基于時(shí)頻分析和改進(jìn)差分進(jìn)化的多點(diǎn)泄漏定位方法

郎憲明， 朱永強(qiáng)， 李金娜， 曹江濤， 李 平， 宋華東

(1.遼寧石油化工大學(xué) 信息與控制工程學(xué)院，遼寧 撫順 113001； 2.東北大學(xué) 信息科學(xué)學(xué)院，沈陽 110819； 3.沈陽儀表科學(xué)研究院有限公司，沈陽 110043)

管道是輸送石油、天然氣等流體的重要工具[1]。目前，有多種管道泄漏檢測(cè)方法已被應(yīng)用于管道泄漏監(jiān)測(cè)。然而，現(xiàn)有的泄漏定位方法一般都是針對(duì)某一個(gè)泄漏點(diǎn)進(jìn)行的，當(dāng)流體管道局部管段出現(xiàn)壓力過高、腐蝕、磨損、振動(dòng)等，有時(shí)會(huì)出現(xiàn)2個(gè)或2個(gè)以上泄漏點(diǎn)。因此，針對(duì)單點(diǎn)泄漏的檢測(cè)方法對(duì)管道進(jìn)行多點(diǎn)泄漏定位往往失效[2]。

目前，基于聲波的管泄漏檢測(cè)方法主要是基于單點(diǎn)泄漏聲波信號(hào)的智能分析[3-4]。利用Hilbert-Huang變換對(duì)管道首末站的聲發(fā)射信號(hào)進(jìn)行去噪處理，精確獲得聲波信號(hào)突變點(diǎn)時(shí)間，提高了泄漏定位的精度[5]。針對(duì)壓力信號(hào)下降緩慢的缺點(diǎn)，提出了一種信號(hào)壓縮方法，將壓力信號(hào)轉(zhuǎn)換為超聲波聲速信號(hào)，突出聲波拐點(diǎn)的信息[6]。采用低通濾波與小波濾波相結(jié)合的方法，對(duì)管道首末站的壓力信號(hào)進(jìn)行實(shí)時(shí)高精度濾波，保證泄漏信息不被過濾掉[7]。由于小波去噪需要根據(jù)經(jīng)驗(yàn)選擇合適的小波基函數(shù)，而經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition，EMD)不用憑經(jīng)驗(yàn)選擇基函數(shù)的優(yōu)點(diǎn)，因此采用EMD對(duì)管道泄漏信號(hào)進(jìn)行處理，提取管道泄漏信號(hào)的突變點(diǎn)信息，以減小外界環(huán)境噪聲對(duì)泄漏點(diǎn)定位的影響[8]。變分模態(tài)分解(variational mode decomposition，VMD)是一種新的信號(hào)分解方法[9]，它可以降低EMD模態(tài)混疊對(duì)信號(hào)消噪的影響。

由于多數(shù)研究是關(guān)于管道的單點(diǎn)泄漏情況[10-15]，當(dāng)管道同時(shí)發(fā)生多點(diǎn)泄漏，產(chǎn)生的瞬態(tài)泄漏聲波信號(hào)混疊在一起，由于泄漏聲波信號(hào)相互影響，以及外部噪聲(如施工、管道閥門噪聲等)疊加在管道泄漏聲波信號(hào)上，從而影響瞬態(tài)聲波信號(hào)在信號(hào)傳播中的衰減規(guī)律，因此在混雜信號(hào)的情況下，多點(diǎn)泄漏信號(hào)不能有效地去噪。文獻(xiàn)[16]采用擴(kuò)展卡爾曼濾波方法對(duì)多點(diǎn)連續(xù)泄漏進(jìn)行檢測(cè)。文獻(xiàn)[17]利用超聲波聲速的變化來進(jìn)行多點(diǎn)連續(xù)泄漏進(jìn)行定位。

