管道泄漏檢測中兩個難點問題的研究進展

高 琳， 曹建國

(1.北京科技大學機械工程學院， 北京 100083； 2.內蒙古科技大學機械工程學院， 包頭 014010；3.北京科技大學人工智能研究院， 北京 100083)

輸流管道常常由于外力、疲勞、腐蝕等原因發生破壞進而發生泄漏事故，造成環境污染甚至重大人員傷亡和財產損失，如2010年7月25日，美國Enbridge公司所屬管線在密歇根州馬歇爾地區的濕地內發生破裂，導致3 192 m2的原油流入了Kala-mazoo河，大約320人因暴露在原環境下出現了不同程度的病癥，直接經濟損失超過7.67億美元[1]。值得注意的是，此次事故在泄漏長達17 h后才被運營商發現，因此，如何快速有效地識別和準確地定位泄漏是管道泄漏檢測的關鍵所在。

管道泄漏的檢測手段有很多，綜觀現有研究文獻，按檢測對象可以分為以下三類：管道內部流體狀態檢測[2]、管壁狀況檢測[3]、管道外部環境檢測[4]。按檢測方法總體上可分為“基于硬件[5]”和“基于軟件[6]”兩大類方法，也可以具體分為“基于模型[7]”“基于信號處理[8]”“基于人工智能[9]”的檢測方法。王俊嶺等[10]對用于在役排水管道缺陷檢測的主要方法做了綜述，分析了各檢測方法的原理和特點。

目前雖然已經有眾多成熟技術廣泛應用在管道泄漏的檢測當中，但其中仍有以下兩個難點尚未得到充分解決。其一，由于管道屬于圓柱殼結構，因此泄漏所致聲發射應力波在圓柱殼這種薄壁結構中傳播會產生多種模態，包括扭轉模態、彎曲模態和縱向模態，不同頻率的模態波還具有不同的傳播速度，即存在頻散現象，導致難以準確定位泄漏源，尤其對于較長管道。正因如此，出現了專門的分支領域——模態聲發射[11](modal acoustic emission, MAE)，但由于管道泄漏聲發射應力波模態種類多、頻散機理復雜，故管道泄漏的MAE問題尚處在不斷探索之中。其二，對于管網泄漏的檢測，一直存在著泄漏定位精度與傳感器數量的矛盾。不同于一維管道，二維平面管網和三維立體管網存在大量彎頭、法蘭、閥門等改變泄漏信號傳播特性的因素，為了能準確定位泄漏，往往需要布置大量的傳感器，但由此又帶來了檢測成本高、數據量大、實時響應慢的不足，因此有待進一步深入研究。

基于上述存在于管道泄漏檢測中的兩個難點問題，現就相關研究現狀進行介紹和評述，并做出展望。

1 基于模態聲發射的管道泄漏檢測

“模態聲發射”是在傳統“參數聲發射”的基礎上發展起來的聲發射檢測技術，該理論認為在被測結構中發生的聲發射事件是由多個模態組成的導波信號[12]，而管道泄漏的導波信號在管道內傳播的頻散特性使得信號波形不再是固定不變的，而是隨著傳播距離的增大逐漸失真，從而降低了通過互相關方法進行管道泄漏定位的精度。因此，可以考慮的做法是，先從傳感器所測信號中提取有效泄漏信號(去噪)，然后對其進行模態分析，提取其中某個模態波進行互相關定位[13]，這樣才能最大限度地提高定位精度。但由于模態混疊，從管道泄漏波中提取出單一模態波并不容易，這正是模態聲發射定位管道泄漏的難點所在。

綜觀現有為數不多的基于模態聲發射技術的管道泄漏檢測文獻，可以分成兩大類：一類是針對“連續型”聲發射信號的；一類是針對“突發型”聲發射信號的。對于管道，“突發型”聲發射信號指的是管道從無泄漏到有泄漏過程中測得的聲發射信號，“連續型”聲發射信號指的是管道泄漏過程中測得的聲發射信號。

1.1 連續泄漏模態聲發射檢測

對于模態聲發射檢測，“連續型”泄漏聲發射信號相對“突發型”泄漏聲發射信號更加難于處理，這是因為突發泄漏信號從無到有，信號中傳播速度不同的模態波可依次被傳感器檢測到，而對于“連續型”泄漏信號，各種模態波已混疊到一起，很難分辨。

