管道泄漏檢測中兩個(gè)難點(diǎn)問題的研究進(jìn)展

高 琳， 曹建國

(1.北京科技大學(xué)機(jī)械工程學(xué)院， 北京 100083； 2.內(nèi)蒙古科技大學(xué)機(jī)械工程學(xué)院， 包頭 014010；3.北京科技大學(xué)人工智能研究院， 北京 100083)

輸流管道常常由于外力、疲勞、腐蝕等原因發(fā)生破壞進(jìn)而發(fā)生泄漏事故，造成環(huán)境污染甚至重大人員傷亡和財(cái)產(chǎn)損失，如2010年7月25日，美國Enbridge公司所屬管線在密歇根州馬歇爾地區(qū)的濕地內(nèi)發(fā)生破裂，導(dǎo)致3 192 m2的原油流入了Kala-mazoo河，大約320人因暴露在原環(huán)境下出現(xiàn)了不同程度的病癥，直接經(jīng)濟(jì)損失超過7.67億美元[1]。值得注意的是，此次事故在泄漏長達(dá)17 h后才被運(yùn)營商發(fā)現(xiàn)，因此，如何快速有效地識(shí)別和準(zhǔn)確地定位泄漏是管道泄漏檢測的關(guān)鍵所在。

管道泄漏的檢測手段有很多，綜觀現(xiàn)有研究文獻(xiàn)，按檢測對象可以分為以下三類：管道內(nèi)部流體狀態(tài)檢測[2]、管壁狀況檢測[3]、管道外部環(huán)境檢測[4]。按檢測方法總體上可分為“基于硬件[5]”和“基于軟件[6]”兩大類方法，也可以具體分為“基于模型[7]”“基于信號(hào)處理[8]”“基于人工智能[9]”的檢測方法。王俊嶺等[10]對用于在役排水管道缺陷檢測的主要方法做了綜述，分析了各檢測方法的原理和特點(diǎn)。

目前雖然已經(jīng)有眾多成熟技術(shù)廣泛應(yīng)用在管道泄漏的檢測當(dāng)中，但其中仍有以下兩個(gè)難點(diǎn)尚未得到充分解決。其一，由于管道屬于圓柱殼結(jié)構(gòu)，因此泄漏所致聲發(fā)射應(yīng)力波在圓柱殼這種薄壁結(jié)構(gòu)中傳播會(huì)產(chǎn)生多種模態(tài)，包括扭轉(zhuǎn)模態(tài)、彎曲模態(tài)和縱向模態(tài)，不同頻率的模態(tài)波還具有不同的傳播速度，即存在頻散現(xiàn)象，導(dǎo)致難以準(zhǔn)確定位泄漏源，尤其對于較長管道。正因如此，出現(xiàn)了專門的分支領(lǐng)域——模態(tài)聲發(fā)射[11](modal acoustic emission, MAE)，但由于管道泄漏聲發(fā)射應(yīng)力波模態(tài)種類多、頻散機(jī)理復(fù)雜，故管道泄漏的MAE問題尚處在不斷探索之中。其二，對于管網(wǎng)泄漏的檢測，一直存在著泄漏定位精度與傳感器數(shù)量的矛盾。不同于一維管道，二維平面管網(wǎng)和三維立體管網(wǎng)存在大量彎頭、法蘭、閥門等改變泄漏信號(hào)傳播特性的因素，為了能準(zhǔn)確定位泄漏，往往需要布置大量的傳感器，但由此又帶來了檢測成本高、數(shù)據(jù)量大、實(shí)時(shí)響應(yīng)慢的不足，因此有待進(jìn)一步深入研究。