當(dāng)多點(diǎn)泄漏聲波向管道首末站傳播時(shí)，很難區(qū)分各個(gè)泄漏聲波信號(hào)到達(dá)管道首末站的突變點(diǎn)時(shí)間。因此，基于單點(diǎn)泄漏的泄漏定位方法不適用于多點(diǎn)泄漏。然而，時(shí)頻分析(time-frequency analysis，TFA)可以從時(shí)域和頻域分析來分析非平穩(wěn)的多點(diǎn)泄漏聲波信號(hào)[18]，通過時(shí)頻分析來確定多點(diǎn)泄漏的數(shù)量。

差分進(jìn)化(differential evolution，DE)算法是一種新的群體智能優(yōu)化算法[19]。它具有簡(jiǎn)單、易于實(shí)現(xiàn)、無梯度信息、參數(shù)少等優(yōu)點(diǎn)，被廣泛應(yīng)用于工業(yè)過程參數(shù)優(yōu)化中。然而，進(jìn)化算法在進(jìn)化后期容易陷入局部最優(yōu)，收斂速度較慢。針對(duì)此問題，文獻(xiàn)[20]引入了混合自適應(yīng)局部搜索算法來提高DE算法的收斂速度。為了加快離散進(jìn)化算法的收斂速度，文獻(xiàn)[21]采用正交交替的方法來提高收斂速度。為了提高差分算法的收斂速度和精度，本文采用粒子群優(yōu)化算法對(duì)差分進(jìn)化算法進(jìn)行改進(jìn)，根據(jù)建立的多點(diǎn)泄漏定位目標(biāo)函數(shù)，采用改進(jìn)差分進(jìn)化算法估計(jì)多點(diǎn)泄漏位置。

1 多點(diǎn)泄漏定位原理

1.1 改進(jìn)變分模態(tài)分解方法

當(dāng)VMD用于信號(hào)分解時(shí)，根據(jù)經(jīng)驗(yàn)選擇適當(dāng)?shù)哪B(tài)分解個(gè)數(shù)m[22]。由于m決定了頻率分辨率，如果選擇m過小，則會(huì)出現(xiàn)信號(hào)欠分解，對(duì)泄漏聲波信號(hào)變化不敏感，如果選擇m太大，會(huì)產(chǎn)生偽分量，增加計(jì)算量。

將采集到的聲波信號(hào)y(t)采用VMD分解，計(jì)算如下

(1)

式中，γ(t)是信號(hào)的重構(gòu)誤差。

能量函數(shù)的計(jì)算如下

Eγ=γ(t)2

(2)

Eγ能量越小，兩個(gè)信號(hào)的相似度越高，如果誤差能量為0，則說明兩個(gè)信號(hào)相同。

由于VMD分解模態(tài)的數(shù)量對(duì)信號(hào)重構(gòu)有影響，因此采用能量函數(shù)對(duì)VMD進(jìn)行改進(jìn)。改進(jìn)變分模態(tài)分解(improved variational mode decomposing, IVMD)算法的計(jì)算步驟如下：

(1) VMD算法中的分解模態(tài)數(shù)量設(shè)定為m。

(2) 經(jīng)VMD信號(hào)分解后，獲得了一定數(shù)量的本征模態(tài)函數(shù)(intrinsic mode functions, IMFs)。

(3) 計(jì)算不同數(shù)量分解本征模態(tài)函數(shù)的誤差能量函數(shù)。

(4) 繪制誤差能量圖，首先計(jì)算出各誤差能量函數(shù)的平均值閾值。一般情況下，如果誤差能量值遠(yuǎn)小于閾值，稱為有效本征模態(tài)函數(shù)。有效本征模態(tài)函數(shù)包含泄漏聲波信號(hào)的突變點(diǎn)時(shí)刻、信號(hào)幅值變化等信息。

