[發明專利]基于ANN的音波法輸氣管道泄漏監測方法

在審

• 申請號: 201610130915.3
• 申請日: 2016-03-08
• 公開（公告）號: CN105546361A
• 公開（公告）日: 2016-05-04
• 發明（設計）人: 胡峻;陳玉亮;劉繼銀;李朝臣;錢昊鋮
• 申請（專利權）人: 錢昊鋮
• 主分類號: F17D5/06
• 分類號: F17D5/06;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張勇

技術領域

本發明涉及輸氣管道泄漏監測領域，尤其是一種基于ANN的音波法輸氣管道泄漏 監測方法。

背景技術

輸氣管道泄漏監測目前已發展較為成熟，但是在信號特征提取，多工況泄漏判定 算法以及模態識別算法優化等方面還較為欠缺。因此，現有輸氣管道泄漏方法的誤報率較 高，準確率并不理想。為了高效準確的識別管道泄漏工況，排除其它相似干擾工況，還需在 這三方面進行深入研究。本發明中，ANN為人工神經網絡的簡稱。

發明內容

本發明的目的是為彌補上述提出的技術欠缺，提供一種基于ANN的音波法輸氣管 道泄漏監測方法。

為實現上述目的，本發明采用下述技術方案：

基于ANN的音波法輸氣管道泄漏監測方法，包括以下步驟：

步驟一：獲取輸氣管道多工況下音波信號樣本，對不同工況下音波信號樣本去噪， 并提取不同工況下音波信號樣本特征值；

步驟二：采用高斯隸屬度函數對不同工況下音波信號樣本特征值進行模糊分割， 獲取模糊分割量；

步驟三：利用F—自適應遺傳算法對BP神經網絡初始訓練值進行優化，將模糊分割 量代入BP神經網絡進行訓練，獲取用于輸氣管道瞬時工況判定的BP神經網絡；

步驟四：根據就近原則和分時段統計法，結合步驟三中BP神經網絡輸出值進行輸 氣管道工況判定，并在泄漏發生時利用互相關函數法確定泄漏位置。

優選的，所述步驟一中，獲取泄漏工況、閥門啟閉工況和壓縮機啟閉工況下的音波 信號樣本，并對所述不同工況下音波信號樣本進行小波去噪，其中小波基函數選取sym8，分 解尺度確定為5，去噪閾值選取規則采用rigrsure法。

進一步優選的，所述步驟一中，對不同工況音波信號樣本特征值提取方法為對每 秒內去噪后的音波信號樣本進行均值、峰度、均方根斜率計算。

進一步優選的，所述步驟一中，對每秒內去噪后的音波信號樣本進行均值、峰度、 均方根斜率計算的公式為：

μx=E[X(n)]=1NΣk=0Nx(k);]]>

kurtosis=Σk=1N[X(n)-μX]4(N-1)s4;]]>

其中：μ_X表示數據均值，X(n)表示樣本數據值。