基于上述存在于管道泄漏檢測中的兩個(gè)難點(diǎn)問題，現(xiàn)就相關(guān)研究現(xiàn)狀進(jìn)行介紹和評述，并做出展望。

1 基于模態(tài)聲發(fā)射的管道泄漏檢測

“模態(tài)聲發(fā)射”是在傳統(tǒng)“參數(shù)聲發(fā)射”的基礎(chǔ)上發(fā)展起來的聲發(fā)射檢測技術(shù)，該理論認(rèn)為在被測結(jié)構(gòu)中發(fā)生的聲發(fā)射事件是由多個(gè)模態(tài)組成的導(dǎo)波信號(hào)[12]，而管道泄漏的導(dǎo)波信號(hào)在管道內(nèi)傳播的頻散特性使得信號(hào)波形不再是固定不變的，而是隨著傳播距離的增大逐漸失真，從而降低了通過互相關(guān)方法進(jìn)行管道泄漏定位的精度。因此，可以考慮的做法是，先從傳感器所測信號(hào)中提取有效泄漏信號(hào)(去噪)，然后對其進(jìn)行模態(tài)分析，提取其中某個(gè)模態(tài)波進(jìn)行互相關(guān)定位[13]，這樣才能最大限度地提高定位精度。但由于模態(tài)混疊，從管道泄漏波中提取出單一模態(tài)波并不容易，這正是模態(tài)聲發(fā)射定位管道泄漏的難點(diǎn)所在。

綜觀現(xiàn)有為數(shù)不多的基于模態(tài)聲發(fā)射技術(shù)的管道泄漏檢測文獻(xiàn)，可以分成兩大類：一類是針對“連續(xù)型”聲發(fā)射信號(hào)的；一類是針對“突發(fā)型”聲發(fā)射信號(hào)的。對于管道，“突發(fā)型”聲發(fā)射信號(hào)指的是管道從無泄漏到有泄漏過程中測得的聲發(fā)射信號(hào)，“連續(xù)型”聲發(fā)射信號(hào)指的是管道泄漏過程中測得的聲發(fā)射信號(hào)。

1.1 連續(xù)泄漏模態(tài)聲發(fā)射檢測

對于模態(tài)聲發(fā)射檢測，“連續(xù)型”泄漏聲發(fā)射信號(hào)相對“突發(fā)型”泄漏聲發(fā)射信號(hào)更加難于處理，這是因?yàn)橥话l(fā)泄漏信號(hào)從無到有，信號(hào)中傳播速度不同的模態(tài)波可依次被傳感器檢測到，而對于“連續(xù)型”泄漏信號(hào)，各種模態(tài)波已混疊到一起，很難分辨。

文獻(xiàn)[14]奠定了基于模態(tài)聲發(fā)射理論進(jìn)行管道連續(xù)泄漏定位的基礎(chǔ)，之后的很多文獻(xiàn)都是在此基礎(chǔ)上開展的。該文章提出“時(shí)空變換法”來描述說明頻散現(xiàn)象，即首先將管道泄漏聲發(fā)射信號(hào)表示成n種模態(tài)波的求和形式，再對兩傳感器接收到的聲發(fā)射信號(hào)做時(shí)間傅里葉變換和空間傅里葉變換，經(jīng)過處理后即可提取出單一模態(tài)的聲發(fā)射信號(hào)，進(jìn)而通過互相關(guān)計(jì)算實(shí)現(xiàn)精準(zhǔn)的定位。

“時(shí)空變換法”雖然理論嚴(yán)謹(jǐn)，但是需要知道傳感器附近一定區(qū)間內(nèi)所有的聲發(fā)射信號(hào)，這在現(xiàn)實(shí)中是難以實(shí)現(xiàn)的，Rewerts等[14]也僅僅是做了理論推導(dǎo)。焦敬品等[15]針對該問題，基于傳感器位置的泄漏信號(hào)波形，利用導(dǎo)波理論推導(dǎo)出了附近的傳播波形表達(dá)式，使Rewerts等[14]提出的“時(shí)空變換法”成功地應(yīng)用于實(shí)際的管道泄漏檢測中，但正如作者所述，該方法僅適用于泄漏源在兩傳感器之間的情況。為此，Jiao等[16]進(jìn)一步提取出了兩種不同的模態(tài)波，從而僅使用一個(gè)傳感器就可進(jìn)行模態(tài)聲發(fā)射泄漏的定位，避免了泄漏源可能不在兩傳感器之間的問題。楊麗麗等[17]同樣基于上述的“時(shí)空變換法”，從頻域的角度，首先對管道泄漏原始信號(hào)的互譜加窗，通過調(diào)整窗參數(shù)從中提取單一模態(tài)的互譜，再對其傅里葉逆變換得到該模態(tài)波的互相關(guān)函數(shù)，從而進(jìn)行時(shí)延估計(jì)。Li等[18]基于模態(tài)導(dǎo)波理論，評估了泄漏信號(hào)中不同模態(tài)波的頻散程度，據(jù)此提取出頻散最小的單一模態(tài)波用于泄漏的互相關(guān)定位。