因此，泄漏聲波信號(hào)經(jīng)IVMD選擇有效本征模態(tài)函數(shù)對(duì)信號(hào)進(jìn)行消噪。

1.2 多點(diǎn)泄漏定位算法

當(dāng)管道出現(xiàn)多點(diǎn)泄漏同時(shí)發(fā)生時(shí)，多點(diǎn)泄漏引起的聲波幅值變化混合在一起[23-24]，由于多點(diǎn)泄漏信號(hào)之間的相互作用，在管道首末站獲得多點(diǎn)泄漏聲波的疊加信號(hào)，多點(diǎn)泄漏聲波傳播和泄漏衰減的振幅描述為

(3)

(4)

式中：xi是i個(gè)泄漏點(diǎn)產(chǎn)生的泄漏聲波信號(hào)原始振幅;a是衰減因子;xa和xb分別是管道首末站獲取的多點(diǎn)泄漏聲波信號(hào);li是第i個(gè)泄漏點(diǎn);L是管道的長(zhǎng)度。

當(dāng)出現(xiàn)單點(diǎn)泄漏時(shí)，根據(jù)式(3)和式(4)，按照首末站獲得的泄漏聲波信號(hào)幅值變化可計(jì)算出單點(diǎn)泄漏位置。

根據(jù)多點(diǎn)泄漏聲波信號(hào)幅值變化的特點(diǎn)，假設(shè)每個(gè)泄漏點(diǎn)產(chǎn)生的聲波信號(hào)原始振幅大小一樣，根據(jù)式(3)和式(4)，則多點(diǎn)泄漏的定位計(jì)算如下

(5)

根據(jù)管道首末站的獲得的多點(diǎn)泄漏聲波信號(hào)振幅變化，根據(jù)式(5)可以計(jì)算出多點(diǎn)泄漏位置。然而，同時(shí)發(fā)生的多點(diǎn)泄漏引起的振幅變化是重疊的，無法區(qū)分多點(diǎn)泄漏引起的振幅變化。因此，根據(jù)已知多點(diǎn)泄漏數(shù)量的情況下，根據(jù)式(5)建立多點(diǎn)泄漏定位函數(shù)，然后通過最小化管道首末站的多點(diǎn)泄漏聲波信號(hào)振幅誤差來估計(jì)多點(diǎn)泄漏位置。

2 多點(diǎn)泄漏定位方法

2.1 時(shí)頻分析

采用Wigner分布對(duì)管道多點(diǎn)泄漏聲波信號(hào)振幅的變化進(jìn)行分析[25-27]。

Sx(t,ω)=ASPW(x)

(6)

式中：x是多點(diǎn)泄漏信號(hào)的振幅變化;Sx(t,ω)為多點(diǎn)泄漏聲波振幅變化的時(shí)頻分布。

Wigner的分布描述如下

ASPW(t,ω)=

(7)

式中，g(t)和h(t)分別是多點(diǎn)泄漏聲波信號(hào)時(shí)域和頻域的光滑函數(shù)。

多點(diǎn)泄漏信號(hào)的振幅變化時(shí)頻分布具有不同的分布曲線，可以根據(jù)分布曲線確定泄漏點(diǎn)的數(shù)量。

2.2 差分進(jìn)化算法

DE算法是一種隨機(jī)并行的搜索算法[28]。它是從隨機(jī)的初始個(gè)體開始，按照一定的迭代規(guī)則。根據(jù)每個(gè)個(gè)體的適應(yīng)度值，保留較好的個(gè)體，引導(dǎo)搜索過程達(dá)到最優(yōu)解。

對(duì)于具有n個(gè)變量的全局優(yōu)化問題。全局優(yōu)化問題可轉(zhuǎn)化為最小值問題，求解如下函數(shù)

(8)

式中：D是問題空間解的維數(shù)；aj和bj分別是χj的上限和下限。

DE算法主要包括變異操作、交叉操作和選擇操作。

(1) 突變操作

(9)

式中：t是進(jìn)化次數(shù)；χr1,χr2和χr3是隨機(jī)選取的三個(gè)單獨(dú)個(gè)體；ui是修正因子；F是突變因子。

(2) 交叉操作

為了增加種群多樣性，采用了交叉。

(10)

