[發(fā)明專(zhuān)利]一種基于LCD-EE的管道聲波信號(hào)特征提取的管道工況識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010588123.7
• 申請(qǐng)日: 2020-06-24
• 公開(kāi)（公告）號(hào): CN111735583B
• 公開(kāi)（公告）日: 2022-01-28
• 發(fā)明（設(shè)計(jì)）人: 路敬祎;董宏麗;周怡娜;韓非;李學(xué)貴;高宏宇;霍鳳財(cái);宋金波;楊帆
• 申請(qǐng)（專(zhuān)利權(quán)）人: 東北石油大學(xué)
• 主分類(lèi)號(hào): G01M3/24
• 分類(lèi)號(hào): G01M3/24;G06K9/00
• 代理公司: 黑龍江立超同創(chuàng)知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 23217
• 代理人: 楊立超

一種基于LCD?EE的管道聲波信號(hào)特征提取的管道工況識(shí)別方法，涉及信號(hào)處理和管道泄漏檢測(cè)技術(shù)領(lǐng)域。其為了解決目前管道聲波信號(hào)的特征提取難、無(wú)法反應(yīng)出泄漏信號(hào)的本質(zhì)特征，從而影響管道工況的準(zhǔn)確識(shí)別的問(wèn)題。本發(fā)明利用聲波傳感器分別采集天然氣管道在不同工況下的管道聲波信號(hào)；采用局部特征尺度分解(LCD)方法對(duì)采集到的管道聲波信號(hào)進(jìn)行自適應(yīng)分解，將聲波信號(hào)分解為若干個(gè)具有不同尺度的本征尺度分量(ISC)，計(jì)算各ISC分量與與原始信號(hào)的相關(guān)系數(shù)，利用相關(guān)系數(shù)加權(quán)結(jié)果來(lái)選取包含有效信息較多的特征分量。計(jì)算各特征分量的指數(shù)熵(EE)，構(gòu)成特征向量，進(jìn)而通過(guò)模式識(shí)別方法對(duì)特征向量進(jìn)行識(shí)別，識(shí)別出管道的不同工況情況。本發(fā)明用于管道泄漏檢測(cè)。

技術(shù)領(lǐng)域

本發(fā)明涉及信號(hào)處理和管道泄漏檢測(cè)技術(shù)領(lǐng)域，特別是涉及一種基于LCD-EE的管道聲波信號(hào)特征提取方法。

背景技術(shù)

管道輸送因其在輸送液體、氣體、泥漿等方面的獨(dú)特優(yōu)點(diǎn)，在各行各業(yè)得到了廣泛的應(yīng)用。管道運(yùn)輸已經(jīng)成為我國(guó)五大運(yùn)輸方式之一。由于管道存在腐蝕、老化、陰極保護(hù)失效現(xiàn)象、自然災(zāi)害、生產(chǎn)施工和不法分子的偷盜等人為破壞現(xiàn)象，使得管道泄漏事件難以杜絕。管道的泄漏不僅會(huì)影響管道運(yùn)輸?shù)恼＿\(yùn)行，造成環(huán)境的污染、資源的浪費(fèi)，而且還會(huì)嚴(yán)重影響人們的正常生活、使人們的生命受到威脅，人們的財(cái)產(chǎn)造成嚴(yán)重的損失。因此，采用合適的管道泄漏檢測(cè)技術(shù)對(duì)管道進(jìn)行監(jiān)測(cè)，預(yù)防泄漏和及時(shí)的發(fā)現(xiàn)泄漏并準(zhǔn)確的對(duì)泄漏進(jìn)行定位，可有效的減少環(huán)境的污染和經(jīng)濟(jì)的損失。

聲波檢測(cè)法具有靈敏度高、誤報(bào)率低、定位精度高、適應(yīng)性好，安裝和維護(hù)費(fèi)用較低、可以實(shí)時(shí)檢測(cè)等優(yōu)點(diǎn)，是管道泄漏檢測(cè)的主要檢測(cè)方法之一。在聲波法泄漏檢測(cè)過(guò)程中，信號(hào)的處理和特征提取是對(duì)管道進(jìn)行準(zhǔn)確識(shí)別的關(guān)鍵。

對(duì)管道信號(hào)的處理是非線性信號(hào)處理問(wèn)題，常用的非線性信號(hào)處理方法有小波變換法、奇異值降噪法、EMD分解法、變分模態(tài)分解法等。雖然近幾年來(lái)EMD、VMD方法逐步應(yīng)用于管道泄漏檢測(cè)中，但是二者皆有一定的局限性。EMD算法在自適應(yīng)地將信號(hào)分解為若干個(gè)內(nèi)稟模態(tài)函數(shù)之和后，容易產(chǎn)生欠包絡(luò)、過(guò)包絡(luò)、斷電效應(yīng)、模態(tài)混沌的問(wèn)題。VMD可以避免EMD分解存在的問(wèn)題，但其在分解前需要對(duì)一些參數(shù)進(jìn)行預(yù)設(shè)，參數(shù)的取值影響VMD分解的效果。

局部特征尺度分解是一種基于EMD等自適應(yīng)分解算法進(jìn)行改進(jìn)而提出的一種適用于非線性非平穩(wěn)信號(hào)的分析方法，其優(yōu)點(diǎn)是可以將復(fù)雜的多分量信號(hào)自適應(yīng)地分解成若干個(gè)內(nèi)稟尺度分量(ISC)之和，LCD分解過(guò)程中使用線性變換構(gòu)造基線信號(hào)，進(jìn)而減少了算法迭代的次數(shù)和計(jì)算量，一些學(xué)者證明了LCD算法在一定程度上改善了EMD存在的問(wèn)題，分解性能優(yōu)于EMD算法，并且ISC分量包含的信息比EMD分解后IMF分量包含的信息更多，非常適用于對(duì)非線性非平穩(wěn)信號(hào)的分析和處理。管道聲波信號(hào)是非線性非平穩(wěn)信號(hào)，用LCD進(jìn)行處理非常高效。

管道泄漏產(chǎn)生的是一種隨機(jī)的非平穩(wěn)信號(hào)，該信號(hào)含有大量的泄漏信息特征。采集系統(tǒng)采集的信號(hào)中含有大量的采樣點(diǎn)，如果將信號(hào)直接構(gòu)成向量，作為分類(lèi)器的輸入向量，不僅會(huì)加大分類(lèi)器訓(xùn)練的難度，而且不能很好的反應(yīng)出泄漏信號(hào)的本質(zhì)特征。因此可通過(guò)選取特征參數(shù)來(lái)表征不同信號(hào)的特征，現(xiàn)有技術(shù)中沒(méi)有披露這樣的技術(shù)手段。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題為：本發(fā)明的目的是為了解決目前管道聲波信號(hào)的特征提取難、無(wú)法反應(yīng)出泄漏信號(hào)的本質(zhì)特征，從而影響管道工況的準(zhǔn)確識(shí)別的問(wèn)題，進(jìn)而提供了一種基于LCD-指數(shù)熵的管道聲波信號(hào)特征提取的管道工況識(shí)別方法。

技術(shù)方案：為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：基于LCD-指數(shù)熵的管道聲波信號(hào)特征提取方法,包括如下步驟：

步驟1、采用聲波傳感器分別采集實(shí)驗(yàn)室管道在三種不同工況下的聲波原始信號(hào)樣本數(shù)據(jù)，選取每種工況下的信號(hào)數(shù)據(jù)各50組，每組時(shí)域信號(hào)含有4096個(gè)采樣數(shù)據(jù)。