基于虛擬聲波的艦艇管網泄漏檢測方法研究

林偉國，吳 震，王 芳

(北京化工大學 信息科學與技術學院，北京 100029)

0 引 言

艦艇的消防系統、冷卻水系統、液壓系統等都是影響艦艇可靠性、生命力的重要系統。由于艦艇終年航行漂泊于水上，加上腐蝕、焊縫、顛簸等因素，艦艇管道的泄漏難以避免。特別是在戰時環境下，受損管段若得不到迅速修復或者隔離，可能造成艦艇內相關設備面臨癱瘓的風險，威脅艦艇運行安全。因此，艦艇管網系統在發生泄漏事故后對泄漏位置及時、準確的探測定位對于保障艦艇生命力來說具有重大意義。

艦艇管網控制的核心問題是管網泄漏的實時監測及泄漏點的精確定位。目前，對管網泄漏監測定位的研究主要是針對城市供水管網，已有大量國內外學者在這方面做了不少研究，大體可以分為基于模型的方法和基于量測的方法。在基于模型的方法中，Mashford等[1]提出了一種基于SVM的管網泄漏辨識方法，通過判別管網中各個節點實測的壓力值實現泄漏量的計算和定位；Myrna V.Casillas等[2]利用時域擴展分析方法對管網實測壓力與管網水利模型的預估壓力的差值進行分析，進而實現供水管網的泄漏檢測；Jung等[3]提出一種基于流體模型和卡爾曼濾波的泄漏檢測方法，通過比較實測流量與計算流量的差異實現管網泄漏的診斷。然而，隨著管網結構、傳感器安裝位置、實際流量或者壓力的改變，流體模型也會隨之發生改變，因此該類方法通用性不強。為了克服這個缺點，Loureiro等[4]提出一種基于實測流量數據的管網故障診斷方法；Misiunas等[5]提出一種基于壓力數據累加和（CUSUM）的管網泄漏診斷方法；Srirangarajan等[6]提出基于壓力數據多尺度小波分析的管網泄漏檢測方法。其中，基于流量計量的管網泄漏檢測方法中由于流量表的安裝和維護費用遠遠高于壓力表，流量測量精度又難以保證, 且無法實現泄漏點定位，因此在實際應用中大多采用基于壓力信號的管網泄漏診斷。

艦艇管網的泄漏檢測與定位與單一管道有很大的不同。艦艇管網通常存在管道長度短、閉環管路多、定位精度和泄漏檢測靈敏度要求更高等特點，傳統的負壓波法由于泄漏檢測靈敏度低、壓力跳變點難以精確確定等原因，已經難以適用。針對艦艇管網泄漏檢測中這些特點，本文提出一種基于虛擬聲波的管網泄漏檢測與定位方法，通過在管網的各分支節點安裝壓力變送器，借助壓力-聲波轉換模型（聲波信號變送器數學模型）獲得虛擬聲波，實現泄漏的高靈敏度檢測；通過判斷泄漏聲波通過分支節點上各個傳感器的先后順序關系[7]，實現泄漏信號傳播方向的判別，進而實現泄漏管段及漏孔的準確定位。

1 艦艇管網泄漏監測系統組成結構

一個艦艇管網泄漏監測系統組成結構如圖1所示。對于圖1所示的管網，分別在其節點分支管段上安裝一個同一精度、同一型號的壓力變送器。同一節點的相鄰2個壓力變送器之間的安裝距離取決于泄漏信號的傳播速度和采樣頻率。然后按照從1開始的自然數給管網內的各節點、各分支管段以及每個節點分支管道上安裝的壓力變送器進行順序編號，并把各個節點的壓力變送器編號順序與數據采集通道序號一一對應。

安裝在管道各個節點分支管道上的壓力變送器感測管道內部的壓力，然后通過電纜把4～20 mA壓力信號傳輸到高速并行數據采集模塊，采集的數據通過USB總線傳輸給泄漏監測服務器，由泄漏監測服務器對采集到的數據進行壓力-聲波轉換、異常信號檢測、報警和定位。

2 管網泄漏虛擬聲波檢測和定位方法

2.1 虛擬聲波泄漏檢測原理

首先建立聲波信號變送器的數學模型H（z），以實時采集的壓力信號P（z）為模型的輸入，則模型H（z）的輸出即為虛擬聲波信號Y（z）。虛擬聲波泄漏檢測原理如圖2所示。