式中：j=1,2,…,D，D是維度；RC是交叉率，RC∈[0,1]。

(3) 選擇操作

由式(10)從試驗(yàn)向量和原始向量中選出較好的個(gè)體。

(11)

式中，f(χ)是χ的目標(biāo)函數(shù)。

2.3 改進(jìn)差分進(jìn)化(improved differential evolution，IDE)算法

在優(yōu)化過程中，DE存在收斂速度慢、早熟等缺點(diǎn)，嚴(yán)重影響了算法的性能。因此，采用了一種改進(jìn)的差分進(jìn)化算法。在DE算法中引入PSO原理，用PSO搜索整個(gè)種群，使其快速跳出局部最優(yōu)，避免早熟現(xiàn)象[29]。

粒子群優(yōu)化的個(gè)體變異操作如下

(12)

其中，χbest是優(yōu)勢(shì)個(gè)體。

IDE的流程圖如圖1所示。

圖1 IDE流程圖Fig.1 Flow chart of IDE

2.4 多點(diǎn)泄漏定位方法

多點(diǎn)泄漏定位方法的流程圖如圖2所示。從圖2中，可以使用IVMD對(duì)泄漏聲波信號(hào)進(jìn)行去噪。傳統(tǒng)的泄漏定位方法很難區(qū)分多點(diǎn)泄漏個(gè)數(shù)，多點(diǎn)泄漏聲波信號(hào)經(jīng)IVMD去噪后，然后采用TFA算法來估計(jì)泄漏點(diǎn)數(shù)量。然后，根據(jù)式(5)建立的多點(diǎn)泄漏定位目標(biāo)函數(shù)，采用IDE估計(jì)多點(diǎn)泄漏的位置。

圖2 多點(diǎn)泄漏定位的流程圖Fig.2 Flow chart of multiple leaks localization method

3 現(xiàn)場(chǎng)試驗(yàn)

在中國(guó)石油某個(gè)成品油管線進(jìn)行了多次多點(diǎn)泄漏試驗(yàn)。管道長(zhǎng)度為20 000 m，管道內(nèi)徑為100 mm。管道上游壓力為2 MPa，管道下游壓力為0.5 MPa，流量為200 L/min，密度是830 kg/m3，環(huán)境溫度是25 ℃，通過聲傳感器(PCB 106B)獲取管道首末站多點(diǎn)泄漏的聲波信號(hào)。聲波數(shù)據(jù)的采集試驗(yàn)裝置原理圖如圖3所示。管道試驗(yàn)系統(tǒng)由成品油管道和多點(diǎn)泄漏定位系統(tǒng)組成。多點(diǎn)泄漏定位系統(tǒng)主要由PCB106b、工控機(jī)和數(shù)據(jù)采集器NI CDAQ-9181組成。泄漏定位方法的關(guān)鍵是采集管道首末站多點(diǎn)泄漏聲波信號(hào)的時(shí)間同步，本試驗(yàn)時(shí)間同步采用GPS衛(wèi)星時(shí)鐘信號(hào)校時(shí)，管道首末站的泄漏聲波信號(hào)采樣頻率是1 000 Hz。為了模擬多點(diǎn)泄漏，3個(gè)泄漏位置分別距離管道首站14 200 m、15 500 m和15 800 m處，根據(jù)式(5)，模擬3點(diǎn)泄漏的泄漏閥門孔徑分別為15 mm、15 mm和15 mm。實(shí)際管道運(yùn)行過程中，超過3點(diǎn)同時(shí)泄漏會(huì)給管道運(yùn)行造成非常嚴(yán)重的事故。另外，3點(diǎn)同時(shí)泄漏是目前研究熱點(diǎn)問題，本文只針對(duì)管道3點(diǎn)同時(shí)泄漏情況進(jìn)行相關(guān)試驗(yàn)。

