[发明专利]一种基于改进LCD的管道泄漏孔径识别方法

说明书

本发明涉及管道泄漏技术领域，尤其涉及一种基于改进LCD的管道泄漏孔径识别方法，包括：采集不同泄漏孔径下管道次声波泄漏信号数据；利用prony构造差分方程计算匹配系数，对延展信号进行LCD分解获得若干ISC分量；通过相邻ISC分量的互信息熵区分有效分量与无效分量，并进行信号重构；对重构后的信号分析，提取表征泄漏孔径的优势特征参数；利用优势特征参数构造管道泄漏特征向量；使用欧式距离计算重构后信号泄漏特征向量与待测泄漏信号特征向量的距离，得到最小距离对应的泄漏孔径。本发明解决现有神经网络算法需要庞大的数据量，识别效率低的问题；以及采用单一特征参数，无法全面反映泄漏信号特征保证准确度的问题。

技术领域

本发明涉及管道泄漏技术领域，尤其涉及一种基于改进LCD的管道泄漏孔径识别方法。

背景技术

随着国家经济的快速发展以及对天然气等能源需求量增加，埋地管道作为一种有力的运输工具成为现代社会中一种重要的基础设施。由于管道老化、受环境腐蚀以及第三方破坏等原因，管道泄漏事故时有发生。城镇燃气管道多为埋地管道，管道早期因泄漏信号微弱难以发现，最终导致人员伤亡、经济损失及环境破坏。因此，管道泄漏孔径的识别对有效预防管道泄漏火灾爆炸事故，减小事故灾难损失以及加强城市公共安全具有重要意义。

在管道泄漏次声波检测中，由于次声波的低频特性导致传播过程中易受环境、介质等因素干扰从而夹带各种噪声。因此，在进行管道泄漏孔径识别前，需对次声波泄漏信号进行处理，减少噪声干扰，突出信号特征，以便精确识别泄漏孔径。在管道次声波泄漏信号处理中，经验模态分解(EMD)方法和局域均值分解方法(LMD)能够适用于非平稳信号的分析，分解效率高，自适应性强，但具有模态混叠和端点效应的问题；而局部特征尺度分解法(LCD)在模态混叠问题、迭代次数等方面要优于EMD和LMD方法，但仍存在端点效应的问题，对泄漏信号分析的准确性存在巨大影响。

同时，目前对于管道次声波泄漏信号的研究大多在泄漏的判断以及对泄漏源的定位研究，对于管道泄漏孔径预测研究不多。Mei L在《Leak Identification Based on CS-ResNet under different leakage Apertures for Water-Supply Pipeline》对信号进行压缩处理后输入神经网络进行泄漏识别，虽然已对泄漏信号进行压缩处理，但数据量依然庞大，识别效率低；Sun J在《Natural gas pipeline leak aperture identification andlocation based on local mean decomposition analysis》中利用LMD方法处理泄漏信号后提取RMS熵并输入向量机进行泄漏孔径识别，但该方法依赖人工经验且过程复杂；Lang X在《Pipeline leak aperture recognition based on wavelet packet analysis and adeep belief network with ICR》将超声波信号的去噪声速作为特征参数输入深度置信网络进行泄漏孔径识别，该方法使用单一特征参数，无法全面反映泄漏信号特征保证准确度。

发明内容

针对现有算法的不足，本发明根据prony算法原理构造差分方程，对泄漏信号两端进行延展，再对信号进行LCD分解，能有效改善端点效应，防止信号产生失真，影响泄漏孔径识别效果；针对目前泄漏孔径识别中识别泄漏孔径的方法繁琐且使用特征参数单一，无法快速全面地反映泄漏信号特征保证泄漏孔径识别的正确性的问题，对多个特征信号进行分析，选择能够表征泄漏孔径的优势特征参数，利用欧式距离方法进行孔径识别，能够全面反映泄漏孔径特征，客观有效地进行孔径识别，识别快速且效果良好。

本发明所采用的技术方案是：一种基于改进LCD的管道泄漏孔径识别方法包括以下步骤：

步骤一、在固定压力下，对实验管道进行泄漏实验，采集不同泄漏孔径下管道次声波泄漏信号X_i(t)数据；