以上文獻(xiàn)無論是從時(shí)域的角度還是從頻域的角度，都是以提取模態(tài)特征參數(shù)為前提。除了此類方法，也可通過對泄漏波的頻散進(jìn)行補(bǔ)償，使之恢復(fù)為原始的真實(shí)波形，以達(dá)到提高定位精度的目的。例如，李帥永等[19]采用平滑魏格納-維爾(Wigner-Ville)分布對泄漏信號(hào)的互相關(guān)函數(shù)進(jìn)行時(shí)頻分析，提取出互相關(guān)函數(shù)時(shí)頻譜的峰值，如圖1所示[20]。峰值對應(yīng)的時(shí)間0.012 2 s即為兩泄漏信號(hào)的時(shí)延，峰值對應(yīng)的頻率356.45 Hz可用于確定具體聲速，最后由時(shí)頻定位公式確定了管道泄漏位置。該互時(shí)頻相關(guān)法有效地補(bǔ)償了泄漏信號(hào)的頻散，抑制了信號(hào)波形發(fā)生畸變。郝永梅等[21]在上述互時(shí)頻法的基礎(chǔ)上，提出了廣義S變換互時(shí)頻分析，獲得了更加準(zhǔn)確的時(shí)延，進(jìn)一步提高了定位精度。

圖1 管道泄漏信號(hào)互時(shí)頻譜[20]

由于管道泄漏波存在頻散，即波速隨著不同模態(tài)、不同頻率而變化，因此在管道泄漏模態(tài)聲發(fā)射檢測中，對波速的估計(jì)一直是研究重點(diǎn)。如Li等[22]基于圓柱殼彈性振動(dòng)理論準(zhǔn)確估計(jì)了波速；劉志宏等[23]根據(jù)管道振動(dòng)理論，結(jié)合管道內(nèi)部流體的性質(zhì)，利用流固耦合技術(shù)對塑料管道泄漏波的波速做了較準(zhǔn)確的預(yù)測。

1.2 突發(fā)泄漏模態(tài)聲發(fā)射檢測

最早基于模態(tài)聲發(fā)射理論研究“突發(fā)型”聲發(fā)射信號(hào)定位問題的是Kishimoto等[24]提出在某頻率下，小波變換系數(shù)的最大值所對應(yīng)的時(shí)間值就是信號(hào)到達(dá)傳感器的時(shí)間，再通過群速度頻散曲線得到該頻率下的群速度值，從而實(shí)現(xiàn)聲發(fā)射源的準(zhǔn)確定位。

Kishimoto等[24]的研究對象是薄板，李江全等[25]借鑒其研究思路，確定了管道中某一頻率下某一模態(tài)導(dǎo)波到達(dá)傳感器的時(shí)間，由此計(jì)算出該頻率下該模態(tài)導(dǎo)波的群速度，從而描繪出管道導(dǎo)波的頻散曲線，結(jié)果表明與理論計(jì)算頻散曲線吻合較好。

