CN107435817A - 一种压力管道两点泄漏检测精确定位方法 - Google Patents

Abstract

本发明公开了一种压力管道两点泄漏检测精确定位方法，利用声发射泄漏检测系统和相关仪泄漏检测系统在同时刻、同一环境下，对同一对象采集管道泄漏信号。一方面利用基于模拟退火思想的粒子群优化算法对声发射泄漏检测系统检测到的泄漏源信号进行盲源分离，同时嵌入记忆器，构筑并应用记忆模拟退火粒子群盲分离方法，消除管道多点泄漏导致的频散特性，分离出更为准确的泄漏源信号，大大减少分离时间，以此确定泄漏源信号到达上下游两传感器的时间；同时利用相关仪检测数据计算泄漏声波在管道中的传播速度；最后根据互相关定位算法计算出泄漏源的位置。实现压力管道泄漏的精确定位，具有成本低、使用便捷等优点。

Description

一种压力管道两点泄漏检测精确定位方法

技术领域

本发明属于管道泄漏定位检测技术领域，涉及一种压力管道两点泄漏检测 精确定位方法。

背景技术

管道运输以能持续运输、便捷运输以及运输成本低等优点为人们所欢迎与 重视。但由于设备自然老化、气候环境以及人为破坏等影响，导致的管道泄漏 时有发生。不仅造成资源的浪费，还会对环境造成污染，甚至对人们生命财产 造成威胁。因此找到有效的管道泄漏检测方法，找出管道的隐患，具有良好的 经济价值和社会意义。

对于管道检测与定位，国内外已经研发出很多技术方法。在实际工况中， 管段发生泄漏时通常都为多点的泄漏。由此人们也开始研究管道多点泄漏定位 问题，最早Verde在“Multi-leak detection and isolation in fluid pipelines”(Control EngineeringPractice，2001年，第9卷第6期，第673-682页)一文中根据水管 段两端流量传感器和压力传感器检测数据，对管道的两点泄漏进行定位，然而 不能实时进行两点泄漏定位；雷阳等在“基于小波分析的输油管道多泄漏点故 障定位”(石油机械，2014年，第09期，第109-112页)一文中提出将压力信 号的模极大值与管道故障模型库中的信号进行对比，通过相似度对管道的多点 泄漏进行检测定位，但该方法需要原有管道故障模型数据库；章冲在“基于光 纤感测信号频谱分析的多泄漏位置检测”(计算机工程与设计，2015年，第10 期，第2878-2881页)一文中利用光纤传感器对管道多点泄漏源进行检测定位， 但定位不够精确，成本较高。还有利用小型机器人、红外线成像、基于SCADA 系统等对管道多点泄漏源进行检测，但这些方法不是成本较高，就是系统设计 过于复杂，没有普适性。

在无损检测领域，声发射技术可以对管道泄漏进行连续检测，对诊断的实 时性要求不高，在管道泄漏刚发生时或泄漏发生后都可以检测，对管道小泄漏 也能够及时发现，极大地提高了诊断的方便性和正确性。但传统的声发射定位 检测不能满足对多点泄漏进行精确定位的要求，比如被测管道有两个泄漏点， 由于两点泄漏源信号的相互影响，以及泄漏信号的频散特性，加上管道复杂的 工况和环境噪声，致使管道泄漏信号难以识别和提取，导致泄漏源的定位精度 不高。

由此本发明将基于模拟退火思想的粒子群算法用于盲源分离，利用声发射 泄漏检系统和相关仪泄漏检测系统在同时刻、同一环境下，对同一对象(管道) 采集管道泄漏信号；利用声发射泄漏检测系统检测到的泄漏信号进行处理，能 够消除管道多点泄漏导致信号间的频散特性，精确分离出管道泄漏信号，同时 嵌入记忆器，构筑并应用记忆模拟退火粒子群盲分离方法，使得在退火过程中 避免了重复最优值寻找，大大减少了盲源分离时间；并利用相关仪采集泄漏声 波信号，解决了管道泄漏声波传播速度问题，提取精确的传播速度。以此方法 应用于管道多点泄漏源定位，进而实现泄漏多点源的精确定位。

发明内容

为解决现有技术检测定位压力管道两点泄漏源存在的不足，本发明提出了 一种压力管道两点泄漏精确定位方法，以实现对两点泄漏源的分离和精确定位。 以此方法应用于管道多点泄漏源定位，进而实现泄漏多点源的精确定位。