圖3 試驗(yàn)裝置示意圖Fig.3 Schematic diagram of test apparatus

在距離首站14 200 m位置，模擬泄漏孔徑為15 mm，泄漏持續(xù)時(shí)間為2 s，管道首末站分別獲得的單點(diǎn)泄漏的聲波信號(hào)變化如圖4(a)所示。在距離首站14 200 m和15 500 m的2個(gè)泄漏位置，模擬泄漏孔徑分別是15 mm和15 mm，泄漏持續(xù)時(shí)間為2 s，管道首末站分別獲得的2點(diǎn)泄漏的聲波信號(hào)變化如圖4(a)所示。另外，在距離首站14 200 m、15 500 m和15 800 m的3個(gè)泄漏位置，模擬泄漏孔徑分別是15 mm、15 mm和15 mm，泄漏持續(xù)時(shí)間為2 s，管道首末站分別獲得的3點(diǎn)泄漏的聲波信號(hào)變化如圖4(c)所示。

(a) 單點(diǎn)泄漏

(b) 2點(diǎn)泄漏

(c) 3點(diǎn)泄漏圖4 獲取的多點(diǎn)泄漏聲波信號(hào)Fig.4 Acquired acoustic wave signal under multiple leaks

從圖4可以看出，隨著泄漏點(diǎn)數(shù)量的增加，聲壓信號(hào)幅值逐漸增大。管道末站獲得單點(diǎn)泄漏的聲壓信號(hào)幅值波動(dòng)范圍為0～2.2，2點(diǎn)泄漏時(shí)的聲壓信號(hào)幅值波動(dòng)范圍為0～6.2，3點(diǎn)泄漏的聲壓信號(hào)幅值波動(dòng)范圍為0～7.8。

根據(jù)PCB106b傳感器獲得的泄漏聲波信號(hào)，經(jīng)VMD進(jìn)行5層本征模態(tài)分解，5個(gè)IMFs可以較好地消除被測(cè)信號(hào)的噪聲。根據(jù)聲波信號(hào)的5個(gè)IMFs，計(jì)算誤差能量函數(shù)并繪制誤差能量圖，本征模態(tài)函數(shù)的誤差能量圖如圖5所示。

從圖5可以看出，當(dāng)本征模態(tài)的數(shù)目為2個(gè)時(shí)，誤差能量函數(shù)值為0.92，這些本征模式包含更有效的泄漏聲波信號(hào)突變點(diǎn)、聲波信號(hào)幅值變化等信息。因此，我們可以設(shè)定閾值為0.93，并且在本試驗(yàn)中選擇了2個(gè)本征模態(tài)函數(shù)。泄漏聲波信號(hào)經(jīng)VMD的5層本征模態(tài)分解和經(jīng)IVMD的2個(gè)本征模態(tài)函數(shù)的聲波信號(hào)消噪對(duì)比曲線如圖6所示。

圖5 本征模態(tài)函數(shù)的誤差能量函數(shù)值Fig.5 Error energy diagram of intrinsic mode

圖6 經(jīng)VMD和IVMD消噪后的聲波信號(hào)對(duì)比曲線Fig.6 Comparison curve of acoustic signals de-noised with VMD and IVMD

從圖6中可以看出，IVMD的2個(gè)IMFs可以較好地恢復(fù)泄漏聲波信號(hào)的變化，并且相比VMD的計(jì)算量要小。

根據(jù)誤差能量函數(shù)計(jì)算，IVMD選擇2個(gè)IMFs對(duì)多點(diǎn)泄漏聲波信號(hào)進(jìn)行信號(hào)消噪處理。通過IVMD對(duì)單點(diǎn)泄漏、2點(diǎn)泄漏、3點(diǎn)泄漏三種情況下的泄漏聲波信號(hào)進(jìn)行處理。根據(jù)管道首末站傳感器PCB106b獲得的泄漏聲波信號(hào)進(jìn)行IVMD信號(hào)消噪處理，經(jīng)IVMD和EMD對(duì)單點(diǎn)泄漏、2點(diǎn)泄漏、3點(diǎn)泄漏聲波信號(hào)的去噪對(duì)比曲線如圖7所示。

