基于局域均值分解的燃氣管道泄漏定位技術

嚴欣明 杜璋昊 毛小虎 岳云飛 郝永梅

（1.江蘇省特種設備安全監督檢驗研究院常州分院 常州 213016）

（2.常州大學 常州 213164）

城市燃氣埋地管道是城市燃氣輸配的主要載體，已成為現代城市發展不可或缺的工具。隨著其規模的不斷擴大，由于受到外部腐蝕、外力機械破壞、施工質量缺陷、環境改變等因素的影響，燃氣管道泄漏的事件經常發生，給市民的生命安全和經濟財產造成嚴重威脅，若能及早發現管道泄漏就可以最大程度上防止或減少事故的發生。由此采取事故預防的管道泄漏檢測和監測技術越來越受到人們的關注。

由于管道本身、環境等不確定因素影響，通過檢測接收到的管道泄漏信號中存在大量噪聲，這些噪聲影響了泄漏信號的識別，造成泄漏定位不準確。經模態分解（EMD）是近年來信號分析領域的一個突破，它基于時間尺度將信號分解成若干個固有模態函數（IMFs）之和，分解出的各分量突出了信號的局部特征，可以消除信號中噪聲的影響[1]。但同時EMD也存在不足，信號經EMD分解之后存在某個分量包含不同的時間尺度，即結果存在模態混疊現象[2]。與經驗模態分解不同，局域均值分解（LMD）是近年來提出的一種新的非平穩信號處理方法，它在信號的時頻分析方面有較好的分析效果，并且減弱了EMD分解結果的模態混疊現象[3]。

1 聲發射檢測理論

聲發射技術也稱應力波技術，屬于無損檢測技術，聲發射檢測技術的基本流程如圖1所示。聲發射是物質內存在的能量發生局部或單點釋放引發彈力波瞬間產生的現象。彈力波瞬間釋放現象存在生活各處，例如金屬斷裂、壓力過大產生的介質噴濺。20Hz至20000Hz為人耳所能及的聲頻維度，而聲發射技術的信號所能獲取的聲頻范圍遠大于人耳，其范圍可從次聲波延續到超聲波，從幾赫茲到幾兆赫茲且存在很大的幅度變換，因此采用靈敏度高的聲學傳感器可以檢測到非人耳所能及的聲頻范圍[4]。

圖1 聲發射技術基本原理

2 局域均值分解的原理及步驟

Jonathan S. Smith于2005年提出了一種新的非平穩和非線性信號分析方法—局部均值分解算法（Local Mean Decomposition），并首先應用于腦電信號的分析中且取得不錯的成果[5]。在此之后，LMD在機械故障診斷中也得到良好的應用。局部均值分解可以依據信號本身的特征進行自適應分解產生具有真實物理意義PF分量，PF分量是每個包絡信號與每個調頻信號乘積所得到的一個數據，并由此得到能夠清晰準確反映出信號能量在空間各尺度上分布規律的時頻分布，有利于更加細致的對信號特征進行分析。給定任意泄漏號x（t），LMD分解步驟如下[6]：

1）首先找出原始信號x（t）所有的局部極值點ni，并求相鄰兩個極值點的平均值mi。然后求局部包絡函數。通過局部極值點ni計算包絡估計值ai為

同樣地，用包絡估計值進行平滑處理得到包絡估計函數a11（t）。從信號x（t）剝離出局域均值函數m11（t），得到：

2）用式（2）得到的h11（t）除以包絡估值函數a11（t）進行調解得到

若計算出s11（t）所對應的包絡估計函數滿足a12（t）=1，即s11（t）應該是純調頻信號，則此時s11（t）當作原始信號處理。但當如果a12（t）≠1時，則表明s11（t）并未達到理想狀態，則將s11（t）當作原始信號重復以上步驟操作，直到使s1n（t）成為純調頻信號且滿足s1n（t）≤ 1 為止。

3）把所有迭代過程中產生的包絡估計函數相乘得到第一個分量的包絡信號a1（t），即：

4）計算第一個乘積函數PF1（t）：

5）PF1（t）被原始信號x（t）中分離出來以獲取新的信號u1（t），接著將新信號u1（t）作為原始信號重復上述步驟，從而形成1個單調信號uk（t）為止：

6） 經上述步驟，信號x（t）最終被分解為k個PF分量和1個單調信號uk（t），即：

式中：P為PF分量個數，具體流程如圖2所示。

圖2 LMD原理簡易流程圖

3 多尺度熵

1948年，C.E.Shannon初次對信息熵做出完整的定義，信息熵表達了隨機事件的不穩定性或系統的不確定性，常被用來作為一個系統的信息含量的量化指標，表述系統或時間內不同層面是信息特征，后人又基于信息熵提出：包絡譜熵、能量熵、近似熵、樣本熵、模糊數值熵、多尺度熵等[7]。

多尺度熵（MSE）是在樣本熵的基礎上提出的，信號的復雜程度可用多尺度熵來表示，即隨著信號的復雜程度變大，多尺度熵值也越大。將原始信號產生的數據進行粗粒化并將每個尺度上的樣本熵值分別組成一組數列，即不同尺度下的樣本熵的時間序列。相比較下，兩個序列在同種尺度下，前者的熵值高于后者，則表示前者的時間序列在復雜性上比后者高[8]。多尺度熵相對于樣本熵針對非穩定性信號的幾個優點總結如下：