本发明解决其技术问题所要采用的技术方案是：一种压力管道两点泄漏检 测精确定位方法，基于波形互相关时差计算的定位公式(1)可知，只需要确定 泄漏源声发射信号到达上下游的时间差Δt以及声发射信号在管道中的传播精确 速度v，即可确定泄漏点的位置，以实现对两点泄漏源的分离和精确定位。

式中：l为被检测管道泄漏源位置，即泄漏点到上游声发射传感器的距离 (m)；L为两声发射传感器之间的距离(m)。

本发明的泄漏定位方法具体包括以下步骤，

S1：搭建检测系统；

将两声发射传感器安装在被检测管道的上游与下游，并使声发射传感器与 声发射仪连接搭建成声发射泄漏检测系统；同时，将两相关仪传感器安装在被 检测管道上游与下游的同一位置，并使两传感器与相关仪连接搭建成相关仪泄 漏检测系统；

S2：确定泄漏源信号到达上下游两声发射传感器的时间差Δt；

S2.1：通过声发射泄漏检测系统采集管道的泄漏源原始信号；

S2.2：对声发射泄漏检测系统采集到的管道上下游泄漏源原始信号进行过滤 筛选，提取有效值电压RMS值和平均信号电平ASL值相对较高且峰值相对集 中的混合定位信号数据作为粗定位信号数据；根据有效值电压(RMS)、平均信 号电平(ASL)、能量等参数，对检测到的管道泄漏源原始信号进行滤波处理提 取，得到混合粗定位信号数据。

应用声发射泄漏检测系统能够对管道泄漏进行定位检测，得到泄漏检测的 粗定位信号，但该粗定位信号往往夹带环境噪声等信号，使得检测定位值与实 际值之间存在较大误差，为此必须应用适合的方法对管道泄漏粗定位信号数据 进行处理。而对于多点泄漏，则必须首先对粗定位信号源进行分离，进行消噪 等多技术综合处理，得到更为精确的时差Δt，从而得到更为准确的定位。

小波消噪技术已得到广泛的认可和应用，并且使用简单便捷，消噪效果较 好，因此，步骤S2.3中利用小波消噪技术对粗定位信号数据进行降噪处理，得 到观测信号。

小波消噪的具体过程为：

S2.3.1：信号的小波分解。首先，对不同的信号要选择其合适的小波基，并 且确定好要分解的层次，然后再进行分解计算。

S2.3.2：小波分解高频系数的阈值量化。需要选择一个合适的阈值对每一个 分解尺度下的高频系数进行量化，在这里，选择软阈值来对其进行量化处理。 具体的，利用Matlab中小波阈值去噪中的软阈值去噪方法进行处理。

S2.3.3：小波重构。根据小波分解的各层的高频系数和最底层的低频系数进 行一维小波重构。

具体包括将从声发射泄漏检测系统在泄漏管道上下游获取的两个粗定位信 号导入MATLAB工具箱中的小波分析模块，按照上述步骤S2.3.1-S2.3.3对数据 进行小波分解、阈值量化和小波重构，导出消噪后的信号，即为观测信号I₁、I₂， 其中，I₁表示上游传感器获得的信号，I₂表示下游传感器获得的信号；

S2.4：将降噪后得到的观测信号I₁、I₂，与Matlab中随机生成的矩阵混合 形成新的观测信号L₁、L₂；由于观测信号的数目大于或者等于源信号的数目， 利用该步骤使之由原来的欠定盲源分离问题改变为正定盲源分离问题。

S2.5：将新的观测信号L₁、L₂导入Matlab中进行白化处理，再利用记忆模 拟退火粒子群的盲源分离方法进行盲源分离得到分离后的上下游的泄漏源定位 信号S₁、S₂；通过白化处理能够简化盲源分离并改善盲源分离算法，使得盲源 分离处理更加便于进行。

该算法中利用极大似然函数作为目标函数。由于极大似然法对于样本数目 很大时，也能够渐进有效，得到一个最优解，因此利用极大似然算法对结果进 行寻优；模拟退火思想的粒子群算法的盲源分离能够改善并摆脱局部极值点、 局部最优的能力，并且分离精度高，稳定性高。

其中该记忆模拟退火粒子群盲源分离的具体步骤如下：

由于盲源分离的基本模型为：

L(t)＝A(t)s(t) (2)

其中，L(t)为观测信号矩阵，A(t)为混合矩阵，s(t)为源信号矩阵。

求解源信号s(t)的模型为：

y(t)＝W(t)L(t) (3)