(a) 單點(diǎn)泄漏

(b) 2點(diǎn)泄漏

(c) 3點(diǎn)泄漏圖7 經(jīng)IVMD和EMD消噪后的多點(diǎn)泄漏聲波信號(hào)Fig.7 Multiple leaks signals de-noised with IVMD and EMD

通過對(duì)單點(diǎn)泄漏、2點(diǎn)泄漏、3點(diǎn)泄漏信號(hào)消噪后進(jìn)行TFA分析，其時(shí)頻分析曲線如圖8所示。

從圖8可以看出，單點(diǎn)泄漏、2點(diǎn)泄漏、3點(diǎn)泄漏泄漏引起的頻率分量變化明顯，可以通過TFA有效地區(qū)分。因此，可以通過對(duì)多點(diǎn)泄漏聲波信號(hào)的TFA分析，估計(jì)出泄漏點(diǎn)的數(shù)量。

通過TFA方法估計(jì)泄漏點(diǎn)的數(shù)量，根據(jù)式(5)建立多點(diǎn)泄漏定位目標(biāo)函數(shù)，采用IDE對(duì)多點(diǎn)泄漏定位目標(biāo)函數(shù)進(jìn)行求解，估計(jì)出多點(diǎn)泄漏的位置。在DE算法中，突變因子F=0.5、迭代次數(shù)t=100和維數(shù)D，其中維數(shù)D由TFA估計(jì)出泄漏點(diǎn)的數(shù)量決定，交叉率RC=0.9和種群數(shù)量為100。另外，將IDE的參數(shù)與DE的數(shù)值一樣，粒子群數(shù)量是40，維數(shù)是20，學(xué)習(xí)因子是2，慣性權(quán)重是1.2。

當(dāng)管道同時(shí)發(fā)生3點(diǎn)泄漏時(shí)，IDE和DE的適應(yīng)度函數(shù)收斂性能曲線如圖9所示。

圖9 IDE和DE的適應(yīng)度函數(shù)收斂曲線Fig.9 Fitness function convergence performance of IDE and DE

從圖9可以看出，當(dāng)IDE算法的迭代次數(shù)為75時(shí)，適應(yīng)度函數(shù)最終收斂到0.35左右，而DE算法的適應(yīng)度函數(shù)為72，但適應(yīng)度函數(shù)最終收斂到6，因此，IDE算法在估計(jì)泄漏點(diǎn)位置求解速度和求解精度方面相比DE算法更具優(yōu)勢(shì)。由于IDE算法通過引入PSO算法對(duì)其進(jìn)行了改進(jìn)，使得IDE算法在求解多點(diǎn)泄漏定位函數(shù)時(shí)跳出局部極值，收斂到全局最優(yōu)解。因此，IDE算法求解多點(diǎn)泄漏定位函數(shù)。

管道首末站采用PCB106b傳感器獲得多點(diǎn)泄漏聲波信號(hào)數(shù)據(jù)，信號(hào)采樣率為1 000 Hz。建立管道單點(diǎn)泄漏、2點(diǎn)泄漏、3點(diǎn)泄漏共3種工況數(shù)據(jù)，每種工況進(jìn)行30組試驗(yàn)。采用IVMD方法對(duì)單點(diǎn)泄漏、2點(diǎn)泄漏、3點(diǎn)泄漏的泄漏聲波信號(hào)進(jìn)行降噪處理。利用2個(gè)本征模態(tài)函數(shù)分別對(duì)單點(diǎn)泄漏、2點(diǎn)泄漏、3點(diǎn)泄漏的泄漏聲波信號(hào)進(jìn)行重構(gòu)。同時(shí)，EMD算法選取6～12個(gè)IMF分別對(duì)單點(diǎn)泄漏、2點(diǎn)泄漏、3點(diǎn)泄漏的泄漏聲波信號(hào)進(jìn)行消噪。然后，利用TFA和IDE對(duì)采集到的多次泄漏聲數(shù)據(jù)進(jìn)行處理。不同方法的泄漏試驗(yàn)定位結(jié)果如表1所示。由于多點(diǎn)泄漏是一個(gè)小概率事件，并且超過3點(diǎn)同時(shí)泄漏會(huì)引起流體管道出現(xiàn)重大事故發(fā)生。目前，3點(diǎn)泄漏是研究的熱點(diǎn)問題，在現(xiàn)場(chǎng)試驗(yàn)中，不考慮管道出現(xiàn)超過3點(diǎn)同時(shí)泄漏的情況。