上述文獻(xiàn)均基于兩個(gè)傳感器進(jìn)行時(shí)頻分析，而Mostafapour等[26]僅采用一個(gè)傳感器，利用Kishimoto等[24]的方法，通過時(shí)頻變換確定某一模態(tài)導(dǎo)波到達(dá)傳感器的時(shí)間，再由數(shù)值計(jì)算得到該頻率處模態(tài)導(dǎo)波的群速度，最終求出泄漏位置。和Kishimoto等[24]采用一個(gè)模態(tài)不同的是，該文采用擴(kuò)展模態(tài)(對稱)S0和彎曲模態(tài)(反對稱)A0兩種模態(tài),如圖2所示，計(jì)算的是這兩種模態(tài)分別到達(dá)同一傳感器的時(shí)間差(對于“突發(fā)型”管道泄漏聲發(fā)射信號(hào)，首先到達(dá)傳感器的是S0模態(tài)波，隨后到達(dá)的是A0模態(tài)波)，因而可只采用一個(gè)傳感器進(jìn)行泄漏的定位。

此碑已不存，其文在《嘉泰會(huì)稽志》卷九“泰望山”條有摘錄。見紹興叢書第一輯(地方志叢編①)〔M〕，北京：中華書局，2006，148。

圖2 管道泄漏模態(tài)波的時(shí)頻能量分布[26]

同樣只使用一個(gè)傳感器檢測的還有Xu等[27]，首先采用經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition，EMD)提取出泄漏特征信號(hào)，再結(jié)合導(dǎo)波頻散曲線確定計(jì)算所用模態(tài)，最后基于Kishimoto等[24]的方法利用該模態(tài)波對管道泄漏進(jìn)行定位。針對泄漏源與傳感器不在管道同一條母線上的情況，Wang等[28]基于Kishimoto等[24]的方法，結(jié)合時(shí)反聚焦技術(shù)對泄漏源進(jìn)行了三維空間定位，結(jié)果表明可提取出顯著的擴(kuò)展模態(tài)波S0和彎曲模態(tài)波A0，如圖3所示，證明了該方法對“突發(fā)型”泄漏聲發(fā)射信號(hào)在曲線傳播路徑中定位的有效性。

圖3 管道泄漏的擴(kuò)展模態(tài)波和彎曲模態(tài)波[28]

無論是“連續(xù)型”泄漏聲發(fā)射信號(hào)還是“突發(fā)型”泄漏聲發(fā)射信號(hào)，在非金屬管道中都會(huì)存在較大的衰減，尤其對于埋地管道，由于管道-土壤的相互作用而產(chǎn)生能量輻射，從而將聲發(fā)射信號(hào)的部分能量泄漏到土壤中而產(chǎn)生較大的衰減。因此，在管道泄漏模態(tài)聲發(fā)射信號(hào)的研究中，衰減問題一直是研究的熱點(diǎn)。如Long等[29]研究了埋地鑄鐵水管中波的傳播，結(jié)果表明彎曲模態(tài)波F(1,1)衰減最嚴(yán)重，傳播的距離最短；在此基礎(chǔ)上，Long等[30]進(jìn)一步研究了管接頭對波傳播的影響，結(jié)果表明彎曲模態(tài)波F(1,1)和縱向模態(tài)波L(0,1)的衰減最大。李帥永等[31]也對管道泄漏模態(tài)聲發(fā)射信號(hào)的衰減做了研究(研究對象為非埋地管道)，結(jié)果表明，軸向聲發(fā)射信號(hào)中的主要模態(tài)為縱向模態(tài)，而縱向模態(tài)波在所有模態(tài)波中總體上衰減最小，故文章建議應(yīng)提取管道軸向聲發(fā)射信號(hào)進(jìn)行檢測，以最大限度地增加檢測距離。

2 管網(wǎng)泄漏的檢測

除了一維管道外，管網(wǎng)(pipe network)由于其包含若干一維管道，且配有更多的閥門、法蘭等管道連接，因此泄漏問題更為突出。但由于管網(wǎng)中管道的維數(shù)增加，從一維管線到多維管線，導(dǎo)致管網(wǎng)泄漏檢測的復(fù)雜程度也大幅增加。

