of the built-in amplifier was 40 dB. The pipeline leak signals are collected by using an acoustic emission instrument and the received downstream and upstream leak signals, respectively, are recorded as x 1 (t) and x 2 (t). The raw acoustic leakage signal x 1 (t) collected by the upstream sensor was used as an example. FIG. 3 shows the distribution of the time interval and the frequency spectrum x 1 (t).
2. Выполняют ДЛСМ на сигнале об утечке x1(t), и выполняют усреднение числа раз, то есть 100 раз, согласно опыту, для снижения воздействия добавленного шума на реальный ФП. Однако, если амплитуда добавленного белого шума слишком мала, то эффект изменения распределения предельных точек не может быть получен. Если амплитуда добавленного белого шума слишком большая, то, безусловно, воздействие добавленного шума может быть уменьшено, однако декомпозиция является слишком медленной. Таким образом, амплитуду добавленного белого шума устанавливают, как такую, которая в 0,15 раз меньше стандартного отклонения исходного сигнала об утечке. Операцию усреднения по множеству выполняют отдельно на компонентах ФП соответствующих порядков всего остаточного шума. Конечный полученный результат декомпозиции ДЛСМ показан на ФИГ. 4.2. Perform DLSM on the signal about the leak x 1 (t), and perform averaging the number of times, that is, 100 times, according to experience, to reduce the effect of the added noise on the real FP. However, if the amplitude of the added white noise is too small, then the effect of changing the distribution of the limit points cannot be obtained. If the amplitude of the added white noise is too large, then of course the effect of the added noise can be reduced, but the decomposition is too slow. Thus, the amplitude of the added white noise is set to be 0.15 times less than the standard deviation of the original leak signal. The operation of averaging over a set is performed separately on the components of the phase transitions of the corresponding orders of the total residual noise. The final obtained result of the DLSM decomposition is shown in FIG. four.
Из ФИГ. 4 можно увидеть, что восемь компонентов ФП и один остаточный компонент ui получены посредством декомпозиции ДЛСМ на исходном сигнале об утечке x1(t), а также можно увидеть, что шум составляет серьезные помехи для компонентов исходного сигнала об утечке x1(t), и форма исходного сигнала об утечке не может быть надежно извлечена. Кроме того, амплитуды компонентов ФП7-ФП8 сильно изменяются. Таким образом, способ ДЛСМ имеет специфическую шумоподавляющую способность, однако при декомпозиции может происходить явление модального наложения.From FIG. 4, one can see that eight FP components and one residual component u i were obtained by decomposition of the DLFM on the initial leakage signal x 1 (t), and it can also be seen that noise constitutes a serious interference for the components of the original leak signal x 1 (t) , and the original leakage waveform cannot be reliably extracted. In addition, the amplitudes of the components of the FP 7- FP 8 vary greatly. Thus, the DLSM method has a specific noise suppressing ability, however, during decomposition, the phenomenon of modal overlap may occur.