其中，y(t)分离后的输出信号矩阵，W(t)为解混合矩阵。

S2.5.1：初始参数设定：设定粒子群粒子数为n，并对每个粒子进行初始化， 权重为w，认知因子与社会学习因子分别为c₁、c₂，将随机产生一定数量的解混 合矩阵W(t)作为初始粒子，于此同时会随机产生各粒子的初始速度，并且初始 化个体极值和全局极值，给定起始温度T、终止温度T₀和模拟退火速度λ；

S2.5.2：根据粒子的位置分离信号，对y(t)进行中心化和白化操作，根据极 大似然估计函数作为目标函数，以此计算每一个粒子的适应值；

S2.5.3：将每个粒子的适应值作为粒子个体最优极值p_i，并在个体极值中选 取最优值作为全局极值p_g；

S2.5.4：判断是否满足终止条件，若满足则终止计算，反之继续；

S2.5.5：将每个粒子适应值与个体极值p_i和全局极值p_g进行比较，取最优值 更新每个粒子的个体极值p_i和全局极值p_g；

S2.5.6：更新粒子的速度和位置，并分别限制给定的最大速度与最大位置的 范围内，并计算每个更新粒子的适应值；

S2.5.7：计算前后两个粒子位置所引起的适应值的变量ΔE，若ΔE＜0，则接 受新位置；若exp(-ΔE/T)＜δ，δ∈(0,1)之间的随机数，也接受新位置，否则拒绝 并返回到步骤S2.5.2；

S2.5.8：嵌入并设置记忆器变量初始位置与适应值，即为第一次循环的最优 位置与适应值；

S2.5.9：比较新位置与适应值和记忆器中储存位置与适应值，若新的位置与 适应值和记忆器中的位置与适应值相同则返回步骤S2.5.2，反之记录入记忆器；

S2.5.10：进行退火操作，T_(t+1)＝λT_t(t为迭代次数)；

S2.5.11：若满足终止条件，则输出最优解，否则返回步骤S2.5.2；

S2.5.12：求得到W(t)最优，求解出源信号s(t)的最优估计。

加入记忆器记录得到最优解，将每一次得到的最优解与之前的记录最优解 对比，将重复的最优解剔除，有效避免了迂回的搜索方式，进而减小了搜索时 间，解决了退火粒子群方法耗费时间长的问题。

S2.6：通过小波奇异点分析定位信号S₁、S₂，得到信号的奇异点；根据两个 奇异点的采样点差值确定泄漏源信号到达上下游两个声发射传感器的时间差 Δt；

由于声发射信号在材料中的传播速度受到材料类型、各向异性、结构形状 与尺寸、内部介质等多种因素的影响，使得传播速度成为一种易变量。并且由 于声发射信号还具有频散现象，受到波的频率的影响，致使在实际工况中难以 确定泄漏声波的声速。

管道泄漏声速不仅受管道材料的影响，还受到不同介质、不同工况的影响， 并且使用不同的方法检测到的波速都有差别，目前，国内外还没有一个统一的 方法计算管道泄漏声波的波速，研究人员检测或计算得到波速值也不一致。如， 天津大学孙立瑛等人在“充液管道中声发射波的传播及衰减特性研究”(压电与 声光，2008年8月，第30卷第4期，第401-403页)一文中认为声发射波在钢 制管道时，介质为空气时波速为3300m/s，在水载作用下为1500m/s；而沈功田 在《声发射检测技术及应用》(科学出版社，2015年版，第242-243页)一书中 中认为，在钢制管道泄漏产生的声发射信号在介质为空气时，其波速为880～960m/s之间；而Didem Ozevin在“Novel leak localization in pressurized pipelinenetworks using acoustic emission and geometric connectivity”(InternationalJournal of Pressure Vessels&Piping,2012年,第92卷第2期，第63-69页)中利用模态 计算声发射在PVC管中介质为空气的波速为1479m/s。如何得到一个相对客观 而又准确的泄漏声波的声速是本专利要解决的另一个重要关键。

互相关技术既适用于断续波之间的时差或时间延迟测量，也适用于连续波 之间的时差或时间延迟测量，这一技术已被成功地应用于管道声发射检测的泄 漏源定位。相关仪就是根据互相关技术原理来进行管道泄漏检测的，但应注意 使用正确的声速。

相关仪的两传感器放置同声发射管道泄漏检测传感器放置位置相同。应用 相关仪对管道泄漏进行定位检测，通常通过双通道快速傅里叶变换(FFT)分析 来实现互相关函数分析，从频域v中互相关谱G_AB(v)的逆傅立叶变换可以得到时 域τ中的互相关函数R_AB(τ)：

