一種新的燃氣泄漏檢測方法

齊元利 馬 燕 張相芬 李順寶 張玉萍

(上海師范大學信息與機電工程學院，上海 200234)

?

一種新的燃氣泄漏檢測方法

齊元利 馬 燕 張相芬 李順寶 張玉萍

(上海師范大學信息與機電工程學院，上海 200234)

為了檢測城市管道燃氣泄漏，搭建了燃氣管道運輸試驗平臺采集燃氣信號。由于泄漏聲發射信號模式復雜、內容多樣、變化迅速，分別采用小波分解與小波重構的方式對信號進行分解處理，并根據原信號突出特征重構信號。考慮到泄漏信號與非泄漏信號的模式復雜程度不同，提出了基于近似熵的判別方法。試驗結果表明，兩種信號的近似熵值差距明顯，可以作為區分兩種信號的依據，同時說明近似熵的方法可以用于燃氣泄漏檢測。

天然氣 燃氣泄漏 聲發射 離散小波變換 小波分解 小波重構 近似熵 信號采集

0 引言

相對于其他燃料，具有綠色環保、經濟實惠、安全可靠等特點的天然氣的使用越來越普及。如今，天然氣已經通過燃氣管道走進千家萬戶，給人們的生活帶來了很大便利。同樣，天然氣的易燃易爆性和一定的毒害性等性質，也使天然氣的使用存在一定安全隱患，這就需要解決燃氣泄漏的檢測問題[1]。不管燃氣以何種方式泄漏，由于壓強的作用，管道部分區域應力集中，燃氣和管道之間會快速釋放能量并產生瞬態彈性波，這種彈性波被稱為聲發射信號[2]。聲發射信號使管道材料產生振動，從而將信息傳遞到管道表面。該振動可以由聲發射傳感器獲取，經過放大處理后，可以記錄或顯示很多信號特征。聲發射信號的產生具有多樣性、突發性以及不確定性，經由介質傳遞和傳感器頻響特性影響之后，更難以利用理論加以計算，由此，聲發射信號表現出非線性的動力學特性[3]。

根據已有的相關研究發現[4]，將聲發射信號進行小波重構后，分析重構后的信號可以更好地反映聲發射信號的特性。近似熵可以描述聲發射信號的復雜性，能夠預測信號新模式產生的概率[5]。近似熵越大，說明信號越容易產生新的模式，信號自身越復雜。信號的復雜度也可以作為區分信號的一個依據。所以，本文使用小波重構和近似熵結合的方法，進行燃氣泄漏檢測。

1 方法介紹

①小波變換及重構。

給定一個平方可積空間信號χ(t)，記作χ(t)∈L2(R)，則小波變換可定義為:

(1)

(2)

(3)

相應的離散小波變換WTx(j,k)為：

(4)

式中：WTx(j,k)被稱為離散小波系數，簡稱小波系數。

對應地，小波重構[5]公式為：

(5)

上式得到的時間信號χ(t)稱為小波變換的單支重構信號。

小波變換的單支重構保證了尺度系數的不變性。針對平移因子進行積分，得到尺度值不變而平移因子變化下的單支時間信號。單支重構的意義在于將信號按照一定的頻率值分解成一系列的時間信號，這樣就可以排除其他頻率成分信號的干擾[6]。

②小波基的選取。

小波基需要具有時域的緊支性以及在頻域急劇衰減的能力，以此來獲取聲發射信號的突發部分信息和分析頻域衰減帶來的信息。

聲發射信號傳感器采集到的聲發射信號數據量一般比較大，考慮到信號的處理速度，采用離散小波變換而不是連續小波變換。

聲發射信號會表現出大量的類似沖擊信號的特性，波形中包含一些近似指數衰減類型的波形信號，因此所采用的小波基也需要具有類似的特質。

選擇的小波基必須具有一定階次的消失矩，以此來獲得聲發射信號的奇異特性。

在信號處理經常用到的幾種小波基中，Daubechies小波既能在時域表現緊支性，又在頻域表現快速衰減特性；同時時域波形表現出震蕩衰減特性，并且有一定范圍的消失矩。根據大量試驗結果比較分析，本文選擇使用Daubechies小波。

