基于局域均值分解的燃气管道泄漏定位技术

严欣明 杜璋昊 毛小虎 岳云飞 郝永梅

（1.江苏省特种设备安全监督检验研究院常州分院 常州 213016）

（2.常州大学 常州 213164）

城市燃气埋地管道是城市燃气输配的主要载体，已成为现代城市发展不可或缺的工具。随着其规模的不断扩大，由于受到外部腐蚀、外力机械破坏、施工质量缺陷、环境改变等因素的影响，燃气管道泄漏的事件经常发生，给市民的生命安全和经济财产造成严重威胁，若能及早发现管道泄漏就可以最大程度上防止或减少事故的发生。由此采取事故预防的管道泄漏检测和监测技术越来越受到人们的关注。

由于管道本身、环境等不确定因素影响，通过检测接收到的管道泄漏信号中存在大量噪声，这些噪声影响了泄漏信号的识别，造成泄漏定位不准确。经模态分解（EMD）是近年来信号分析领域的一个突破，它基于时间尺度将信号分解成若干个固有模态函数（IMFs）之和，分解出的各分量突出了信号的局部特征，可以消除信号中噪声的影响[1]。但同时EMD也存在不足，信号经EMD分解之后存在某个分量包含不同的时间尺度，即结果存在模态混叠现象[2]。与经验模态分解不同，局域均值分解（LMD）是近年来提出的一种新的非平稳信号处理方法，它在信号的时频分析方面有较好的分析效果，并且减弱了EMD分解结果的模态混叠现象[3]。

1 声发射检测理论

声发射技术也称应力波技术，属于无损检测技术，声发射检测技术的基本流程如图1所示。声发射是物质内存在的能量发生局部或单点释放引发弹力波瞬间产生的现象。弹力波瞬间释放现象存在生活各处，例如金属断裂、压力过大产生的介质喷溅。20Hz至20000Hz为人耳所能及的声频维度，而声发射技术的信号所能获取的声频范围远大于人耳，其范围可从次声波延续到超声波，从几赫兹到几兆赫兹且存在很大的幅度变换，因此采用灵敏度高的声学传感器可以检测到非人耳所能及的声频范围[4]。

图1 声发射技术基本原理

2 局域均值分解的原理及步骤

Jonathan S. Smith于2005年提出了一种新的非平稳和非线性信号分析方法—局部均值分解算法（Local Mean Decomposition），并首先应用于脑电信号的分析中且取得不错的成果[5]。在此之后，LMD在机械故障诊断中也得到良好的应用。局部均值分解可以依据信号本身的特征进行自适应分解产生具有真实物理意义PF分量，PF分量是每个包络信号与每个调频信号乘积所得到的一个数据，并由此得到能够清晰准确反映出信号能量在空间各尺度上分布规律的时频分布，有利于更加细致的对信号特征进行分析。给定任意泄漏号x（t），LMD分解步骤如下[6]：

1）首先找出原始信号x（t）所有的局部极值点ni，并求相邻两个极值点的平均值mi。然后求局部包络函数。通过局部极值点ni计算包络估计值ai为

同样地，用包络估计值进行平滑处理得到包络估计函数a11（t）。从信号x（t）剥离出局域均值函数m11（t），得到：

2）用式（2）得到的h11（t）除以包络估值函数a11（t）进行调解得到

若计算出s11（t）所对应的包络估计函数满足a12（t）=1，即s11（t）应该是纯调频信号，则此时s11（t）当作原始信号处理。但当如果a12（t）≠1时，则表明s11（t）并未达到理想状态，则将s11（t）当作原始信号重复以上步骤操作，直到使s1n（t）成为纯调频信号且满足s1n（t）≤ 1 为止。

3）把所有迭代过程中产生的包络估计函数相乘得到第一个分量的包络信号a1（t），即：

4）计算第一个乘积函数PF1（t）：

5）PF1（t）被原始信号x（t）中分离出来以获取新的信号u1（t），接着将新信号u1（t）作为原始信号重复上述步骤，从而形成1个单调信号uk（t）为止：

6） 经上述步骤，信号x（t）最终被分解为k个PF分量和1个单调信号uk（t），即：

式中：P为PF分量个数，具体流程如图2所示。

图2 LMD原理简易流程图

3 多尺度熵

1948年，C.E.Shannon初次对信息熵做出完整的定义，信息熵表达了随机事件的不稳定性或系统的不确定性，常被用来作为一个系统的信息含量的量化指标，表述系统或时间内不同层面是信息特征，后人又基于信息熵提出：包络谱熵、能量熵、近似熵、样本熵、模糊数值熵、多尺度熵等[7]。

多尺度熵（MSE）是在样本熵的基础上提出的，信号的复杂程度可用多尺度熵来表示，即随着信号的复杂程度变大，多尺度熵值也越大。将原始信号产生的数据进行粗粒化并将每个尺度上的样本熵值分别组成一组数列，即不同尺度下的样本熵的时间序列。相比较下，两个序列在同种尺度下，前者的熵值高于后者，则表示前者的时间序列在复杂性上比后者高[8]。多尺度熵相对于样本熵针对非稳定性信号的几个优点总结如下：