3. Вычисляют коэффициент корреляции каждого компонента ФП согласно правилу коэффициента корреляции для выбора компонента ФП. Коэффициент корреляции отражает близость корреляции между вариантами. Коэффициент корреляции r между каждым компонентом ФП и исходным сигналом об утечке x(t), а также значение коэффициента эксцесса, вычисляют путем использования коэффициента корреляции Пирсона по смешанным моментам, как показано в Таблице 1:3. Calculate the correlation coefficient of each FP component according to the correlation coefficient rule for selecting the FP component. The correlation coefficient reflects the closeness of the correlation between the options. The correlation coefficient r between each FP component and the original leak signal x (t), as well as the value of the kurtosis coefficient, is calculated using the Pearson correlation coefficient for mixed moments, as shown in Table 1:
Таблица 1: Коэффициент корреляции и значение коэффициента эксцесса каждого компонента ФПTable 1: Correlation coefficient and the value of the kurtosis coefficient of each FP component
Согласно результатам, полученным в Таблице 1, коэффициенты корреляции компонентов ФП1-ФП7 составляют больше 0,5, а коэффициент корреляции ФП8 составляет меньше 0,5. Из определения коэффициента корреляции можно понять, что компонент, коэффициент корреляции которого составляет более 0,5, является сильным компонентом корреляции. Таким образом, компонент ФП8 отбрасывают. Затем значение коэффициента эксцесса ФП7 составляет менее 3. Таким образом, определено, что число компонентов в декомпозиции ВМД составляет 6, а именно k = 6. Для удаления компонента с низкой корреляцией из восстановленного сигнала, ФП1-ФП6 выбирают для восстановления с получением восстановленного сигнала, записанного, как .According to the results obtained in Table 1, the correlation coefficients of the components of FP 1- FP 7 are greater than 0.5, and the correlation coefficient of FP 8 is less than 0.5. From the definition of the correlation coefficient, it can be understood that a component with a correlation coefficient greater than 0.5 is a strong correlation component. Thus, the FP component 8 is discarded. Then the value of the kurtosis coefficient of the FP 7 is less than 3. Thus, it is determined that the number of components in the decomposition of the PMD is 6, namely k = 6. To remove the component with low correlation from the reconstructed signal, FP1-FP6 are selected for reconstruction with obtaining the reconstructed signal written as ...
4. Выполняют декомпозицию ВМД на восстановленном сигнале , где k = 6, α = 3000, при этом результат декомпозиции показан на ФИГ. 5. На ФИГ. 5 можно увидеть, что после уменьшения шума посредством ДЛСМ, сигнал подвергается декомпозиции посредством ВМД с получением шести компонентов ВМФ и одного остаточного компонента. Для дальнейшего выбора компонента ВМФ вычисляли значения ММЭ соответствующих компонентов ВМФ при 0,3 МПа, 0,25 МПа и 0,2 МПа, при этом результаты показаны в Таблице 2.4. Perform decomposition of AMD on the recovered signal where k = 6, α = 3000, with the result of the decomposition shown in FIG. 5. In FIG. 5, it can be seen that after the noise reduction by DLSM, the signal is decomposed by the PMD to obtain six PMF components and one residual component. For further selection of the HMF component, the MME values of the corresponding HMF components were calculated at 0.3 MPa, 0.25 MPa, and 0.2 MPa, with the results shown in Table 2.
Таблица 2: Значения ММЭ соответствующих компонентов ВМФ при различных значениях давленияTable 2: MME values of the corresponding HMF components at various pressures
Из Таблицы 2 можно понять, что значения ММЭ ВМФ1, ВМФ2, ВМФ3 и ВМФ4 являются относительно большими, а значения ММЭ компонентов ВМФ5 и ВМФ6 являются относительно маленькими. Таким образом, в компонентах ВМФ, полученных после декомпозиции сигнала посредством ВМД, ВМФ1, ВМФ2, ВМФ3 и ВМФ4 включают в себя большое количество характерной информации сигнала об утечке, а другие компоненты фактически не включают в себя эффективную информацию об утечке. Таким образом, в настоящем раскрытии ВМФ1, ВМФ2, ВМФ3 и ВМФ4 выбирают в качестве основных компонентов для восстановления. Таким образом, воздействие фонового шума и остаточных компонентов на сигнал об утечке может быть существенно снижено.From Table 2, it can be understood that the MME values of VMF 1 , VMF 2 , VMF 3 and VMF 4 are relatively large, and the MME values of the components VMF 5 and VMF 6 are relatively small. Thus, in the VFM components obtained after signal decomposition by VFM, VFM 1 , VFM 2 , VFM 3, and VFM 4 include a large amount of characteristic information about the leak signal, and other components do not actually include effective information about the leak. Thus, in the present disclosure, Navy 1 , Navy 2 , Navy 3, and Navy 4 are selected as the main components for recovery. In this way, the effect of background noise and residual components on the leak signal can be significantly reduced.