2.2 異常信號診斷

把干擾信號和泄漏信號都定義為異常信號，管網泄漏檢測問題首先轉化為節點的異常信號檢測問題。引入節點異常信號判別矩陣的概念，假設當前所監測管網中共有n個節點，且該管網節點中最大分支數為d，則節點異常信號判別矩陣A可用n×（d+1）階矩陣A=（ai,j）表示，如圖3（a）所示。其中行號對應節點序號，每行的第1～d列對應每個節點的壓力變送器序號（即高速同步采樣模塊的采樣通道序號）。當第i行第j列配置了壓力變送器時, ai,j=1（1＜j≤d），反之為0。ai,d+1是節點i的“異常信號標志位”。對于實時采集的各路壓力信號, 通過公式Y（z）=P（z）*H（z）獲得虛擬聲波信號，然后采用基于迭代計算的異常信號無模型提取方法[8]對各路虛擬聲波信號進行異常信號判斷。當與節點i相關聯的所有分支管道上壓力變送器對應的虛擬聲波信號中都檢測到異常信號時，則認為該節點檢測到了異常信號，其值為1；否則為0。在每次對應節點異常信號診斷之前，“異常信號標志位”都會被初始化為0。只有當2個及以上相鄰節點都檢測到異常信號時，才需要進行泄漏定位和報警。對應圖1所示的管網，其初始的節點異常信號判別矩陣A如圖3（b）所示。

2.3 異常信號傳播方向判別與泄漏定位

為了達到識別干擾信號和確定泄漏管段的目的，當有大于等于2個以上相鄰節點都檢測到異常信號時，就需要確定異常信號的傳播方向，只有當確定異常信號是從相鄰節點對應管段的中間位置傳入節點時，才能確定泄漏發生于當前管段, 為此引入異常信號傳播方向判別矩陣的概念。

假設所監測管網中共有m條分支管段，則該管段相關節點的異常信號傳播方向判別矩陣B則可以用階矩陣B=（bi,j）表示，其中2*m為行數，d為節點最大分支數。如圖4（a）所示。矩陣B是一個關聯矩陣，它將所監測管網中的各管段、各節點以及各采集通道對一一對應起來。其中矩陣B的第1列（bi,1）為管段序號，第2列（bi,2）為bi,1管段對應的節點序號，由于每條管段對應2個節點，因此連續2行對應同一管段；第3列為所述節點分支管段上安裝的壓力變送器個數bi,3。

其后的bi,4～bi,2d+1為用于判斷異常信號傳播方向的采樣通道序號，每個節點共需bi,3-1個“采樣通道對”用于異常信號傳播方向判斷。如第4列bi,4與第5列bi,5為所述節點異常信號傳播方向判斷所需的2個壓力變送器對應的一對采樣通道序號；并且bi,4, bi,6,…bi,2d為相同的采樣通道序號，對應于當前行中與bi,2節點序號相連管段上的壓力變送器。bi,5, bi,7, …bi,2d+1分別為當前節點其他分支管段上安裝的壓力變送器對應的采樣通道序號。對于管段分支數小于d的節點，其對應 bi,（2dd+2）, …, bi,（2d+1）位置以 0 賦值, 其中dd=bi,3為對應節點相鄰的分支管段數。

其后的bi,2d+2～bi,3d對應存儲的是由該（bi,3–1）個“采樣通道對”對應信號計算得到的異常信號傳播方向判別結果；bi,2d+2～bi,3d在每次異常信號傳播方向判別前，其值均會被初始化為0；當由相應采樣通道的“信號對”得出異常信號傳播方向是由當前行中bi,1管段中間傳播進入節點方向時（即流入節點方向時），定義異常信號傳播方向為–1；反之，則為+1。對于bi,6～bi,2d+1中不對應實際信號采樣通道的列位置（對應管段分支數小于d的中間節點），其相應的異常信號傳播方向判斷結果賦值為0。在bi,3d+1中存儲所有異常信號傳播方向判別結果值的累加和；對于管段分支數小于d的中間節點，其方向判別結果累加和值bi,3d+1需要乘上一個系數值：（d–1）/（bi,3–1）。

矩陣B中各元素值取值范圍如下：bi,1∈[1, m], bi,2∈[1, n], bi,3∈[2, d], bi,4～bi,2d+1的取值范圍為[1,n*d）。矩陣B形式如圖4（a）所示, 對應圖1所示管網結構，其相應的初始狀態下異常信號傳播方向判斷矩陣B如圖4（b）所示。

在矩陣B中，按照管段序號（bi,1）進行索引，若同一管段序號所關聯的2個節點，其方向判別結果的累加和值bi,（3*d+1）均為“-（d-1）”，則認為該管段（即管段序號bi,1）發生泄漏。應用相關計算方法計算出該（bi,1）管段所對應的2個信號采樣通道（序號為bi,4和b（i+1）,4）所對應的虛擬聲波信號的時間差，應用直管段定位公式即可定位泄漏位置。

3 管網泄漏檢測及定位實驗

基于虛擬聲波的管網泄漏檢測及定位實驗在圖1所示的管網平臺上進行，該管網管道全長98 m，管徑為DN65的鍍鋅管，以水作為測試介質。在圖1所示CH1-CH14位置共安裝14只精度等級為0.065%的霍尼韋爾STG74 L壓力變送器；并在L1～L7位置設置了7個球閥用于產生模擬泄漏。以16位A/D、1 000 Hz采樣率實時、同步采集各通道壓力信號，圖5所示為L7位置模擬產生3 mm孔徑泄漏時各個通道采集到的經過適當濾波后的壓力信號。由于管道長度較短，各個壓力變送器都感測到了泄漏信號。