文獻[14]奠定了基于模態聲發射理論進行管道連續泄漏定位的基礎，之后的很多文獻都是在此基礎上開展的。該文章提出“時空變換法”來描述說明頻散現象，即首先將管道泄漏聲發射信號表示成n種模態波的求和形式，再對兩傳感器接收到的聲發射信號做時間傅里葉變換和空間傅里葉變換，經過處理后即可提取出單一模態的聲發射信號，進而通過互相關計算實現精準的定位。

“時空變換法”雖然理論嚴謹，但是需要知道傳感器附近一定區間內所有的聲發射信號，這在現實中是難以實現的，Rewerts等[14]也僅僅是做了理論推導。焦敬品等[15]針對該問題，基于傳感器位置的泄漏信號波形，利用導波理論推導出了附近的傳播波形表達式，使Rewerts等[14]提出的“時空變換法”成功地應用于實際的管道泄漏檢測中，但正如作者所述，該方法僅適用于泄漏源在兩傳感器之間的情況。為此，Jiao等[16]進一步提取出了兩種不同的模態波，從而僅使用一個傳感器就可進行模態聲發射泄漏的定位，避免了泄漏源可能不在兩傳感器之間的問題。楊麗麗等[17]同樣基于上述的“時空變換法”，從頻域的角度，首先對管道泄漏原始信號的互譜加窗，通過調整窗參數從中提取單一模態的互譜，再對其傅里葉逆變換得到該模態波的互相關函數，從而進行時延估計。Li等[18]基于模態導波理論，評估了泄漏信號中不同模態波的頻散程度，據此提取出頻散最小的單一模態波用于泄漏的互相關定位。

以上文獻無論是從時域的角度還是從頻域的角度，都是以提取模態特征參數為前提。除了此類方法，也可通過對泄漏波的頻散進行補償，使之恢復為原始的真實波形，以達到提高定位精度的目的。例如，李帥永等[19]采用平滑魏格納-維爾(Wigner-Ville)分布對泄漏信號的互相關函數進行時頻分析，提取出互相關函數時頻譜的峰值，如圖1所示[20]。峰值對應的時間0.012 2 s即為兩泄漏信號的時延，峰值對應的頻率356.45 Hz可用于確定具體聲速，最后由時頻定位公式確定了管道泄漏位置。該互時頻相關法有效地補償了泄漏信號的頻散，抑制了信號波形發生畸變。郝永梅等[21]在上述互時頻法的基礎上，提出了廣義S變換互時頻分析，獲得了更加準確的時延，進一步提高了定位精度。

圖1 管道泄漏信號互時頻譜[20]

由于管道泄漏波存在頻散，即波速隨著不同模態、不同頻率而變化，因此在管道泄漏模態聲發射檢測中，對波速的估計一直是研究重點。如Li等[22]基于圓柱殼彈性振動理論準確估計了波速；劉志宏等[23]根據管道振動理論，結合管道內部流體的性質，利用流固耦合技術對塑料管道泄漏波的波速做了較準確的預測。

1.2 突發泄漏模態聲發射檢測

最早基于模態聲發射理論研究“突發型”聲發射信號定位問題的是Kishimoto等[24]提出在某頻率下，小波變換系數的最大值所對應的時間值就是信號到達傳感器的時間，再通過群速度頻散曲線得到該頻率下的群速度值，從而實現聲發射源的準確定位。

Kishimoto等[24]的研究對象是薄板，李江全等[25]借鑒其研究思路，確定了管道中某一頻率下某一模態導波到達傳感器的時間，由此計算出該頻率下該模態導波的群速度，從而描繪出管道導波的頻散曲線，結果表明與理論計算頻散曲線吻合較好。

上述文獻均基于兩個傳感器進行時頻分析，而Mostafapour等[26]僅采用一個傳感器，利用Kishimoto等[24]的方法，通過時頻變換確定某一模態導波到達傳感器的時間，再由數值計算得到該頻率處模態導波的群速度，最終求出泄漏位置。和Kishimoto等[24]采用一個模態不同的是，該文采用擴展模態(對稱)S0和彎曲模態(反對稱)A0兩種模態,如圖2所示，計算的是這兩種模態分別到達同一傳感器的時間差(對于“突發型”管道泄漏聲發射信號，首先到達傳感器的是S0模態波，隨后到達的是A0模態波)，因而可只采用一個傳感器進行泄漏的定位。