2.1 不同形式管網(wǎng)的泄漏檢測

關(guān)于管網(wǎng)的不同形式，國外文獻(xiàn)一般將其分為TM(transmission mains)和DNs(distribution networks)(有的文獻(xiàn)稱為DS:distribution systems)兩種形式。這里，TM指的是最簡單的管網(wǎng)，即一維管線形式[32]；DNs是復(fù)雜的管網(wǎng)，經(jīng)常呈網(wǎng)狀分布(即中國文獻(xiàn)所述的“環(huán)狀”管網(wǎng)，如圖4所示[33])，這也是最復(fù)雜、研究最多的管網(wǎng)。介于這兩種管網(wǎng)形式之間的是distribution-transmission mains(有的文獻(xiàn)稱之為branch pipes，即中國文獻(xiàn)所述的“枝狀”管網(wǎng)，如圖5所示[34])，這種管網(wǎng)結(jié)構(gòu)比較簡單，泄漏檢測相對容易一些。

圖4 “環(huán)狀”管網(wǎng)示意圖[33]

對于“枝狀”管網(wǎng)，Meniconi等[35-36]采用經(jīng)典的瞬態(tài)流檢測技術(shù)(transient test-based techniques，TTBT)對分枝管道上的缺陷進(jìn)行了定位和大小估計(jì)；隨后又指出，TTBT僅適合在TM和distribution-transmission mains中應(yīng)用，這是因?yàn)檫@兩種管網(wǎng)中的流體壓力較大，易形成明顯的瞬態(tài)壓力流，而DNs則由于眾多的分段使得管網(wǎng)壓力較小，瞬態(tài)流效應(yīng)不夠顯著(Gupta等[37]指出，TM的工作壓力一般大于1.6 MPa，而DNs的工作壓力僅為0～50 kPa)。中國對“枝狀”管網(wǎng)泄漏的研究有張麗娟等[38]在研究“枝狀”管網(wǎng)泄漏時(shí)分別采用加權(quán)最小距離分類器和神經(jīng)網(wǎng)絡(luò)兩種模式識(shí)別方法對枝狀燃?xì)夤芫W(wǎng)的泄漏進(jìn)行了定位，但泄漏源位置設(shè)定在了管道產(chǎn)生分叉之前，具有一定的局限性。針對該問題，趙彬伶等[34]分別研究了泄漏點(diǎn)在支管上游、支管下游以及兩支管之間等不同位置對瞬態(tài)壓力波的影響，如圖5所示。

圖5 “枝狀”管網(wǎng)示意圖[34]

不同于“枝狀”管網(wǎng)，“環(huán)狀”管網(wǎng)(DNs)較為復(fù)雜，其泄漏檢測的一般思路為[39]：首先將管網(wǎng)在管道交匯處進(jìn)行分割，以形成多段一維管線，然后在每段一維管線上同時(shí)布置大量傳感器進(jìn)行檢測。由此可見，DNs的信息采集量巨大，數(shù)據(jù)處理時(shí)間長，檢測成本高，較難達(dá)到工業(yè)界期望的快響應(yīng)、低成本的要求(文獻(xiàn)[40]闡明，對于一個(gè)實(shí)際的DNs，管道節(jié)點(diǎn)可以達(dá)到數(shù)千個(gè)，計(jì)算時(shí)間需要數(shù)天甚至數(shù)周)。王桂增等[41]運(yùn)用上述思路，在各條一維管線的匯接點(diǎn)處安裝壓力傳感器，采集管網(wǎng)每個(gè)節(jié)點(diǎn)的壓力信號(hào)，并基于模式識(shí)別的原理對管網(wǎng)進(jìn)行了泄漏檢測。但由于傳感器數(shù)量大，計(jì)算時(shí)間成本和經(jīng)濟(jì)成本均較高。段昱等[42]針對成本較高的問題提出了對管網(wǎng)分區(qū)檢測的思想，即先把管網(wǎng)分成若干區(qū)域，再在各個(gè)分區(qū)內(nèi)選擇特征節(jié)點(diǎn)并進(jìn)行模式識(shí)別。該方法使得模式識(shí)別所用特征向量的維度大大降低，顯著減少了計(jì)算時(shí)間。虞丹陽等[43]則從優(yōu)化特征向量的提取方法入手，提出了壓力圖像特征向量法，結(jié)果表明該方法也能有效降低特征向量的維度。