式中，G_AB(v)是A(t)B(t+τ)的傅立叶变换，其中，A(t)表示一个波，B(t+τ)表 示另一个延迟时间为τ的波，G_AB(v)的结果是泄漏位置数据。该方法对被测管道 单点的泄漏能够获得较为准确的定位，对多点泄漏定位误差也较大。但其定位 结果概率大于4％时，可以认为其结果是较为客观准确的，这可以从多次实验结 果中得到验证(见实验数据表1)。由此我们决定利用相关仪进行波速的测量确 定。

实验1工况为：管道长2030cm的PE管，内部介质为压缩空气，压力为 0.5MPa，埋地管道，泄漏孔距离管道上游传感器1600cm处泄漏，泄漏孔径2mm。

实验2工况为：管长3600cm的钢管，内部介质为压缩空气，压力为0.57MPa， 空架管道，泄漏孔距离管道上游传感器1600cm处泄漏，泄漏孔径1mm。

实验3工况为：管长4275cm的钢管，内部介质为压缩空气，压力为0.28MPa， 空架管道，泄漏孔距离管道上游传感器1706cm处泄漏，泄漏孔径为1mm。

表1相关仪管道泄漏定位实验数据

计算确定泄漏信号的波速具体的包括以下步骤：

S3：确定泄漏源信号在管道中的传播速度v；

S3.1：采用相关仪采集管道泄漏源声信号；

S3.2：根据采集到的管道泄漏源声信号，通过相关仪分析定位结果检测与定 位结果概率分析，确定泄漏源声信号在管道介质中的传播速度v；为了保证数 据的客观性，对相关仪分析定位结果检测与定位结果概率分析，对同一种工况 下，取三批采集数据，每批10组数据分析得出的平均速度最后计算得到泄 漏源声信号在管道介质中的传播速度v。

S4：由步骤S2.6计算得到的泄漏源信号传播到达上下游声发射传感器的时 间差Δt以及由步骤S3.2得到的泄漏源信号在管道介质中传播的速度v，根据互 相关定位公式(1)计算出泄漏源位置。

式中：l为被检测管道泄漏源位置，即泄漏点到上游声发射传感器的距离 (m)；L为两声发射传感器之间的距离(m)。

以上数据分析和处理的过程均通过Matlab编程实现。

本发明的有益效果是：本发明提供的一种压力管道两点泄漏检测精确定位 方法，该方法利用声发射泄漏检测系统和相关仪泄漏检测系统在同时刻、同一 环境下，对同一对象采集管道泄漏信号；由声发射仪采集上下游管道泄漏源信 号，通过利用小波消噪技术降低噪声对泄漏源信号的影响，利用基于模拟退火 思想的粒子群优化算法对检测信号到的泄漏信号进行盲源分离处理，同时嵌入 记忆器，构筑并应用记忆模拟退火粒子群盲分离方法，不仅能消除管道多点泄 漏导致信号的频散特性，分离出更为准确的泄漏源信号，使得分离时间大大减 少，以此确定泄漏源信号到达上下游两传感器的时间；再利用相关仪泄漏检测 系统采集的泄漏信号分析出声波信号在管道中的传播精确速度；最后根据互相 关定位算法计算出泄漏源的位置。本发明能够对压力管道泄漏进行精确定位， 提供了一种成本低、使用便捷，并且能够识别微小泄漏，的管道多点泄漏定位 方法。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明最佳实施例的流程示意图；

图2是压力管道两点泄漏装置示意图；

图3是传感器1号频谱图；

图4是传感器2号频谱图；

图5是传感器1号波形图；

图6是传感器2号波形图；

图7是声发射检测有效电压RMS定位图；

图8是声发射检测平均信号电平ASL定位图；

图9是传感器1号(上游传感器)降噪后的观测信号；

图10是传感器2号(下游传感器)降噪后的观测信号；

图11是传感器1、2号两个新的观测信号；

图12是传感器1、2号分离信号；

图13是相关仪对管道泄漏点检测的曲线显示图；

图14是相关仪对管道泄漏点的定位结果概率图。

具体实施方式

现在结合附图对本发明作详细的说明。此图为简化的示意图，仅以示意方 式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1所示，本发明的一种压力管道两点泄漏检测精确定位方法，具体包 括以下步骤，