5. Выбирают компоненты ВМФ1-ВМФ4 посредством вышеуказанного процесса, извлекают временной интервал и спектр частот каждого компонента ВМФ для восстановления с получением наблюдаемого сигнала где созданный многомерный наблюдаемый сигнал решает проблему недоопределенного слепого источника надежным образом, вычисляют значение признака матрицы коэффициентов корреляции Rx и оценивают число источников для наблюдаемого сигнала. Значения признаков, соответствующие компонентам ВМФ1-ВМФ4, составляют 1,4393, 1,0558, 1,0265 и 0,497 соответственно. Первые три значения признаков являются относительно большими. Таким образом, число оцененных сигналов об утечке составляет 3. Три оцененных сигнала об утечке выше по потоку Yμ(t) в трубопроводе получают при помощи способа слепого разделения источников на основе анализа независимых компонентов, как показано на ФИГ. 6. Подобным образом, может быть получено три оцененных сигнала об утечке ниже по потоку . При фактическом определении положения утечки в нескольких местах, поскольку все сигналы, отделенные после слепого разделения источников, являются сигналами об утечке, конкретные соответствия между оцененными сигналами об утечке и местами утечки нельзя различить согласно диаграмме временных интервалов после разделения. Таким образом, вычисляют коэффициент корреляции между каждыми двумя из трех отделенных сигналов выше по потоку и тремя отделенными сигналами ниже по потоку, при этом результаты показаны в Таблице 3. Сигналы с корреляцией имеют относительно большой коэффициент корреляции, так что выполняют отличение того, исходят ли сигналы из одного и того же места утечки, и получают соответствующие сигналы об утечке ниже и выше по потоку.5. Select the components of the VMF 1- VMF 4 through the above process, extract the time interval and the frequency spectrum of each component of the VMF for recovery to obtain the observed signal where the generated multidimensional observed signal solves the problem of an underdetermined blind source in a reliable manner, the value of the attribute of the matrix of correlation coefficients R x is calculated and the number of sources for the observed signal is estimated. The values of the attributes corresponding to the components of the Navy 1 - Navy 4 are 1.4393, 1.0558, 1.0265 and 0.497, respectively. The first three characteristic values are relatively large. Thus, the number of estimated leak signals is 3. Three estimated leak signals upstream Y μ (t) in the pipeline are obtained by a blind source separation method based on the analysis of independent components, as shown in FIG. 6. Similarly, three estimated downstream leak signals can be obtained. ... When actually locating the leak at multiple locations, since all signals separated after blind source separation are leak signals, the specific correspondences between the evaluated leak signals and the leak locations cannot be discerned according to the post-separation time plot. Thus, a correlation coefficient is calculated between each two of the three separated upstream signals and three separated downstream signals, with the results shown in Table 3. The correlated signals have a relatively large correlation coefficient, so that it is discriminated whether the signals are emitted from the same leak point and receive corresponding downstream and upstream leak signals.