③近似熵。

近似熵用來描述數據結構或數據維數發生變化時能夠產生新模式的可能性，亦即產生新信號模式的可能性或概率[7-9]，所以是一個非負數。它以一種定量的方式描述信號在時間序列上的復雜程度。簡單來說，如果某數據段的近似熵值越大，表明該數據段在時間序列上的隨機性或不規則性越強，越不具有某種周期性，且越具有較高復雜度的數據結構；反之，數據段的熵值越小，說明數據更有可能具備周期性，數據結構也更簡單、單一[10]。

將數據組成m維向量，即：

X(i)=[χ(i)χ(i+1)…χ(i+m-1)]

(6)

(7)

對m維向量的每一個i計算X(i)與除自身外的所有矢量X(j)(i=1,2,…,N-m+1)間的距離。

(8)

輸出近似熵，即

(9)

近似熵是一個純粹的標量，沒有任何量綱。它的計算結果和m、r有很大關系。

根據多次試驗表明，當m=2、r=(0.1～0.25)STD(STD為序列的標準差)時，近似熵計算結果呈現出理想的統計特征。近似熵在抗瞬態干擾方面有較強能力，同時包含著大量時間模式的信息，既體現數據結構復雜度和新模式產生概率之間的關系[12]，又體現數據在結構上的復雜性。近似熵只用很短的數據序列即可取得很好的效果，對隨機過程和確定性過程都適用。

2 試驗分析

①聲發射檢測系統。

該試驗平臺由一條直管和一條支管組成，直管和支管構成一條回路。試驗管道全長9 m，可用來安放傳感器的管道分別為AB段和CD段，總長為8 m。試驗管徑為DN20，檢測平臺設計的最大壓力為1.6 MPa。聲發射檢測試驗平臺如圖1所示。

圖1 聲發射檢測試驗平臺示意圖

本次試驗平臺所采用的聲發射信號采集系統是由北京聲華興業科技有限公司生產的SAEU2S聲發射系統，其基本工作原理如圖2所示。

圖2 聲發射系統工作原理圖

試驗過程：將聲發射傳感器放置到AB段管道，打開空氣壓縮機和管道閥門形成一個氣流通路，使傳感器捕捉到聲發射信號。

試驗環境：該試驗在安靜的試驗室內進行，經過在噪聲環境下采集數據并比對，發現普通環境噪聲不會給數據的分析帶來誤差，可以忽略。

試驗記錄：聲發射信號經由傳感器顯示波形如圖3所示。

圖3 經傳感器的聲發射信號波形

②數據分析。

首先針對泄漏與非泄漏情況下采集到的聲發射信號進行小波變換，分別提取其細節特征，并使用小波重構出新的信號，來更好地進行信號分析。將在燃氣泄漏和不泄漏兩種情況下分別采集到的信號用“db10”小波進行5層小波信號分解。由信號分解可知，試驗采集到聲發射信號的信息絕大部分蘊藏在小波分解得到的第一層、第二層和第三層細節信號中，因此，在進行信號的重構時，只采用前三層的細節信號，重構后的信號如圖4所示。

圖4 信號重構圖

將采集到的序列取信號長度為20 000點，取長度2 000為一個矩形數據窗口，對窗口內的數據進行小波重構。針對重構之后得出的小波系數，計算它們的近似熵，重復以上步驟直到遍歷最后一個數據。試驗所得該段數據近似熵如圖5所示，它說明了該段數據隨著時間變化的信號復雜度變化情況。

由試驗結果可知，在第七個和第八個數據窗口內數據的近似熵急劇增加，說明該段數據維數變化大、結構復雜，很有可能在此處出現燃氣泄漏。為了驗證設想，在保證其他條件不變的情況下，以燃氣無泄漏和燃氣有泄漏為變量采集數據，重新計算并比較近似熵如圖6所示。