S1：搭建检测系统；

将两声发射传感器安装在被检测管道的上游与下游，并使声发射传感器与 声发射仪连接搭建成声发射泄漏检测系统；同时，将两相关仪传感器安装在被 检测管道上游与下游的同一位置，并使两传感器与相关仪连接搭建成相关仪泄 漏检测系统；

S2：确定泄漏源信号到达上下游两声发射传感器的时间差Δt；

S2.1：通过声发射泄漏检测系统采集管道的泄漏源原始信号；

S2.2：对声发射泄漏检测系统采集到的管道上下游泄漏源原始信号进行筛 选，提取有效值电压RMS值和平均信号电平ASL值相对较高且峰值相对集中 的混合定位信号数据作为粗定位信号数据；

S2.3：利用小波消噪技术对粗定位信号进行降噪处理，得到观测信号；

降噪处理具体包括，

S2.3.1：信号的小波分解，对不同的信号选择合适的小波基，并且确定好要 分解的层次，然后再进行分解计算；

S2.3.2：小波分解高频系数的阈值量化，选择一个合适的阈值对每一个分解 尺度下的高频系数进行量化，所述阈值选择软阈值来对其进行量化处理；

S2.3.3：小波重构，根据小波分解的各层的高频系数和最底层的低频系数进 行一维小波重构。

S2.4：将降噪后得到的观测信号与Matlab中随机生成的矩阵混合形成新的 观测信号；

S2.5：将新的观测信号导入Matlab中进行白化处理，再利用记忆模拟退火 粒子群的盲源分离方法进行盲源分离得到分离后的上下游的泄漏源定位信号 S₁、S₂；

所述的记忆模拟退火粒子群盲源分离的具体步骤包括，

S2.5.1：初始参数设定：设定粒子群粒子数为n，并对每个粒子进行初始化， 权重为w，认知因子与社会学习因子分别为c₁、c₂，将随机产生一定数量的解混 合矩阵W(t)作为初始粒子，于此同时会随机产生各粒子的初始速度，并且初始 化个体极值和全局极值，给定起始温度T、终止温度T₀和模拟退火速度λ；

S2.5.2：根据粒子的位置分离信号，对y(t)进行中心化和白化操作，根据极 大似然估计函数作为目标函数，以此计算每一个粒子的适应值；

S2.5.3：将每个粒子的适应值作为粒子个体最优极值p_i，并在个体极值中选 取最优值作为全局极值p_g；

S2.5.4：判断是否满足终止条件，若满足则终止计算，反之继续；

S2.5.5：将每个粒子适应值与个体极值p_i和全局极值p_g进行比较，取最优值 更新每个粒子的个体极值p_i和全局极值p_g；

S2.5.6：更新粒子的速度和位置，并分别限制给定的最大速度与最大位置的 范围内，并计算每个更新粒子的适应值；

S2.5.7：计算前后两个粒子位置所引起的适应值的变量ΔE，若ΔE＜0，则接 受新位置；若exp(-ΔE/T)＜δ，δ∈(0,1)之间的随机数，也接受新位置，否则拒绝 返回到步骤S2.5.2；

S2.5.8：嵌入并设置记忆器变量初始位置与适应值，即为第一次循环的最优 位置与适应值；

S2.5.9：比较新位置与适应值和记忆器中储存位置与适应值，若新的位置与 适应值和记忆器中的位置与适应值相同则返回步骤S2.5.2，反之记录入记忆器；

S2.5.10：进行退火操作，T_(t+1)＝λT_t(t为迭代次数)；

S2.5.11：若满足终止条件，则输出最优解，否则返回步骤S2.5.2；

S2.5.12：求得到W(t)最优，求解出源信号s(t)的最优估计。

S2.6：通过小波奇异点分析定位信号，得到信号的奇异点；根据两个奇异点 之间的采样点差值确定泄漏源信号到达上下游两个声发射传感器的时间差Δt；

S3：确定泄漏源信号在管道中的传播精确速度v；

S3.1：采用相关仪采集管道泄漏源声信号；

S3.2：根据采集到的管道泄漏源声发射信号数据，通过相关仪分析定位结果 检测与定位结果概率分析，确定泄漏源声信号在管道介质中的传播速度v；

S4：由步骤S2.6计算得到的泄漏源信号传播到达上下游声发射传感器的时 间差Δt以及由步骤S3.2得到的泄漏源信号在管道介质中传播的速度v，根据互 相关定位公式(1)计算出泄漏源位置。