此碑已不存，其文在《嘉泰會稽志》卷九“泰望山”條有摘錄。見紹興叢書第一輯(地方志叢編①)〔M〕，北京：中華書局，2006，148。

圖2 管道泄漏模態波的時頻能量分布[26]

同樣只使用一個傳感器檢測的還有Xu等[27]，首先采用經驗模態分解(empirical mode decomposition，EMD)提取出泄漏特征信號，再結合導波頻散曲線確定計算所用模態，最后基于Kishimoto等[24]的方法利用該模態波對管道泄漏進行定位。針對泄漏源與傳感器不在管道同一條母線上的情況，Wang等[28]基于Kishimoto等[24]的方法，結合時反聚焦技術對泄漏源進行了三維空間定位，結果表明可提取出顯著的擴展模態波S0和彎曲模態波A0，如圖3所示，證明了該方法對“突發型”泄漏聲發射信號在曲線傳播路徑中定位的有效性。

圖3 管道泄漏的擴展模態波和彎曲模態波[28]

無論是“連續型”泄漏聲發射信號還是“突發型”泄漏聲發射信號，在非金屬管道中都會存在較大的衰減，尤其對于埋地管道，由于管道-土壤的相互作用而產生能量輻射，從而將聲發射信號的部分能量泄漏到土壤中而產生較大的衰減。因此，在管道泄漏模態聲發射信號的研究中，衰減問題一直是研究的熱點。如Long等[29]研究了埋地鑄鐵水管中波的傳播，結果表明彎曲模態波F(1,1)衰減最嚴重，傳播的距離最短；在此基礎上，Long等[30]進一步研究了管接頭對波傳播的影響，結果表明彎曲模態波F(1,1)和縱向模態波L(0,1)的衰減最大。李帥永等[31]也對管道泄漏模態聲發射信號的衰減做了研究(研究對象為非埋地管道)，結果表明，軸向聲發射信號中的主要模態為縱向模態，而縱向模態波在所有模態波中總體上衰減最小，故文章建議應提取管道軸向聲發射信號進行檢測，以最大限度地增加檢測距離。

2 管網泄漏的檢測

除了一維管道外，管網(pipe network)由于其包含若干一維管道，且配有更多的閥門、法蘭等管道連接，因此泄漏問題更為突出。但由于管網中管道的維數增加，從一維管線到多維管線，導致管網泄漏檢測的復雜程度也大幅增加。

2.1 不同形式管網的泄漏檢測

關于管網的不同形式，國外文獻一般將其分為TM(transmission mains)和DNs(distribution networks)(有的文獻稱為DS:distribution systems)兩種形式。這里，TM指的是最簡單的管網，即一維管線形式[32]；DNs是復雜的管網，經常呈網狀分布(即中國文獻所述的“環狀”管網，如圖4所示[33])，這也是最復雜、研究最多的管網。介于這兩種管網形式之間的是distribution-transmission mains(有的文獻稱之為branch pipes，即中國文獻所述的“枝狀”管網，如圖5所示[34])，這種管網結構比較簡單，泄漏檢測相對容易一些。

圖4 “環狀”管網示意圖[33]

對于“枝狀”管網，Meniconi等[35-36]采用經典的瞬態流檢測技術(transient test-based techniques，TTBT)對分枝管道上的缺陷進行了定位和大小估計；隨后又指出，TTBT僅適合在TM和distribution-transmission mains中應用，這是因為這兩種管網中的流體壓力較大，易形成明顯的瞬態壓力流，而DNs則由于眾多的分段使得管網壓力較小，瞬態流效應不夠顯著(Gupta等[37]指出，TM的工作壓力一般大于1.6 MPa，而DNs的工作壓力僅為0～50 kPa)。中國對“枝狀”管網泄漏的研究有張麗娟等[38]在研究“枝狀”管網泄漏時分別采用加權最小距離分類器和神經網絡兩種模式識別方法對枝狀燃氣管網的泄漏進行了定位，但泄漏源位置設定在了管道產生分叉之前，具有一定的局限性。針對該問題，趙彬伶等[34]分別研究了泄漏點在支管上游、支管下游以及兩支管之間等不同位置對瞬態壓力波的影響，如圖5所示。

圖5 “枝狀”管網示意圖[34]