從表1可以看出，多點(diǎn)泄漏的互相關(guān)分析中只有一個(gè)峰值。因此，無法計(jì)算2點(diǎn)或3點(diǎn)泄漏的泄漏位置。TFA可以用來確定多個(gè)泄漏點(diǎn)的數(shù)量，然后使用IDE來估計(jì)多點(diǎn)泄漏的位置。在距離管道首站14 200 m，15 500 m和15 800 m位置同時(shí)發(fā)生3點(diǎn)泄漏，經(jīng)過IVMD對(duì)泄漏聲波信號(hào)進(jìn)行消噪，然后將消噪后的信號(hào)進(jìn)行TFA計(jì)算，估計(jì)出泄漏點(diǎn)數(shù)量，并根據(jù)式(5)，建立多點(diǎn)泄漏定位目標(biāo)函數(shù)，采用IDE算法求解此目標(biāo)函數(shù)。經(jīng)TFA和IDE算法估計(jì)的3點(diǎn)泄漏位置如圖10所示。

表1 不同模型的多點(diǎn)泄漏定位結(jié)果對(duì)比

圖10 經(jīng)TFA和IDE估計(jì)的3點(diǎn)泄漏位置Fig.10 Three leaks localization by TFA and IDE

從圖10可以看出，用IDE算法迭代次數(shù)為14，估計(jì)的第1點(diǎn)泄漏定位值為14 230 m，定位誤差為30 m；第2點(diǎn)泄漏的定位估計(jì)值為15 530 m，IDE算法迭代次數(shù)為10次，定位誤差為30 m；第3點(diǎn)漏定位估計(jì)值為15 818 m，IDE算法迭代次數(shù)為16次，定位誤差為18 m。因此，該方法可以估計(jì)多點(diǎn)泄漏的位置。由于管道實(shí)際運(yùn)行中，管道首末站的次聲波傳感器位置及模擬多點(diǎn)泄漏位置不能隨意調(diào)整。因此，在接下來的研究中會(huì)根據(jù)實(shí)際工況調(diào)整傳感器及泄漏點(diǎn)的位置，體現(xiàn)多點(diǎn)泄漏定位方法的實(shí)用性。

4 結(jié) 論

本文提出一種基于時(shí)頻分析和改進(jìn)的差分進(jìn)化算法的多點(diǎn)泄漏定位方法。通過IVMD對(duì)泄漏聲波信號(hào)進(jìn)行消噪處理，將消噪信號(hào)進(jìn)行TFA分析，估計(jì)多點(diǎn)泄漏的泄漏點(diǎn)數(shù)量，根據(jù)估計(jì)的泄漏點(diǎn)數(shù)量及泄漏定位目標(biāo)函數(shù)，采用IDE算法估計(jì)多點(diǎn)泄漏位置。在某成品油管線進(jìn)行了多點(diǎn)泄漏定位試驗(yàn)，泄漏點(diǎn)定位誤差最小是18 m。試驗(yàn)結(jié)果表明，該方法可以在3點(diǎn)泄漏同時(shí)發(fā)生的情況下，有效地估計(jì)3點(diǎn)泄漏的位置。在后續(xù)的研究中，課題組將對(duì)管道3點(diǎn)以上同時(shí)泄漏點(diǎn)的定位進(jìn)行研究。