2.2 管網(wǎng)泄漏檢測的“定段”和傳感器布置

管網(wǎng)泄漏檢測的矛盾是：若要達(dá)到一定的識(shí)別定位精度，需要布置大量的傳感器，成本較大；若減少傳感器的數(shù)量，則定位精度會(huì)有所下降。所以管網(wǎng)泄漏檢測中的一個(gè)重要任務(wù)是如何優(yōu)化傳感器的布置，這主要包括傳感器的位置和傳感器的數(shù)目。Fuchs-Hanusch等[46]提出了6種優(yōu)化壓力傳感器布置的算法，以考察傳感器位置因算法不同的穩(wěn)健性，結(jié)果表明“基于圖形理論的最短路徑法”和“基于泄漏敏感度的香農(nóng)熵法”計(jì)算得出的傳感器布置結(jié)果相差較大，對于泄漏流量小于0.5 L/s的工況，后者具有更高的定位精度。Soldevila等[40]基于壓力模型和分類器理論，在給定傳感器數(shù)目的基礎(chǔ)上，通過遺傳算法構(gòu)造了相關(guān)和冗余濾波器，從而把傳感器的位置選擇問題轉(zhuǎn)化為一個(gè)混合特征選擇問題。該方法成功地應(yīng)用在了越南河內(nèi)的包含197個(gè)節(jié)點(diǎn)(圖6)的供水管網(wǎng)(water distribution networks,WDNs)中，檢測計(jì)算時(shí)間僅為240.48 s。

圖6 越南河內(nèi)供水管網(wǎng)示意圖[40]

前面介紹的管網(wǎng)無論是DNs還是branch pipes，均屬于二維管網(wǎng)，即各個(gè)管段在同一平面內(nèi)，目前絕大部分研究都是基于二維管網(wǎng)展開的，針對三維管網(wǎng)(立體管網(wǎng))的研究并不多。類似立體管網(wǎng)的三維結(jié)構(gòu)， Ozevin等[47-48]提出了關(guān)于桁架、懸索和鋼結(jié)構(gòu)塔等空間結(jié)構(gòu)的疲勞損壞實(shí)時(shí)監(jiān)測方法，其主要思路是先在局部坐標(biāo)系中定位聲發(fā)射源，然后再將其轉(zhuǎn)化到全局坐標(biāo)系中，從而確定其在空間的位置，類似本節(jié)討論的管網(wǎng)泄漏“定段”問題。立體管網(wǎng)屬于網(wǎng)狀空間結(jié)構(gòu)，和桁架、鋼結(jié)構(gòu)塔的幾何拓?fù)渚哂蓄惐刃裕虼薉idem[47-48]對三維立體管網(wǎng)的泄漏定位進(jìn)行了研究，利用各分段一維管線之間的幾何拓?fù)涮攸c(diǎn)，每個(gè)分段管線上只布置有一個(gè)傳感器，因此顯著地降低了檢測成本。