Таблица 3: Таблица коэффициентов корреляции между оцененными сигналами об утечке выше и ниже по потокуTable 3: Table of correlation coefficients between estimated upstream and downstream leak signals
Из Таблицы 3 можно увидеть, что Y1 и , Y2 и , и Y3 и соответственно исходят из одних и тех же мест утечки. Таким образом, анализ взаимной корреляции проводят на Y1 и с получением того, что частота, соответствующая значению пика временного спектра его функции взаимной корреляции, составляет 27,1945 кГц, а время задержки, соответствующее значению пика, соответствует 0,01749 с. Согласно эмпирическому значению, скорость волны сигнала акустического излучения под действием гидродинамической нагрузки составляет 1500 м/с. Путем временной замены задержки и скорости звука в формуле определения положения с зависимостью от времени, расстояние от находящегося выше по потоку датчика до места утечки можно определить, как 7,88 м, тогда как фактическое расстояние составляет 8 м. Таким образом, абсолютная погрешность определения положения составляет 0,12 м, а относительная погрешность составляет 1,5%. По аналогии можно рассчитать местоположения и относительные погрешности оставшихся двух мест утечки. Для проверки эффективности способа, способ сравнивают с прямой взаимной корреляцией и определением положения утечек в трубопроводе на основе декомпозиции ВМД. Результаты показаны в Таблице 4.From Table 3 you can see that Y 1 and , Y 2 and , and Y 3 and accordingly come from the same leak points. Thus, the analysis of cross-correlation is carried out on Y 1 and obtaining that the frequency corresponding to the peak value of the time spectrum of its cross-correlation function is 27.1945 kHz, and the delay time corresponding to the peak value is 0.01749 s. According to the empirical value, the wave velocity of the acoustic radiation signal under the action of a hydrodynamic load is 1500 m / s. By temporarily replacing the delay and the speed of sound in the time-dependent positioning formula, the distance from the upstream sensor to the leak can be determined as 7.88 m, while the actual distance is 8 m. Thus, the absolute position error is 0.12 m, and the relative error is 1.5%. By analogy, the locations and relative errors of the remaining two leaks can be calculated. To check the effectiveness of the method, the method is compared with direct cross-correlation and determination of the position of leaks in the pipeline based on the decomposition of the PMD. The results are shown in Table 4.
Таблица 4: Сравнение результатов определения положения трех способовTable 4: Comparison of the results of determining the position of the three methods
Согласно результатам определения положения и погрешностей определения положения трех способов в Таблице 4, может быть получено, что средняя погрешность результата прямой взаимной корреляции составляет 7,45%, средняя погрешность определения положения способом ВМД составляет 4,3%, а минимальная погрешность определения положения способом, представленным в настоящем изобретении, составляет лишь 1,28%. Из таблицы можно ясно увидеть, что погрешность результата определения положения прямой взаимной корреляцией намного больше, чем у двух других способов. Поскольку в способе ВМД сигнал может подвергаться адаптивной декомпозиции, и могут быть удалены конкретные помехи, способ, представленный в настоящем изобретении, обеспечивает возможность извлечения большего количества информации об утечках после декомпозиции исходного сигнала об утечке посредством улучшенной ВМД, тем самым исключая воздействие числа уровней декомпозиции, а именно значения K, в ВМД на результат декомпозиции, снижая погрешность восстановления после декомпозиции ВМД и обеспечивая возможность точного многопозиционного определения положения утечки в трубопроводе. Вышеуказанные результаты доказывают эффективность способа.According to the results of determining the position and errors of determining the position of the three methods in Table 4, it can be obtained that the average error of the result of direct cross-correlation is 7.45%, the average error of determining the position by the AMD method is 4.3%, and the minimum error of determining the position by the method, presented in the present invention is only 1.28%. It can be clearly seen from the table that the error in the result of determining the position by direct cross-correlation is much larger than that of the other two methods. Since the PMD method can adaptively decompose a signal and specific interference can be removed, the method of the present invention makes it possible to extract more information about the leaks after decomposition of the original leak signal by the improved PMD, thereby eliminating the impact of the number of decomposition levels. namely, the values of K, in AMD on the result of decomposition, reducing the error of recovery after decomposition of AMD and providing the possibility of accurate multi-position determination of the position of the leak in the pipeline. The above results prove the effectiveness of the method.
В свете идеальных вариантов реализации настоящего изобретения, в вышеуказанное описание могут быть внесены различные изменения и модификации, не выходя за рамки объема настоящего изобретения. Технический объем настоящего изобретения не ограничен содержанием описания, и его технический объем следует определять согласно объему формулы изобретения.In light of the ideal embodiments of the present invention, various changes and modifications can be made to the above description without departing from the scope of the present invention. The technical scope of the present invention is not limited by the content of the description, and its technical scope should be determined according to the scope of the claims.