式中：l为被检测管道泄漏源位置，即泄漏点到上游声发射传感器的距离(m)；L为两声发射传感器之间的距离(m)。

根据上述步骤进行模拟泄漏实验，如图2所示，首先，搭建检测系统，本 实施例中采用一段管径为DN150的钢制管道，其公称直径为150mm，实验管 道长为44m，压力为0.1MPa，管道内部介质为自来水；下游声发射传感器分别 放置在1m与43m处，如图中声发射传感器1号和声发射传感器2号，两泄漏 孔分别设置在距离零点的19m和33m处，泄漏孔径均为1mm，进行模拟泄漏实 验。

经泄漏试验采集，图3-图6是声发射泄漏检测仪在本次充液管道两点泄漏 实验中在压力0.1MPa，泄漏孔径都为1mm情况下获得的信号频谱图(图3、图 4)和波形图(图5、图6)，以及有效值电压RMS定位图(图7)、平均信号电 平ASL定位图(图8)。

其中，信号频谱图的横坐标表示频率(Hz)，纵坐标表示电源功率(dB)； 波形图的横坐标表示时间(s)，纵坐标表示电压(mV)；有效值电压RMS定位 图的横坐标表示泄漏点到上游声发射传感器的距离(mm)，纵坐标表示有效值 电压RMS(V)；平均信号电平ASL定位图的横坐标表示泄漏点到上游声发射 传感器的距离(mm)，纵坐标表示平均信号电平(dB)。

有效值电压RMS定位图与平均信号电平ASL定位图为提取管道声发射泄 漏信号参数提供了参考依据，以便提取出部分信号作为粗定位信号数据。

从图7和图8可以看出在19m和33m两处附近有幅值较高且峰值相对集中 的混合定位信号，但同时存在有较多的噪声信号；通过管道声发射泄漏信号参 数提取这些混合定位信号数据中部分信号数据作为粗定位信号数据(见表2)。

表2管道两点泄漏源实验定位粗定位信号数据表

上述内容为S2.1-S2.2的内容。

S2.3利用小波消噪技术对粗定位信号进行降噪处理，得到观测信号。

为减小周围噪声的影响，通过小波消噪对原始信号进行降噪处理，该步骤 通过Matlab软件实现。

小波信号降噪的过程分为以下几个步骤：

S2.3.1：信号的小波分解。首先，对不同的信号要选择其合适的小波基，并 且确定好要分解的层次，然后再进行分解计算。

S2.3.2：小波分解高频系数的阈值量化。需要选择一个合适的阈值对每一个 分解尺度下的高频系数进行量化，在本发明中选择软阈值来对其进行量化处理。

S2.3.3：小波重构。根据小波分解的各层的高频系数和最底层的低频系数进 行一维小波重构。

将从声发射泄漏检测系统在泄漏管道上下游获取的两个粗定位信号导入 MATLAB工具箱中的小波分析模块，通过以上步骤S2.3.1-S2.3.3，对得到的管 道泄漏声发射信号进行噪降处理，得到降噪后的信号即为观测信号I₁、I₂，其中， I₁表示上游传感器获得的信号，I₂表示下游传感器获得的信号。如图9和图10 所示，分别为管道上下游声发射传感器接收到的粗定位信号降噪之后的观测信 号图。其中图9与图10的横坐标均表示采样点，纵坐标表示幅度值(V)。

S2.4将降噪后得到的观测信号I₁、I₂，与Matlab中随机生成的矩阵混合形 成新的观测信号L₁、L₂；由于观测信号的数目大于或者等于源信号的数目，利 用该步骤使之由原来的欠定盲源分离问题改变为正定盲源分离问题。

该步骤使观测信号的数目大于或者等于源信号的数目，使之由原来的欠定 盲源分离问题改变为正定盲源分离问题。如图11所示，得到两个新的观测信号 L₁、L₂，分别为上下游信号与随机生成的混合矩阵形成的观测信号图。

S2.5将新的观测信号L₁、L₂导入Matlab中进行白化处理，再利用记忆模拟 退火粒子群的盲源分离方法进行盲源分离得到分离后的上下游的泄漏源定位信 号S₁、S₂；通过白化处理能够简化盲源分离并改善盲源分离算法，使得盲源分 离处理更加便于进行。

S2.6根据上下游定位信号的奇异点分析定位信号S₁、S₂，得到泄漏源声发 射信号到达上下游传感器的时间差Δt。通过上下游的定位信号的奇异点可以得 知(图12)，上游1号传感器定位信号的奇异点在第270个采样点附近，下游2 号传感器定位信号的奇异点在第890个采样点附近，由此可得，信号传至上下 游传感器之间的时间差Δt为0.0062s。其中，图11与图12的横坐标均表示采样 点，纵坐标均表示幅度值(V)。