2.3 管網(wǎng)泄漏檢測的具體算法

管網(wǎng)泄漏檢測的具體算法多種多樣，一些算法在前文已有介紹，其中應(yīng)用較為廣泛的為靈敏度分析法(sensitivity analysis)。如張宏偉等[49]根據(jù)供水管網(wǎng)的水力學(xué)模型和拓?fù)鋵W(xué)機(jī)理，建立了壓力靈敏度矩陣，確定了壓力監(jiān)測點(diǎn)的數(shù)量及位置；Pérez 等[50]基于遺傳算法優(yōu)化了傳感器的布置，利用壓力靈敏度矩陣(圖7)對泄漏進(jìn)行了定位。從圖7中可看出，不同的泄漏節(jié)點(diǎn)對于不同節(jié)點(diǎn)上的傳感器具有不同大小的靈敏度，該方法成功地應(yīng)用在了西班牙巴塞羅那的WDNs中，但作者同時(shí)指出，靈敏度矩陣的計(jì)算嚴(yán)重依賴管網(wǎng)中所用節(jié)點(diǎn)的數(shù)目，節(jié)點(diǎn)數(shù)目增加，計(jì)算成本將急劇增長。針對該不足，Soldevila等[51]建立了一個(gè)DNs模型，據(jù)此得到各節(jié)點(diǎn)壓力值，將其與測量值比較得到殘差，然后輸入到分類器實(shí)現(xiàn)泄漏定位。該方法避免了求解靈敏度矩陣，但僅適用于管網(wǎng)中只有一個(gè)泄漏點(diǎn)的情況，作者指出，對于多泄漏點(diǎn)，該檢測方法會(huì)非常耗時(shí)。

圖7 歸一化壓力靈敏度矩陣[50]

由于管網(wǎng)結(jié)構(gòu)的復(fù)雜性，單純由一般的信號(hào)處理方法檢測管網(wǎng)泄漏的效果往往不盡理想，而通常需要結(jié)合人工智能方法提高檢測精度。人工智能可根據(jù)給定的訓(xùn)練樣本求出系統(tǒng)輸入輸出之間的關(guān)系，使之能夠盡可能準(zhǔn)確地預(yù)測系統(tǒng)的未知輸出。因此，人工智能非常廣泛地應(yīng)用在了管網(wǎng)泄漏的檢測當(dāng)中。如Cody[52]首先通過奇異譜分析把信號(hào)分解，提取出特征分量，再將其輸入到支持向量機(jī)(support vector machine，SVM)中識(shí)別管網(wǎng)泄漏。作者指出，由于所有可能的泄漏類型數(shù)據(jù)不可能全部獲取，所以采用了基于半監(jiān)督學(xué)習(xí)的SVM模型。類似地，吳雷[53]也采用SVM對城市供水管網(wǎng)的泄漏進(jìn)行了定位研究。

除了SVM外，其他人工智能算法也有大量的應(yīng)用，如張若愚[54]利用神經(jīng)網(wǎng)絡(luò)(neural networks，NN)對燃?xì)夤芫W(wǎng)的泄漏進(jìn)行了診斷。相對于SVM，神經(jīng)網(wǎng)絡(luò)的泛化能力較弱，其找到的極值解并不一定是全局最優(yōu)解，同時(shí)還需要大量訓(xùn)練樣本，故在管網(wǎng)泄漏檢測中，傳統(tǒng)NN不如SVM應(yīng)用的廣泛。但隨著深度學(xué)習(xí)算法的提出，出現(xiàn)了諸如卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks，CNN)、深度神經(jīng)網(wǎng)絡(luò)(deep neural networks，DNN)等一系列神經(jīng)網(wǎng)絡(luò)新算法，使神經(jīng)網(wǎng)絡(luò)的分類能力大大提高，如Cody等[55]結(jié)合深度學(xué)習(xí)理論，利用水聲頻譜圖對供水管網(wǎng)的泄漏進(jìn)行了識(shí)別。此外，Wachla等[56]將模糊理論與NN結(jié)合起來檢測管網(wǎng)泄漏，解決了NN僅適用于小樣本的問題。以上方法都是與常用的SVM、NN 相結(jié)合進(jìn)行研究的，對于其他模式識(shí)別算法，如貝葉斯分類器[57]、K近鄰法[58]等也都在管網(wǎng)泄漏檢測中有所應(yīng)用。