根據圖2所示的管道泄漏虛擬聲波檢測方法中聲波信號變送器的組成結構，以聲波傳感器的靈敏度Ks=53 480 pC/105Pa代替聲波傳感器數學模型；當電壓一級放大、電壓二級放大和V/I轉換電路的總增益為K=6；通帶頻率為0.03～20.4 Hz；離散化采樣頻率fs=1 000 Hz時，得到對應的聲波信號變送器的離散化數學模型為：

把濾波后的各通道壓力信號輸入到式（1）所示的聲波泄漏監測儀數學模型，得到對應各個通道的虛擬聲波如圖6所示。

對圖6所示各路虛擬聲波信號采用文獻[8]所述異常信號無模型檢測方法依次檢測各路虛擬聲波中是否存在異常信號。根據異常信號判別矩陣A中各壓力信號采樣通道與各節點的關聯關系，對同一節點上的各路虛擬聲波信號，清除非異常信號或在時間上沒有重疊的異常信號，最終得到各路異常信號如圖6的曲線所示，同時將矩陣A中該節點相應的“異常信號標志位”置1，其對應的節點異常信號判別結果如式（2）矩陣中第4列所示。

遍歷矩陣A中的“異常信號標志位”為1的列，以其所在行號（對應節點序號i）為索引，在矩陣B中找到相應的節點，并根據與該節點相關聯的“采樣通道對”，計算該節點的異常信號傳播方向及其累加和值bi,（3*d+1），結果如式（3）矩陣中第8～10列所示。

圖7所示為L7位置發生模擬泄漏時，根據參考文獻[7]所述方法獲得的異常信號通過節點2中三路壓力變送器的先后順序關系。遍歷矩陣B（式（3））中第10列可以發現：第7管段的節點2和節點5其對應的異常信號傳播方向結果的累加和值均為-2，從而可以確定，管段7發生了泄漏。

運用上述方法，在0.25～0.35 MPa的管道壓力下，以2～3 mm的泄漏孔徑模擬泄漏，在圖1所示7個模擬泄漏位置各重復了20次實驗，異常信號傳播方向和泄漏管道定位100%準確。上述實驗結果表明：采用本文提出的基于虛擬聲波的管網泄漏檢測定位方法切實可行。

4 結 語

本文提出了一種基于虛擬聲波的管網泄漏檢測和定位的新方法，以實測壓力為輸入，通過壓力-聲波轉換模型后，獲得相應的虛擬聲波信號。然后通過異常信號提取及異常信號傳播方向判別實現泄漏管段的定位，最后通過相關定位實現泄漏孔的定位。本文提出的管網泄漏檢測方法實現了壓力傳感器和聲波傳感器的有效融合，既克服了負壓波法泄漏檢測靈敏度低、定位誤差大的缺點，又克服了實際聲波信號變送器由于電氣參數無法保證完全一致導致異常信號傳播方向判斷準確性差的缺點。模擬實驗表明本文提出的基于虛擬聲波的管網泄漏檢測方法穩定可行。限于篇幅的關系，本文沒有涉及多漏點和更小泄漏量條件下的泄漏檢測和定位問題，這些問題有待后續進一步探討。

參考文獻：

[1]MASHFORD J, DE SILVA D, MARNEY D, et al. An approach to leak detection in pipe networks using analysis of Monitored pressure values by support vector machine[C]// International Conference on Network and System Security. IEEE, 2009:534-539.

[2]CASILLAS M V, GARZA-CASTANON L E, PUIG V.Extended-horizon analysis of pressure sensitivities for leak detection in water distribution networks: Application to the Barcelona network[C]//8th IFAC Symposium on Fault Detection, Supervision and Safety of Technical Processes.2012:401-409.

[3]JUNG D, LANSEY K. Burst detection in water distribution system using the extended Kalman filter[J]. Procedia Engineering, 2014, 70(2):902-906.

[4]VITORINO D. Water distribution systems flow monitoring and anomalous event detection: A practical approach[J]. Urban Water Journal, 2015, 13(3):1-11.

[5]MISIUNAS D, VíTKOVSKY J, OLSSON G, et al. Failure monitoring in water distribution networks.[J]. Water Science &Technology A Journal of the International Association on Water Pollution Research, 2006, 53(4-5):503-11.

[6]SRIRANGARAJAN S, ALLEN M, PREIS A, et al. Waveletbased burst event detection and localization in water distribution systems[J]. Journal of Signal Processing Systems, 2013,72(1):1-16.

[7]林偉國, 王曉東, 戚元華,等. 管道泄漏信號和干擾信號的數字化判別方法[J]. 石油學報, 2014, 35(6):1197-1203.

[8]WANG F, LIN W, HE Z, et al. Adaptive abnormal signal extraction based on iterative computations[C]// Chinese Control and Decision Conference. IEEE, 2016:6994-6999.