Claims (39)
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2019106595761 | 2019-07-22 | ||
CN201910659576.1A CN110454687B (en) | 2019-07-22 | 2019-07-22 | Pipeline multipoint leakage positioning method based on improved VMD |
PCT/CN2020/101826 WO2021012986A1 (en) | 2019-07-22 | 2020-07-14 | Pipeline multi-point leakage positioning method based on improved vmd |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2750516C1 true RU2750516C1 (en) | 2021-06-29 |
Family
ID=68481645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2020143195A RU2750516C1 (en) | 2019-07-22 | 2020-07-14 | Method for multi-positional determination of leaks position in pipeline based on improved amd |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN110454687B (en) |
RU (1) | RU2750516C1 (en) |
WO (1) | WO2021012986A1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114576568A (en) * | 2022-02-25 | 2022-06-03 | 辽宁石油化工大学 | Pipeline leakage detection method and device based on infrasonic waves |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110454687B (en) * | 2019-07-22 | 2020-09-22 | 常州大学 | Pipeline multipoint leakage positioning method based on improved VMD |
CN110726875B (en) * | 2019-12-02 | 2020-08-28 | 山东大学 | New energy flexible direct-current grid-connected transient harmonic detection method and system |
CN111414893B (en) * | 2020-04-09 | 2023-04-07 | 北华大学 | Rotor fault feature extraction method based on VMD fine composite multi-scale diffusion entropy |
CN111664365B (en) * | 2020-06-07 | 2022-01-28 | 东北石油大学 | Oil and gas pipeline leakage detection method based on improved VMD and 1DCNN |
CN111735583B (en) * | 2020-06-24 | 2022-01-28 | 东北石油大学 | Pipeline working condition identification method based on LCD-EE pipeline sound wave signal characteristic extraction |
CN111931574B (en) * | 2020-07-07 | 2022-10-18 | 中国矿业大学 | Robust fault diagnosis method for pneumatic regulating valve |
CN111947045B (en) * | 2020-08-24 | 2022-01-28 | 重庆邮电大学 | GVMD parameter optimization and singular value decomposition-based fluid pipeline leakage positioning method |
CN112013286B (en) * | 2020-08-26 | 2022-03-11 | 辽宁石油化工大学 | Method and device for positioning pipeline leakage point, storage medium and terminal |
CN112013285B (en) * | 2020-08-26 | 2022-04-19 | 辽宁石油化工大学 | Method and device for detecting pipeline leakage point, storage medium and terminal |
CN112232244A (en) * | 2020-10-22 | 2021-01-15 | 昆明理工大学 | Fault diagnosis method for rolling bearing |
CN112649196B (en) * | 2020-11-19 | 2022-09-06 | 上海交通大学烟台信息技术研究院 | Signal variation modal decomposition preset scale parameter selection method based on frequency domain information |
CN112902029B (en) * | 2021-01-19 | 2022-03-18 | 昆明理工大学 | U-shaped pipe running state voiceprint recognition method based on VMD and PNCC |
CN113514246A (en) * | 2021-04-23 | 2021-10-19 | 河北科技大学 | Rotary mechanical system damage detection method and device and terminal |
CN113375939B (en) * | 2021-05-28 | 2022-04-08 | 三峡大学 | Mechanical part fault diagnosis method based on SVD and VMD |
CN113671471B (en) * | 2021-08-18 | 2024-04-30 | 中国科学院声学研究所北海研究站 | Underwater sound target detection blind source separation method |
CN113916463B (en) * | 2021-09-01 | 2023-09-19 | 西安邮电大学 | Dangerous chemical transportation storage tank leakage detection method |
CN113625125B (en) * | 2021-09-24 | 2023-11-21 | 南方电网科学研究院有限责任公司 | High-resistance ground fault detection method, device and equipment for power distribution network |
CN113962266B (en) * | 2021-10-25 | 2024-06-14 | 东北石油大学 | Improved BAS-VMD-based pipeline leakage signal denoising method |
CN114325165A (en) * | 2021-11-26 | 2022-04-12 | 华能碳资产经营有限公司 | Power system fault signal identification method |