1）多尺度熵仅仅与非稳定信号序列的复杂程度有关而与信号的幅值无关。

2）从计算角度来看，多尺度熵的计算没必要对信号序列的整体进行重建或是描述，对信号的数据量大小没有过多要求，较短的数据也可以得出合理地多尺度熵值。

3）多尺度熵不仅能从整体上反映其动力性特征，又能从细节上揭示序列演化特性。

4）从最终结果上来看，多尺度熵的分析效果要明显高于均值、方差和标准差等统计学的分析结果。这是因为多尺度熵更多考虑了信号的序列分布模式，能使信号结构分布上的复杂性更为突出，因此能更良好的适应非稳定性信号的分析[9]。

4 验证

模拟实验管道是由三条不同管径（DN150、DN90、DN65）的管道和一个稳压罐组成。三条不同管径的管道进口、出口处分别安装压力、温度、流量计共28个，能分别测量气体液体介质的流动的压力、温度和流量等参数。模拟管道实验系统如图3所示。取其中一段长度为42m的管道进行实验，管道材质为钢材，管道规格为DN90，介质为压缩空气，管道内介质处于流动状态。1号上游传感器放置处为0m，在距离1号传感器18m处为泄漏孔径为1mm的泄漏孔。距离1号上游传感器42m的地方安装固定2号下游传感器，即两传感器间距42m，进行管道单点泄漏研究。管道布置如图4所示。

图3 管道实验系统

图4 管道布置示意图

4.1 气体管道声发射试验

压力为0.3MPa时气体管道实验数据如图5所示。从图中可以明显发现，首先这些数据图的驳杂信号比较多，实验设计为18m处为泄漏点，如图可以看出18m附近确实信号较为突出，但5～10m处也有类似突出信号，此信号明显为无用的驳杂信号，需要后期进行处理。其次，除却较为突出的信号外，定位图（c）中还存在了很多无用的噪声信号，而且观察电源（dB）对频率（Hz）图可知，其产生的原始信号频谱图数据峰值不明确，因为本实验设计只有一个泄漏点，所以应该有一个峰值，但有一些仪器出图会出现两个峰值，这也需要信号处理技术来完善实验结果。

图5 气体0.3MPa时的实验结果图

4.2 泄漏信号处理

将声发射检测系统采集得到的管道泄漏信号输入到MATLAB显示为图6，对其进行LMD分解，得到了6个PF分量和1个残余分量，其中还夹杂背景噪声以及残余分量，结果如图7所示。为了提高泄漏定位的精确度，应剔除残余分量来保障信号原始特征。因此，分别在不同压力、不同介质情况下计算各个PF分量的多尺度熵值，见表1。

比较表1中各PF分量的多尺度熵值，可见PF分量所包含的泄漏信息从PF1到PF6逐渐递减，PF1至PF4分量的多尺度熵值远远大于PF5、PF6，说明前者包含的泄漏信息更多。因此选用前4个PF分量来进行互相关时延估计。LMD方法能够将泄漏信号分解出多尺度若干个PF分量，每个PF分量表示多个尺度下含有不同程度的泄漏信息的模态分量，而互相关方法能够对PF特征分量计算出同一信号上下游两端接收的时间差，再利用互相关[10]定位公式

图6 管道原始泄漏信号及其频谱

图7 LMD分解结果

表1 各PF分量的多尺度熵值

即可进行管道泄漏点定位计算。在0.3MPa压力下，气体管道实验的各PF分量的时间延迟估计Δt见表2。

表2 气体管道实验时间延迟估计Δt

由文献[11]可知，气体声发射信号传播速度v按880m/s计算，根据定位公式计算得到泄漏位置距离末端传感器距离、定位误差及与原始泄漏点定位比较见表3。

表3 气体泄漏点定位及误差情况

根据表3，本文所提出的基于局域均值分解的管道泄漏定位，通过局域均值分解、多尺度熵以及互相关定位法处理后所得最终气体定位误差基本稳定在5%左右，最小达4.25%，而原始泄漏点直接互相关定位误差最小为7.58%，以上实验数据证明了本文泄漏定位处理算法的有效性。

5 结论

针对城市燃气管道泄漏定位不准确的问题，本文提出了基于局域均值分解的管道泄漏定位方法。管道泄漏信号通过LMD分解获的一系列PF分量，计算各个PF分量的多尺度熵，排列比较各PF分量的多尺度熵值并选取含有主要泄漏信息的PF分量，最后采用互相关法计算主PF分量的时延参数，最终完成管道泄漏定位。实验结果表明：该方法可以将气体泄露定位误差稳定在5%左右，而直接互相关定位误差为8%～9%，说明本文提出的方法可以更加精准的定位泄漏源。