[發明專利]一種小樣本條件下管道微弱泄漏檢測方法

有效

• 申請號: 201910778384.2
• 申請日: 2019-08-22
• 公開（公告）號: CN110514366B
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 劉金海;臧東;付明芮;馬艷娟;馬大中;馮健;朱和貴
• 申請（專利權）人: 東北大學
• 主分類號: G01M3/28
• 分類號: G01M3/28;F17D5/02;G06K9/62
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李在川

1.一種小樣本條件下管道微弱泄漏檢測方法，其特征在于：包括如下步驟：

步驟1：獲取真實樣本集，并根據真實樣本集生成虛擬樣本集，所述真實樣本集包括真實正常樣本集X^N和真實微弱泄漏樣本集X^S，所述虛擬樣本集包括初代虛擬正常樣本集G^N和初代虛擬微弱泄漏樣本集G^S；

所述步驟1具體步驟如下：

步驟1.1：獲取真實正常樣本集X^N，并根據該樣本集中的真實正常樣本生成粗糙的虛擬正常樣本,生成粗糙的虛擬正常樣本集

通過對真實正常樣本集內的樣本進行統計分析、數據的擬合、相似性的評價的分析，發現已知真實正常樣本的數據規律,生成粗糙的虛擬正常樣本

其中t表示時間，即樣本的檢測長度，t＝{1,2,…,L}；k₁表示真實正常樣本的斜率；ε為傳輸過程中各種噪聲引起的數據波動；Y_O1為設定的壓力初值，該值根據輸油管道正常的壓力范圍設定；

步驟1.2：根據正常樣本的約束對步驟1.1中生成的粗糙虛擬正常樣本集內的數據進行調整，將不符合約束條件的樣本剔除，生成初代虛擬正常樣本集

其中根據正常樣本約束，初代虛擬正常樣本滿足：

其中，表示初代虛擬正常樣本集G^N內樣本的最小取值和最大取值，代表初代虛擬正常樣本集G^N中選取的任意樣本的檢測長度；t_min、t_max表示初代虛擬正常樣本的最小檢測長度和最大檢測長度；表示任意真實正常樣本集X^N中元素的最小波動，表示任意真實正常樣本的均值,代表常數，表示任意真實正常樣本集X^N中元素的最大波動，代表常數，σ₁表示泄漏報警閾值，ΔY_min表示強干擾信號的最小值；表示正常樣本波動的最大值；

步驟1.3：根據真實微弱泄漏樣本約束對初代虛擬正常樣本集內的數據進行調整，將不符合真實微弱泄漏樣本約束條件的樣本剔除，生成初代虛擬微弱泄漏樣本集

根據真實微弱泄漏樣本約束，初代虛擬微弱泄漏樣本滿足：

其中，表示初代虛擬微弱泄漏樣本集G^S內樣本的最小取值和最大取值；表示初代虛擬微弱泄漏樣本集G^S內樣本的最小檢測長度和最大檢測長度；表示初代虛擬微弱泄漏樣本中元素的最小取值，表示任意小泄漏樣本的均值，代表常數，表示初代虛擬微弱泄漏樣本中元素的最大取值，代表常數，σ₂表示正常樣本數據波動的最大值；ΔG^S表示虛擬微弱泄漏的數據波動；ΔZ表示工況調整引起數據波動的最小值；

步驟1.4：根據皮爾森相關系數ρ和真實正常樣本集X^N對初代虛擬正常樣本集G^N中的每一個虛擬正常樣本進行篩選，若篩選合格，則保留虛擬正常樣本，若不合格，則剔除；根據皮爾森相關系數ρ和真實微弱泄漏樣本集X^S對初代虛擬微弱泄漏樣本集G^S中的每一個虛擬微弱泄漏樣本進行篩選，若篩選合格，則保留虛擬正常樣本，若不合格，則剔除；得到虛擬正常樣本集和虛擬微弱泄漏樣本集

步驟2：對真實樣本集和虛擬樣本集進行組合特征提取，所述組合特征提取包括7種統計特征和1組符號化變換特征；

所述統計特征包括提取l周期內的最大壓力上升信息f_MPR、提取l周期內的最大壓力下降信息f_MPD、提取樣本的峰谷值信息f_PV、提取樣本的變異系數f_CV、提取信號幅值的方根信息f_SRA、提取均方根信息f_RMS、提取擬合系數的最大、最小值的集合f_FC；

步驟3：根據步驟2中得到的7種統計特征和1組符號化變換特征采用樸素貝葉斯方法和最小二乘支持向量機方法分別建立樸素貝葉斯網絡管道小泄漏辨識模型和最小二乘支持向量機管道小泄漏辨識模型，根據辨識模型對管道進行泄漏檢測。