不同于“枝狀”管網，“環狀”管網(DNs)較為復雜，其泄漏檢測的一般思路為[39]：首先將管網在管道交匯處進行分割，以形成多段一維管線，然后在每段一維管線上同時布置大量傳感器進行檢測。由此可見，DNs的信息采集量巨大，數據處理時間長，檢測成本高，較難達到工業界期望的快響應、低成本的要求(文獻[40]闡明，對于一個實際的DNs，管道節點可以達到數千個，計算時間需要數天甚至數周)。王桂增等[41]運用上述思路，在各條一維管線的匯接點處安裝壓力傳感器，采集管網每個節點的壓力信號，并基于模式識別的原理對管網進行了泄漏檢測。但由于傳感器數量大，計算時間成本和經濟成本均較高。段昱等[42]針對成本較高的問題提出了對管網分區檢測的思想，即先把管網分成若干區域，再在各個分區內選擇特征節點并進行模式識別。該方法使得模式識別所用特征向量的維度大大降低，顯著減少了計算時間。虞丹陽等[43]則從優化特征向量的提取方法入手，提出了壓力圖像特征向量法，結果表明該方法也能有效降低特征向量的維度。

2.2 管網泄漏檢測的“定段”和傳感器布置

管網泄漏檢測的矛盾是：若要達到一定的識別定位精度，需要布置大量的傳感器，成本較大；若減少傳感器的數量，則定位精度會有所下降。所以管網泄漏檢測中的一個重要任務是如何優化傳感器的布置，這主要包括傳感器的位置和傳感器的數目。Fuchs-Hanusch等[46]提出了6種優化壓力傳感器布置的算法，以考察傳感器位置因算法不同的穩健性，結果表明“基于圖形理論的最短路徑法”和“基于泄漏敏感度的香農熵法”計算得出的傳感器布置結果相差較大，對于泄漏流量小于0.5 L/s的工況，后者具有更高的定位精度。Soldevila等[40]基于壓力模型和分類器理論，在給定傳感器數目的基礎上，通過遺傳算法構造了相關和冗余濾波器，從而把傳感器的位置選擇問題轉化為一個混合特征選擇問題。該方法成功地應用在了越南河內的包含197個節點(圖6)的供水管網(water distribution networks,WDNs)中，檢測計算時間僅為240.48 s。

圖6 越南河內供水管網示意圖[40]

前面介紹的管網無論是DNs還是branch pipes，均屬于二維管網，即各個管段在同一平面內，目前絕大部分研究都是基于二維管網展開的，針對三維管網(立體管網)的研究并不多。類似立體管網的三維結構， Ozevin等[47-48]提出了關于桁架、懸索和鋼結構塔等空間結構的疲勞損壞實時監測方法，其主要思路是先在局部坐標系中定位聲發射源，然后再將其轉化到全局坐標系中，從而確定其在空間的位置，類似本節討論的管網泄漏“定段”問題。立體管網屬于網狀空間結構，和桁架、鋼結構塔的幾何拓撲具有類比性，因此Didem[47-48]對三維立體管網的泄漏定位進行了研究，利用各分段一維管線之間的幾何拓撲特點，每個分段管線上只布置有一個傳感器，因此顯著地降低了檢測成本。

2.3 管網泄漏檢測的具體算法

管網泄漏檢測的具體算法多種多樣，一些算法在前文已有介紹，其中應用較為廣泛的為靈敏度分析法(sensitivity analysis)。如張宏偉等[49]根據供水管網的水力學模型和拓撲學機理，建立了壓力靈敏度矩陣，確定了壓力監測點的數量及位置；Pérez 等[50]基于遺傳算法優化了傳感器的布置，利用壓力靈敏度矩陣(圖7)對泄漏進行了定位。從圖7中可看出，不同的泄漏節點對于不同節點上的傳感器具有不同大小的靈敏度，該方法成功地應用在了西班牙巴塞羅那的WDNs中，但作者同時指出，靈敏度矩陣的計算嚴重依賴管網中所用節點的數目，節點數目增加，計算成本將急劇增長。針對該不足，Soldevila等[51]建立了一個DNs模型，據此得到各節點壓力值，將其與測量值比較得到殘差，然后輸入到分類器實現泄漏定位。該方法避免了求解靈敏度矩陣，但僅適用于管網中只有一個泄漏點的情況，作者指出，對于多泄漏點，該檢測方法會非常耗時。

圖7 歸一化壓力靈敏度矩陣[50]