CN114441111B (en) * | 2022-01-29 | 2023-09-29 | 常州大学 | Pipeline leakage infrasonic wave signal analysis method and system |
CN114384565B (en) * | 2022-03-24 | 2022-05-31 | 南京市计量监督检测院 | Dynamic positioning coordinate sequence abnormal value identification method based on VMD iterative decomposition |
CN114742111B (en) * | 2022-05-24 | 2023-04-07 | 南京林业大学 | Fault diagnosis method and system based on parameter adaptive characteristic modal decomposition |
CN115200797B (en) * | 2022-09-19 | 2022-12-16 | 山东超华环保智能装备有限公司 | Leakage detection system for zero leakage valve |
CN115420247B (en) * | 2022-11-03 | 2023-01-06 | 核工业北京地质研究院 | Method for determining shape and area of vacuum leakage hole and experimental system |
CN115840120B (en) * | 2023-02-24 | 2023-04-28 | 山东科华电力技术有限公司 | High-voltage cable partial discharge abnormality monitoring and early warning method |
CN116415119B (en) * | 2023-04-26 | 2024-06-28 | 山东大学 | Entropy aliasing and feature enhancement-based gas abnormal signal detection method and system |
CN117870993B (en) * | 2024-03-12 | 2024-05-24 | 中建安装集团有限公司 | Multi-sensor-based return air leakage detection method and system for rotary dehumidifier |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2610968C1 (en) * | 2015-09-08 | 2017-02-17 | Общество с ограниченной ответственностью "ПРОЕКТНО-АНАЛИТИЧЕСКИЙ ЦЕНТР "ЛОРЕС" | Method for detection of oil leaks |
CN109469837A (en) * | 2018-11-19 | 2019-03-15 | 江苏省特种设备安全监督检验研究院 | Pressure pipeline multipoint leakage localization method based on VMD-PSE |
CN109630908A (en) * | 2019-01-23 | 2019-04-16 | 常州大学 | A kind of pipeline leakage positioning method of multiple noise reduction |
CN109654384A (en) * | 2019-01-29 | 2019-04-19 | 南京工业大学 | Pipeline leakage detection device and detection method based on PSO-VMD algorithm |
RU2688903C1 (en) * | 2018-05-18 | 2019-05-22 | Государственное бюджетное образовательное учреждение высшего образования "Альметьевский государственный нефтяной институт" | Method of determining leaks in pipelines and device for its implementation |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5383111A (en) * | 1989-10-06 | 1995-01-17 | Hitachi, Ltd. | Visual merchandizing (VMD) control method and system |
WO2014050618A1 (en) * | 2012-09-28 | 2014-04-03 | 日本電気株式会社 | Defect analysis device, defect analysis method, and program |
CN108644618B (en) * | 2018-05-09 | 2019-07-09 | 常州大学 | Pipeline leakage positioning method based on VMD component Relative Entropy Analysis |
CN108954020B (en) * | 2018-08-10 | 2020-01-07 | 常州大学 | Pipeline positioning method |
CN109084186B (en) * | 2018-08-17 | 2020-05-26 | 常州大学 | Pipeline leakage signal identification method based on improved ELMD (ensemble empirical mode decomposition) multi-scale entropy |
CN109681789B (en) * | 2019-03-01 | 2020-07-03 | 重庆邮电大学 | Fluid pipeline leakage acoustic vibration coherent detection positioning method based on variational modal decomposition |
CN109827082B (en) * | 2019-03-13 | 2020-10-09 | 常州大学 | Pipeline multi-point leakage accurate positioning method |
CN110454687B (en) * | 2019-07-22 | 2020-09-22 | 常州大学 | Pipeline multipoint leakage positioning method based on improved VMD |
-
2019
- 2019-07-22 CN CN201910659576.1A patent/CN110454687B/en active Active
-
2020
- 2020-07-14 RU RU2020143195A patent/RU2750516C1/en active
- 2020-07-14 WO PCT/CN2020/101826 patent/WO2021012986A1/en active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2610968C1 (en) * | 2015-09-08 | 2017-02-17 | Общество с ограниченной ответственностью "ПРОЕКТНО-АНАЛИТИЧЕСКИЙ ЦЕНТР "ЛОРЕС" | Method for detection of oil leaks |
RU2688903C1 (en) * | 2018-05-18 | 2019-05-22 | Государственное бюджетное образовательное учреждение высшего образования "Альметьевский государственный нефтяной институт" | Method of determining leaks in pipelines and device for its implementation |