S3：确定声发射信号在管道中的传播精确速度v；

S3.1：将相关仪的两传感器放置于被检测管道的上下游，相关仪的两传感器 位置与声发射仪器传感器放置位置相同，相关仪的两个传感器(相关仪声波传 感器1号和相关仪声波传感器2号)放置位置见图2所示，并采用相关仪采集 管道泄漏声信号；

S3.2：根据采集到的管道泄漏声信号，通过相关仪分析定位结果检测与定位 结果概率分析；对同一种工况下，取三批采集数据分析得出的平均速度即为 泄漏源声发射在管道介质中的传播速度v。

利用相关仪设置参数，对定位概率结果大于4％的波速，对该数据进行分析， 并提取出相应的波速。通过分析相关仪对管道泄漏点检测的曲线显示图与相关 仪对管道泄漏点的定位结果概率显示(如图13和图14)，其中，图13和图14 的横坐标表示泄漏点到上游相关仪声波传感器的距离(cm)，纵坐标表示幅度值 (V)，提取出相关仪中三批定位数据中出现概率较高的定位值，以及与之对应 的波速v，如表3所示。

表3相关仪定位数据表

由表3我们可以计算得到在此种工况下的泄漏声波的波速为1150m/s。

S4：由步骤S2.6计算得到的泄漏源信号传播到达上下游声发射传感器的时 间差Δt以及由步骤S3.2得到的泄漏源信号在管道介质中传播的速度v，根据互 相关定位公式(1)计算出泄漏源位置。

由此将获得的波速v和时间差Δt带入式(1)，可以得到其中一个泄漏定位 点为19.44m。并运用此方法计算出其他的泄漏定位点并计算出数据处理前后的 相对误差，如表4和表5所示。

表4 19m处泄漏源定位结果及相对误差

序号	粗定位泄漏位置(m)	测量相对误差(％)	处理后泄漏点(m)	处理后相对误差(％)
					1	15.96	16.0	17.25	9.2
2	21.02	10.6	19.78	4.1
					3	19.84	4.4	19.55	2.9
4	19.42	2.2	19.32	1.7
					5	19.47	2.5	19.26	1.4
6	20.33	7.0	19.67	3.5
					7	20.71	9.0	19.44	2.3
8	20.98	10.4	19.9	4.7
					9	19.16	0.8	19.21	1.1
10	21.18	11.5	20.13	5.9
					11	17.41	8.4	17.65	7.1
12	16.55	12.9	17.37	8.6
					13	21.01	10.6	19.78	4.1
14	19.39	2.1	19.21	1.1
					平均值	19.5	7.7	19.1	4.1

表5 33m处泄漏源定位结果及相对误差

经过对所有数据的分析处理，由表4和表5可以看出分析后泄漏点的位置 基本上与设计时的19m和33m相吻合，且定位精确度比声发射仪与相关仪检测 泄漏结果更好。在19m泄漏点处测量相对误差为7.7％，处理后相对误差为4.1％； 在33m泄漏点处测量相对误差为76.4％，处理后相对误差为4.0％。由此看出， 运用此方法进行数据处理之后，可以大大降低泄漏定位时的误差，并且该方法 成本低、使用便捷。

以上对本发明所提供的一种压力管道两点泄漏源检测精确定位的方法，并 对此进行了详细介绍。应用了具体实验实例对本发明的原理和实施方式进行了 阐述，所要说明的是，以上所述仅为本发明的较佳实施例而已，并不用以限制 本发明。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等， 均应包含在本发明的保护范围之内。

Claims (3)

1.一种压力管道两点泄漏检测精确定位方法，其特征在于：包括以下步骤，

S1：搭建检测系统；

将两声发射传感器安装在被检测管道的上游与下游，并使声发射传感器与声发射仪连接搭建成声发射泄漏检测系统；同时，将两相关仪传感器安装在被检测管道上游与下游的同一位置，并使两传感器与相关仪连接搭建成相关仪泄漏检测系统；

S2：确定泄漏源信号到达上下游两声发射传感器的时间差Δt；

S2.1：通过声发射泄漏检测系统采集管道的泄漏源原始信号；

S2.2：对声发射泄漏检测系统采集到的管道上下游泄漏源原始信号进行过滤筛选，提取有效值电压RMS值和平均信号电平ASL值相对较高且峰值相对集中的混合定位信号数据作为粗定位信号数据；