除了上述常用算法外，在一維管線中的部分算法也應(yīng)用在了管網(wǎng)泄漏的檢測當(dāng)中。如Suwan等[8]利用主分量分析(principal component analysis，PCA)對水網(wǎng)中的泄漏進(jìn)行了檢測；Zeng等[59]基于壓力波的沖激函數(shù)響應(yīng)對水網(wǎng)泄漏進(jìn)行了識(shí)別等。這些方法的原理和一維管線中的類似，這里不再贅述。

3 總結(jié)與展望

目前雖然已有大量檢測管網(wǎng)泄漏的方法，但其中仍有2個(gè)問題需要進(jìn)一步深入研究，一是管道泄漏聲發(fā)射應(yīng)力波在傳播過程中發(fā)生的頻散現(xiàn)象難以處理；二是管網(wǎng)泄漏檢測中，檢測成本與檢測精度間的矛盾。為此，分別從這兩方面對相關(guān)文獻(xiàn)逐一進(jìn)行了梳理分析。

通過對現(xiàn)有文獻(xiàn)的總結(jié)整理，今后需要在以下幾個(gè)問題上作進(jìn)一步深入研究。

(1)由于時(shí)頻分析(如上文所述魏格納威爾分布)不能完全去除交叉項(xiàng)，故無法從管道泄漏模態(tài)聲發(fā)射信號(hào)中提取出純凈的單一模態(tài)波，也不能對泄漏模態(tài)波進(jìn)行徹底的頻散補(bǔ)償；除此之外，對波速的估計(jì)也尤為重要，但因?yàn)閳A柱殼彈性振動(dòng)理論和流固耦合理論中存在大量的簡化假設(shè)，由此估計(jì)出來的波速還不夠準(zhǔn)確。因此后續(xù)還需不斷改進(jìn)時(shí)頻分析算法、盡量減少不必要的簡化，不斷完善MAE在管道泄漏中的應(yīng)用研究。

(2)針對埋地管道中不同模態(tài)波的衰減特性的研究目前還不夠充分，尚需加強(qiáng)，即不同土壤地質(zhì)、不同管道材料(及其外包保溫防腐層)、不同流體狀態(tài)對不同頻率、不同模態(tài)波(扭轉(zhuǎn)模態(tài)、彎曲模態(tài)、縱向模態(tài))的衰減特性的影響。由于這涉及到管道-流體-土壤3種物質(zhì)之間的耦合，任何一種物質(zhì)的變化均會(huì)影響模態(tài)波的衰減特性，因此后續(xù)應(yīng)就其衰減機(jī)理進(jìn)行深入研究，以有效解決埋地管道尤其是埋地塑料管道檢測距離短的問題。

(3)管網(wǎng)泄漏檢測中的“定段”問題研究已比較成熟，但由于壓力靈敏度矩陣階數(shù)和傳感器節(jié)點(diǎn)數(shù)密切相關(guān)，在傳感器數(shù)目較大時(shí)，計(jì)算時(shí)間較長(可長達(dá)數(shù)小時(shí))，實(shí)時(shí)性差，故仍需要在傳感器數(shù)目、傳感器布置算法等方面進(jìn)行進(jìn)一步優(yōu)化，以達(dá)到可實(shí)際應(yīng)用的目的。

(4)由于管網(wǎng)結(jié)構(gòu)的復(fù)雜性，很多文獻(xiàn)都基于人工智能的方法檢測泄漏，這種“黑箱技術(shù)”的缺點(diǎn)是并不知道泄漏信號(hào)在管網(wǎng)中的具體傳播特性，因而不是從機(jī)理角度出發(fā)解決管網(wǎng)的泄漏問題。在管網(wǎng)中，泄漏源與傳感器之間的路徑不是直線的情況下，由于管道拐彎處的折線角度不同以及接頭處的閥門、法蘭等連接件的影響，泄漏信號(hào)并不一定從最短路徑到達(dá)傳感器。因此，深入研究泄漏信號(hào)在管網(wǎng)中經(jīng)過折線處以及連接件處時(shí)的傳播特性是今后需要關(guān)注的一個(gè)重要內(nèi)容。