[发明专利]基于声音信号的天然气管道微泄漏检测方法

说明书

技术领域

本发明涉及天然气输送管道安全检测技术领域，具体涉及一种基于声音信 号的加气站管道微泄漏检测方法。

背景技术

天然气作为一种清洁能源，有效缓解能源的紧缺以及对环境的污染问题， 得到了广泛利用。因此，压缩天然气(简称CNG)加气站成为了国家重要的基 础设施建设项目。从2010年开始，CNG汽车以16％的速度逐年增长,加强CNG 加气站建设的安全性具有重要的社会意义。据统计，全国的CNG加气站已经从 2012年年底的2400座左右，增长至2013年六月底的3000座左右，天然气汽 车新增47.3万辆，总保有量已达到157.7万辆，同比增长40％。

然而，随着CNG加气站数量的增加，安全事故的发生率也呈现逐渐上升之 势。近几年，由于CNG加气站发生了多起安全事故，国家科技部重点开展对CNG 汽车加气站安全性研究。一旦加气站发生安全事故，则会导致爆炸、爆燃、泄 漏、爆脱、环境性损伤、机件解体或飞溅、设备内腐蚀、设备外腐蚀等严重后 果和经济损失。

由于传感器安装的局限性和其自身物理特征的约束性，在天然气输送管道 发生泄漏的初期很难实现微泄漏的检测。大量学者也主要关注于通过改善传感 器精度和分析特定输送管道参数关系来提高安全事故发生的判断准确率，而对 天然气输送管道微泄漏的检测少有研究，主要是因为以下关键问题：

(1)天然气泄漏初期传感器很难采集到数据，导致微泄漏扩展到较大的 泄漏，带来巨大的人员和财产损失。由于传感器物理特性的限制，加气站的天 然气输送管道泄漏初期传感器很难检测到数据，泄漏量必须达到一定数量后传 感器才能够采集相关数据，但管道泄漏初期泄漏声音却异常突出，同时由于加 气站环境复杂，噪音也比较明显。为了避免初期可及时处理的小问题演变成不 可收拾的大事故，尽早正确检测天然气输送管道泄漏状况，也就是在管道微泄 漏时正确判断事故发生是减低输送过程安全事故、提高泄漏事故抢险效率的有 效途径之一。

(2)造成管道微泄漏的因素很多，这些因素中某些因素之间可以建立物 理方程，但方程中很多参数现实中根本无法测量，且很难构建一个概率函数囊 括所有的影响因素，因此现有方法通常着重于某几个参数值的分析，导致运算 结果的不准确性。影响管道微泄漏的参数如温度、流量、压力，以及声音信号， 很难找一个标准的方程组，完整的表达所有参数之间的关系。而且天然气管道 不同采集变量具有不同的量纲，各变量取值之间具有较大的分散差异。

(3)对管道泄漏的研究经历了几个阶段，从纯物理方程到人工设定参数 的概率推理，直到机器学习。现仍有大量研究着重于一个参数的物理结构来确 定管道状态，评价误差较大。由于引入决策的参数数量越来越多,每个参数与 微泄漏事故的关系度不好直接定义。某一参数判断结果的影响力表现为连接权 重，传统采用随机生成0-1之间的数来避免过分强调某一参数的影响。这就带 来了学习结果的巨大误差。其实，每个参数对判断结果的影响是有一定规律的， 但不能采用人工或随机的方法来设定。

上述问题必然会影响快速、准确判断加气站管道微泄漏事故的发生，成为 制约天然气输送科学发展、保障加气站安全的瓶颈。

发明内容

本申请通过提供一种基于声音信号的天然气管道微泄漏检测方法，利用管 道微泄漏时波动最强烈的声音信号来弥补泄露初期传感器很难采集到数据的 物理弱点，将管道微泄漏的声音信号作为主信号，将压力、温度、流量作为次 信号共同建立深度卷积神经网络模型，通过学习主信号和次信号的数据来确定 天然气管道微泄漏概率，此外，针对多参数数据的异构性，设计一个深度受限 玻尔兹曼机模型，对多参数数据进行预训练，获得最优权值矩阵和最优偏置值， 作为深度卷积神经网络模型的权重初始值和偏置值初始值，以解决管道微泄漏 时难以快速、准确判断的技术问题。

为解决上述技术问题，本申请采用以下技术方案予以实现：

一种基于声音信号的天然气管道微泄漏检测方法，包括如下步骤：

S1：采集天然气管道微泄漏时的声音信号以及温度、压力、流量信号；

S2：对声音信号进行特征提取和去噪的预处理；

S3：设计一个深度受限玻尔兹曼机模型，对步骤S2预处理后的声音信号 以及步骤S1采集到的温度、压力、流量信号的进行预训练，获得最优权值矩 阵和最优偏置值，作为深度卷积神经网络模型的权重初始值和偏置值初始值；