CN109469837A (en) * | 2018-11-19 | 2019-03-15 | 江苏省特种设备安全监督检验研究院 | Pressure pipeline multipoint leakage localization method based on VMD-PSE |
CN109630908A (en) * | 2019-01-23 | 2019-04-16 | 常州大学 | A kind of pipeline leakage positioning method of multiple noise reduction |
CN109654384A (en) * | 2019-01-29 | 2019-04-19 | 南京工业大学 | Pipeline leakage detection device and detection method based on PSO-VMD algorithm |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114576568A (en) * | 2022-02-25 | 2022-06-03 | 辽宁石油化工大学 | Pipeline leakage detection method and device based on infrasonic waves |
CN114576568B (en) * | 2022-02-25 | 2023-08-29 | 辽宁石油化工大学 | Pipeline leakage detection method and device based on infrasonic wave |
Also Published As
Publication number | Publication date |
---|---|
CN110454687B (en) | 2020-09-22 |
WO2021012986A1 (en) | 2021-01-28 |
CN110454687A (en) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2750516C1 (en) | Method for multi-positional determination of leaks position in pipeline based on improved amd | |
CN109357749B (en) | DNN algorithm-based power equipment audio signal analysis method | |
CN104132250A (en) | Pipeline leakage feature vector extraction method based on improved wavelet packet | |
Song et al. | Wavelet based noise suppression technique and its application to ultrasonic flaw detection | |
CN113049684A (en) | Ultrasonic lamb wave defect signal identification method based on variational modal decomposition | |
KR101666521B1 (en) | Method and apparatus for detecting pitch period of input signal | |
CN105785324A (en) | MGCSTFT-based chirp signal parameter estimation method | |
CN109061591B (en) | Time-frequency line spectrum detection method based on sequential clustering | |
CN109630908B (en) | Pipeline leakage positioning method capable of reducing noise for multiple times | |
CN111736222A (en) | Single-shot data signal-to-noise ratio determining method and device | |
Shi et al. | Signal extraction using complementary ensemble empirical mode in pipeline magnetic flux leakage nondestructive evaluation | |
CN116189711A (en) | Transformer fault identification method and device based on acoustic wave signal monitoring | |
CN105721090B (en) | A kind of detection and recognition methods of illegal f-m broadcast station | |
CN105909979A (en) | Leakage acoustic wave feature extraction method based on fusion of wavelet transform and blind source separation algorithm | |
CN117633588A (en) | Pipeline leakage positioning method based on spectrum weighting and residual convolution neural network | |
CN105928666B (en) | Leakage acoustic characteristic extracting method based on Hilbert-Huang transform and blind source separating | |
CN101858939B (en) | Method and device for detecting harmonic signal | |
CN114813129B (en) | Rolling bearing acoustic signal fault diagnosis method based on WPE and EMD | |
CN114441111B (en) | Pipeline leakage infrasonic wave signal analysis method and system | |
Traore et al. | Which methods and strategies to cope with noise complexity for an effective interpretation of acoustic emission signals in noisy nuclear environment? | |
CN105927861B (en) | Leakage acoustic characteristic extracting method based on Wavelet Transform Fusion blind source separation algorithm | |
CN115064182A (en) | Fan fault feature identification method of self-adaptive Mel filter in strong noise environment | |
CN113484417A (en) | Pipeline corrosion detection method based on wavelet transformation | |
CN107025911A (en) | Fundamental frequency detection method based on particle group optimizing | |
WO2024016572A1 (en) | Noise identification method and apparatus, and device and storage medium |