由于管網結構的復雜性，單純由一般的信號處理方法檢測管網泄漏的效果往往不盡理想，而通常需要結合人工智能方法提高檢測精度。人工智能可根據給定的訓練樣本求出系統輸入輸出之間的關系，使之能夠盡可能準確地預測系統的未知輸出。因此，人工智能非常廣泛地應用在了管網泄漏的檢測當中。如Cody[52]首先通過奇異譜分析把信號分解，提取出特征分量，再將其輸入到支持向量機(support vector machine，SVM)中識別管網泄漏。作者指出，由于所有可能的泄漏類型數據不可能全部獲取，所以采用了基于半監督學習的SVM模型。類似地，吳雷[53]也采用SVM對城市供水管網的泄漏進行了定位研究。

除了SVM外，其他人工智能算法也有大量的應用，如張若愚[54]利用神經網絡(neural networks，NN)對燃氣管網的泄漏進行了診斷。相對于SVM，神經網絡的泛化能力較弱，其找到的極值解并不一定是全局最優解，同時還需要大量訓練樣本，故在管網泄漏檢測中，傳統NN不如SVM應用的廣泛。但隨著深度學習算法的提出，出現了諸如卷積神經網絡(convolutional neural networks，CNN)、深度神經網絡(deep neural networks，DNN)等一系列神經網絡新算法，使神經網絡的分類能力大大提高，如Cody等[55]結合深度學習理論，利用水聲頻譜圖對供水管網的泄漏進行了識別。此外，Wachla等[56]將模糊理論與NN結合起來檢測管網泄漏，解決了NN僅適用于小樣本的問題。以上方法都是與常用的SVM、NN 相結合進行研究的，對于其他模式識別算法，如貝葉斯分類器[57]、K近鄰法[58]等也都在管網泄漏檢測中有所應用。

除了上述常用算法外，在一維管線中的部分算法也應用在了管網泄漏的檢測當中。如Suwan等[8]利用主分量分析(principal component analysis，PCA)對水網中的泄漏進行了檢測；Zeng等[59]基于壓力波的沖激函數響應對水網泄漏進行了識別等。這些方法的原理和一維管線中的類似，這里不再贅述。

3 總結與展望

目前雖然已有大量檢測管網泄漏的方法，但其中仍有2個問題需要進一步深入研究，一是管道泄漏聲發射應力波在傳播過程中發生的頻散現象難以處理；二是管網泄漏檢測中，檢測成本與檢測精度間的矛盾。為此，分別從這兩方面對相關文獻逐一進行了梳理分析。

通過對現有文獻的總結整理，今后需要在以下幾個問題上作進一步深入研究。

(1)由于時頻分析(如上文所述魏格納威爾分布)不能完全去除交叉項，故無法從管道泄漏模態聲發射信號中提取出純凈的單一模態波，也不能對泄漏模態波進行徹底的頻散補償；除此之外，對波速的估計也尤為重要，但因為圓柱殼彈性振動理論和流固耦合理論中存在大量的簡化假設，由此估計出來的波速還不夠準確。因此后續還需不斷改進時頻分析算法、盡量減少不必要的簡化，不斷完善MAE在管道泄漏中的應用研究。

(2)針對埋地管道中不同模態波的衰減特性的研究目前還不夠充分，尚需加強，即不同土壤地質、不同管道材料(及其外包保溫防腐層)、不同流體狀態對不同頻率、不同模態波(扭轉模態、彎曲模態、縱向模態)的衰減特性的影響。由于這涉及到管道-流體-土壤3種物質之間的耦合，任何一種物質的變化均會影響模態波的衰減特性，因此后續應就其衰減機理進行深入研究，以有效解決埋地管道尤其是埋地塑料管道檢測距離短的問題。

(3)管網泄漏檢測中的“定段”問題研究已比較成熟，但由于壓力靈敏度矩陣階數和傳感器節點數密切相關，在傳感器數目較大時，計算時間較長(可長達數小時)，實時性差，故仍需要在傳感器數目、傳感器布置算法等方面進行進一步優化，以達到可實際應用的目的。

(4)由于管網結構的復雜性，很多文獻都基于人工智能的方法檢測泄漏，這種“黑箱技術”的缺點是并不知道泄漏信號在管網中的具體傳播特性，因而不是從機理角度出發解決管網的泄漏問題。在管網中，泄漏源與傳感器之間的路徑不是直線的情況下，由于管道拐彎處的折線角度不同以及接頭處的閥門、法蘭等連接件的影響，泄漏信號并不一定從最短路徑到達傳感器。因此，深入研究泄漏信號在管網中經過折線處以及連接件處時的傳播特性是今后需要關注的一個重要內容。