[發明專利]一種三場耦合管道泄漏監測方法

有效

• 申請號: 201710310608.8
• 申請日: 2017-05-05
• 公開（公告）號: CN107013812B
• 公開（公告）日: 2019-07-12
• 發明（設計）人: 張渤;杜京義;郭金寶;李文濤
• 申請（專利權）人: 西安科技大學
• 主分類號: F17D5/02
• 分類號: F17D5/02
• 代理公司: 北京科家知識產權代理事務所(普通合伙) 11427
• 代理人: 陳娟

本發明公開了一種三場耦合管道泄漏監測方法，包括如下步驟：構建管道三場耦合傳感系統、管道三場耦合傳感系統監測被測管道空載狀態模擬、管道三場耦合傳感系統監測被測管道正常工況模擬、管道三場耦合傳感系統泄漏事件模擬、管道監測神經網絡建模與學習、管道泄漏監測。本發明的目的是提供管道泄漏報監測警、定位和泄漏大小判斷的方法，通過采集管道周圍三場參數及建立檢測參數之間相互聯系，目的在于能夠有效地減少誤報、避免漏報、準確定位泄漏點，并通過神經網絡算法提供泄漏的大小，為制定維修方案提供可靠依據。

技術領域

本發明屬于管道監測技術領域，具體的是涉及一種三場耦合管道泄漏監測方法。

背景技術

現代城市的地下基于各種需求，埋設了各種金屬管道，其中包含大量用于供熱的大型管道，作為熱力供應的一次管網，用于給企業和家庭供熱，由于城市面積廣、需求大，造成地下鋪設的管道線路復雜，輸送距離長，埋入深度越來越深，一旦泄漏將對社會和財產造成嚴重損失和影響。

由于地下環境復雜多變，經過大量觀察泄露損壞的熱力管道，發現由于熱脹冷縮，水壓沖擊，土壤腐蝕等諸多因素，最終導致金屬管道疲勞開裂泄露，大大縮短了管道使用壽命。目前的管道泄漏檢測方法中，普遍采用壓力傳感器分段監測管道上午入水口，與出水口的壓力變化，通過提取特征值，并結合神經網絡模型模擬的方法檢測泄漏及定位，但由于傳感器分布數量有限，監測數據比較單一，樣本數量有限，訓練出的模型誤差過大，經常造成誤報漏報，定位精度誤差過大，造成維修困難，并且很難估計泄露大小，難以制定維修計劃，只能開挖后根據實際情況應對，大大延長了維修時間和增加了維修成本。

發明內容

本發明的目的是提供管道泄漏報監測警、定位和泄漏大小判斷的方法，通過采集管道周圍三場參數及建立檢測參數之間相互聯系，目的在于能夠有效地減少誤報、避免漏報、準確定位泄漏點，并通過神經網絡算法提供泄漏的大小，為制定維修方案提供可靠依據。

為實現上述目的，本發明的技術方案是：

一種三場耦合管道泄漏監測方法，包括如下步驟：

步驟1、構建管道三場耦合傳感系統，包括溫度場檢測光纖系統、濕度場檢測光纖系統、應力場檢測光纖系統，并確定安裝相對位置參數；

步驟2、管道三場耦合傳感系統監測被測管道空載狀態模擬，并記錄輸出參數一，作為樣本數據一；

步驟3、管道三場耦合傳感系統監測被測管道正常工況模擬，并記錄輸出參數二，作為樣本數據二；

步驟4、管道三場耦合傳感系統泄漏事件模擬，并記錄模擬輸入參數以及輸出參數三，作為樣本數據三；

步驟5、管道監測神經網絡建模與學習；

步驟6、管道泄漏監測：將管道三場耦合傳感系統監測過程中的實時輸出參數輸入到訓練好的管道監測神經網絡中，管道監測神經網絡自行判斷并輸出監測結果；

其中，步驟5中建模神經網絡結構，單個神經元的模擬動態退火過程采用公式(1-2)表示，

v(t+1)＝kv(t)-E+T(t)(u(t)-I₀) (2)

式中：

u為輸入神經元和輸出神經元的暫態連接權重；

v為輸入神經元和輸出神經元的內部狀態連接權重；

I₀為神經元輸入偏差；

k為神經膜阻尼因子(0≤k≤1)；

E為神經網絡的目標函數；

ε為輸出函數的衰減因子；

T(t)為自反饋連接權重；