S2.3：利用小波消噪技术对粗定位信号进行降噪处理，得到观测信号；

S2.4：将降噪后得到的观测信号与Matlab中随机生成的矩阵混合形成新的观测信号；

S2.5：将新的观测信号导入Matlab中进行白化处理，再利用记忆模拟退火粒子群的盲源分离方法进行盲源分离得到分离后的上下游的泄漏源定位信号S₁、S₂；

S2.6：通过小波奇异点分析定位信号，得到信号的奇异点；根据两个奇异点的采样点差值确定泄漏源信号到达上下游两个声发射传感器的时间差Δt；

S3：确定泄漏源信号在管道中的传播速度v；

S3.1：采用相关仪采集管道泄漏源声信号；

S3.2：根据采集到的管道泄漏源声信号数据，通过相关仪分析定位结果检测与定位结果概率分析，确定泄漏源声信号在管道介质中的传播速度v；

S4：由步骤S2.6计算得到的泄漏源信号传播到上下游声发射传感器的时间差Δt以及由步骤S3.2得到的泄漏源信号在管道中的传播速度v，根据互相关定位公式(1)计算出泄漏源位置；

<mrow> <mi>l</mi> <mo>=</mo> <mfrac> <mrow> <mi>L</mi> <mo>-</mo> <mi>&amp;Delta;</mi> <mi>t</mi> <mo>&amp;CenterDot;</mo> <mi>v</mi> </mrow> <mn>2</mn> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

式中：l为被检测管道泄漏源位置，即泄漏点到上游声发射传感器的距离(m)；L为两声发射传感器之间的距离(m)。

2.如权利要求1所述的压力管道两点泄漏检测精确定位方法，其特征在于：所述步骤S2.3中的降噪处理具体包括，

S2.3.1：信号的小波分解，对不同的信号选择合适的小波基，并且确定好要分解的层次，然后再进行分解计算；

S2.3.2：小波分解高频系数的阈值量化，选择一个合适的阈值对每一个分解尺度下的高频系数进行量化，所述阈值选择软阈值来对其进行量化处理；

S2.3.3：小波重构，根据小波分解的各层的高频系数和最底层的低频系数进行一维小波重构。

3.如权利要求1所述的压力管道两点泄漏检测精确定位方法，其特征在于：所述步骤S2.5中所述的记忆模拟退火粒子群盲源分离的具体步骤包括，

S2.5.1：初始参数设定：设定粒子群粒子数为n，并对每个粒子进行初始化，权重为w，认知因子与社会学习因子分别为c₁、c₂，将随机产生一定数量的解混合矩阵W(t)作为初始粒子，于此同时会随机产生各粒子的初始速度，并且初始化个体极值和全局极值，给定起始温度T、终止温度T₀和模拟退火速度λ；

S2.5.2：根据粒子的位置分离信号，对y(t)进行中心化和白化操作，根据极大似然估计函数作为目标函数，以此计算每一个粒子的适应值；

S2.5.3：将每个粒子的适应值作为粒子个体最优极值p_i，并在个体极值中选取最优值作为全局极值p_g；

S2.5.4：判断是否满足终止条件，若满足则终止计算，反之继续；

S2.5.5：将每个粒子适应值与个体极值p_i和全局极值p_g进行比较，取最优值更新每个粒子的个体极值p_i和全局极值p_g；

S2.5.6：更新粒子的速度和位置，并分别限制给定的最大速度与最大位置的范围内，并计算每个更新粒子的适应值；

S2.5.7：计算前后两个粒子位置所引起的适应值的变量ΔE，若ΔE＜0，则接受新位置；若exp(-ΔE/T)＜δ，δ∈(0,1)之间的随机数，也接受新位置，否则拒绝并返回到步骤S2.5.2；

S2.5.8：嵌入并设置记忆器变量初始位置与适应值，即为第一次循环的最优位置与适应值；

S2.5.9：比较新位置与适应值和记忆器中储存位置与适应值，若新的位置与适应值和记忆器中的位置与适应值相同则返回步骤S2.5.2，反之记录入记忆器；

S2.5.10：进行退火操作，T_(t+1)＝λT_t(t为迭代次数)；

S2.5.11：若满足终止条件，则输出最优解，否则返回步骤S2.5.2；

S2.5.12：求得到W(t)最优，求解出源信号s(t)的最优估计。