1）多尺度熵僅僅與非穩定信號序列的復雜程度有關而與信號的幅值無關。

2）從計算角度來看，多尺度熵的計算沒必要對信號序列的整體進行重建或是描述，對信號的數據量大小沒有過多要求，較短的數據也可以得出合理地多尺度熵值。

3）多尺度熵不僅能從整體上反映其動力性特征，又能從細節上揭示序列演化特性。

4）從最終結果上來看，多尺度熵的分析效果要明顯高于均值、方差和標準差等統計學的分析結果。這是因為多尺度熵更多考慮了信號的序列分布模式，能使信號結構分布上的復雜性更為突出，因此能更良好的適應非穩定性信號的分析[9]。

4 驗證

模擬實驗管道是由三條不同管徑（DN150、DN90、DN65）的管道和一個穩壓罐組成。三條不同管徑的管道進口、出口處分別安裝壓力、溫度、流量計共28個，能分別測量氣體液體介質的流動的壓力、溫度和流量等參數。模擬管道實驗系統如圖3所示。取其中一段長度為42m的管道進行實驗，管道材質為鋼材，管道規格為DN90，介質為壓縮空氣，管道內介質處于流動狀態。1號上游傳感器放置處為0m，在距離1號傳感器18m處為泄漏孔徑為1mm的泄漏孔。距離1號上游傳感器42m的地方安裝固定2號下游傳感器，即兩傳感器間距42m，進行管道單點泄漏研究。管道布置如圖4所示。

圖3 管道實驗系統

圖4 管道布置示意圖

4.1 氣體管道聲發射試驗

壓力為0.3MPa時氣體管道實驗數據如圖5所示。從圖中可以明顯發現，首先這些數據圖的駁雜信號比較多，實驗設計為18m處為泄漏點，如圖可以看出18m附近確實信號較為突出，但5～10m處也有類似突出信號，此信號明顯為無用的駁雜信號，需要后期進行處理。其次，除卻較為突出的信號外，定位圖（c）中還存在了很多無用的噪聲信號，而且觀察電源（dB）對頻率（Hz）圖可知，其產生的原始信號頻譜圖數據峰值不明確，因為本實驗設計只有一個泄漏點，所以應該有一個峰值，但有一些儀器出圖會出現兩個峰值，這也需要信號處理技術來完善實驗結果。

圖5 氣體0.3MPa時的實驗結果圖

4.2 泄漏信號處理

將聲發射檢測系統采集得到的管道泄漏信號輸入到MATLAB顯示為圖6，對其進行LMD分解，得到了6個PF分量和1個殘余分量，其中還夾雜背景噪聲以及殘余分量，結果如圖7所示。為了提高泄漏定位的精確度，應剔除殘余分量來保障信號原始特征。因此，分別在不同壓力、不同介質情況下計算各個PF分量的多尺度熵值，見表1。

比較表1中各PF分量的多尺度熵值，可見PF分量所包含的泄漏信息從PF1到PF6逐漸遞減，PF1至PF4分量的多尺度熵值遠遠大于PF5、PF6，說明前者包含的泄漏信息更多。因此選用前4個PF分量來進行互相關時延估計。LMD方法能夠將泄漏信號分解出多尺度若干個PF分量，每個PF分量表示多個尺度下含有不同程度的泄漏信息的模態分量，而互相關方法能夠對PF特征分量計算出同一信號上下游兩端接收的時間差，再利用互相關[10]定位公式

圖6 管道原始泄漏信號及其頻譜

圖7 LMD分解結果

表1 各PF分量的多尺度熵值

即可進行管道泄漏點定位計算。在0.3MPa壓力下，氣體管道實驗的各PF分量的時間延遲估計Δt見表2。

表2 氣體管道實驗時間延遲估計Δt

由文獻[11]可知，氣體聲發射信號傳播速度v按880m/s計算，根據定位公式計算得到泄漏位置距離末端傳感器距離、定位誤差及與原始泄漏點定位比較見表3。

表3 氣體泄漏點定位及誤差情況

根據表3，本文所提出的基于局域均值分解的管道泄漏定位，通過局域均值分解、多尺度熵以及互相關定位法處理后所得最終氣體定位誤差基本穩定在5%左右，最小達4.25%，而原始泄漏點直接互相關定位誤差最小為7.58%，以上實驗數據證明了本文泄漏定位處理算法的有效性。

5 結論

針對城市燃氣管道泄漏定位不準確的問題，本文提出了基于局域均值分解的管道泄漏定位方法。管道泄漏信號通過LMD分解獲的一系列PF分量，計算各個PF分量的多尺度熵，排列比較各PF分量的多尺度熵值并選取含有主要泄漏信息的PF分量，最后采用互相關法計算主PF分量的時延參數，最終完成管道泄漏定位。實驗結果表明：該方法可以將氣體泄露定位誤差穩定在5%左右，而直接互相關定位誤差為8%～9%，說明本文提出的方法可以更加精準的定位泄漏源。