圖5 重構后小波系數近似熵示意圖

圖6 泄漏與非泄漏情況下近似熵示意圖

③試驗結論。

由以上試驗和數據分析可知，燃氣泄漏和非泄漏情況下的信號經過小波變換處理后，其近似熵差距明顯，可以作為燃氣泄漏的一個判斷指標。

3 結束語

本文將小波變換和近似熵相結合，引入到燃氣泄漏檢測領域，同時將近似熵的物理意義轉化到實際應用中，為燃氣泄漏檢測提供了新的思路和方法。試驗結果表明，本文介紹的小波重構與近似熵結合的燃氣泄漏檢測方法方便可行、效果明顯，而且成本較低。

[1] GAO BK,SHI G J,WANG Q.Leakage detection of natural gas pipeline based on neural networks and data Fusion[C]//HarBin，China，Information and Control,2013:11171-1175.

[2] Cicero FF Costa FIllo,Roberlonio de O.Melo Marly G F C.An Improved System for Detecting Natural Gas Leaks[C]//London,UK,Science and Information Conference,2013:443-446.

[3] MOSTAFAPOUR A ,DAVOUDI S.Analysis of leakage in high pressure pipe using acoustic emission method[J].Applied Acoustics,2013,74(1),336-344.

[4] DAN X，DENG J.Acoustic emission detection and classification using wavelet-based power-law detector[J].UItransonics Symposium，2011,44(3)：1072-1075.

[5] 林麗，趙德有.近似熵在聲發射信號處理中的應用[J]，振動與沖擊，2008，27(2)：99-102.

[6] LU C X,TAN Y H,LIAO K.Cycle slip processing based on wavelet reconstruction for single-frequency GPS signal in kinetic precise point positioning[C]//IEEE,2013:2527-2532.

[7] 于鳳芹.實用小波十講[M].西安：西安電子科技大學出版社，2013.

[8] 熊小伏，林金洪.基于小波重構的電力電纜故障測距方法[J]，電網技術，2003，27(6):36-38.

[9] KANTERS K,SOLOMON S,HCHON K.Automatic selection of the threshold value for approximate Entropy[C]//IEEE Transactionson Biomedical Engineering,2008:1966-1972.

[10]FU L,HE Z Y.MAI R K.Approximate entropy and its application to fault detection and identification in power swing[C]//IEEE,2009:1-8.

[11]WANG B C,REN Z H.Application of complexity and approximate entropy on fault diagnoses[C]//ICNC,2010:3274-3277.

[12]董國亞,吳祈耀.應用近似熵對睡眠腦電進行分期的研究[J]，北京生物醫學工程，1999(4):197-202.

A New Method of Gas Leakage Detection

In order to detect the leakage of urban gas pipelines,the experimental platform of gas pipeline transportation is built to collect the gas signal.Due to the acoustic emission signal of leakage is featuring complex patterns,diverse contents and rapid changes,the signal is decomposed and processed by using wavelet decomposition and wavelet reconstruction respectively; and the characterized reconstructed signal is highlighted in accordance with the original signal.Considering the difference complexity of patterns of leakage signal and non-leakage signal,the discrimination method based on approximate entropy is proposed.The experimental results show that the obvious gap exists between the approximate entropy values of two kinds of signals,thus these can be used to distinguish two kinds of signals; the method of approximate entropy can be used for gas leakage detection.

Natural gas Gas leakage Acoustic emission Discrete wavelet transform Wavelet decomposition Wavelet reconstruction Approximate entropy Signal acquisition

齊元利(1990—)，男，現為上海師范大學計算機技術專業在讀碩士研究生；主要從事信號處理方向的研究。

TH7;TP212

A

10.16086/j.cnki.issn 1000-0380.201611007

修改稿收到日期：2016-01-05。