袁培龍，周紹騎，周穎濤，張醫(yī)帆，唐 航

(1.中國人民解放軍后勤工程學院 軍事供油工程系，重慶 401331； 2. 68101部隊，陜西)

?

基于內(nèi)稟模態(tài)奇異值熵的聲發(fā)射管道泄漏診斷

袁培龍1，周紹騎1，周穎濤2，張醫(yī)帆2，唐 航1

(1.中國人民解放軍后勤工程學院 軍事供油工程系，重慶 401331； 2. 68101部隊，陜西)

管道泄漏診斷是泄漏定位的前提，為診斷管道是否泄漏，針對管道泄漏狀態(tài)下聲發(fā)射信號非平穩(wěn)隨機性的特點，提出了基于內(nèi)稟模態(tài)奇異值熵的聲發(fā)射管道泄漏診斷方法。該方法用EMD分解聲發(fā)射信號得到內(nèi)稟模態(tài)函數(shù)，將內(nèi)稟模態(tài)函數(shù)組成初始特征向量，求得奇異值熵，通過對比奇異值熵的大小診斷管道有無泄漏。計算機模擬仿真驗證了該方法的有效性，實驗結果表明該方法可以準確診斷管道有無泄漏。

內(nèi)稟模態(tài)函數(shù)；奇異值熵；管道泄漏；聲發(fā)射

管道在輸送油氣過程中泄漏時有發(fā)生。在發(fā)生泄漏后如果不能及時發(fā)現(xiàn)和處理，將造成嚴重的人員傷亡、經(jīng)濟損失和環(huán)境污染。傳統(tǒng)的管道泄漏診斷方法，如漏磁檢測法、流量平衡法、光纖檢測法、負壓波法等存在不能連續(xù)檢測、靈敏度低、價格昂貴等缺點[1-5]。聲發(fā)射檢測法是一種新型的無損檢測技術，通過管道聲發(fā)射信號的特征進行缺陷診斷并預測聲發(fā)射源的位置，具有加載速度快、適應性強、安全性高的優(yōu)點。但是聲發(fā)射信號中也包含了大量的噪聲信號。針對管道泄漏聲發(fā)射信號的非平穩(wěn)性，本文提出了一種基于內(nèi)稟模態(tài)奇異值熵的聲發(fā)射管道泄漏診斷方法，運用內(nèi)稟模態(tài)函數(shù)和奇異值熵相結合的方法，分析管壁的聲發(fā)射信號，判斷管道泄漏與否。該方法不僅適用于突然泄漏的情況，也適用于已經(jīng)泄漏的情況，具有一定的應用價值[6-7]。

1 基于內(nèi)稟模態(tài)奇異值熵的理論

1.1 經(jīng)驗模態(tài)分解

1998年，美籍華人Norden E.Huang等[9]提出了將任意信號分解為一組本征模態(tài)函數(shù)(intrinsic mode function,IMF)的新方法——經(jīng)驗模態(tài)分解(empirical model decomposition，EMD)。經(jīng)驗模態(tài)分解通常是將原始信號分解為若干個本征模態(tài)函數(shù)，具有很好的自適應性，在分解過程中保持了信號本身的特性，適應于聲發(fā)射信號等非平穩(wěn)信號的分析，近年來被大量應用于機械故障診斷和語音信號識別等領域。本征模態(tài)函數(shù)來自于聲發(fā)射信號的原始信號，并按照信號的頻率的高低順序排列，反映信號的內(nèi)在信息。

1.2 信號的奇異值分解

信號的奇異值分解得到的奇異值可以反映信號的內(nèi)在信息，但在實際應用中需要將信號分段處理組成分段矩陣，這種處理一定程度上降低了信號處理的自適應性。將信號的經(jīng)驗模態(tài)分解得到的本征模態(tài)函數(shù)組成初始矩陣，與信號的奇異值分解相結合，既保持了信號的自適應性，同時也發(fā)揮了信號的奇異值分解的優(yōu)勢。

設有N行M列的矩陣A，對它可以進行如下分解，稱為奇異值分解[10]，即

A=UΣVT

(1)

式中：U=[u1…uN]∈RN×N；UTU=1；V=[v1…vM]∈RM×M；VTV=1；Σ∈RN×M為矩陣?diag{σ1,…,σp}:0」或者其轉置的形式，p=min(N,M)，σ1≥…≥σp≥0，σ1,…,σp稱為矩陣A的奇異值。

1.3 奇異值熵

在對聲發(fā)射信號處理過程中，采用經(jīng)驗模態(tài)分解與信號的奇異值分解相結合的方法所得到的奇異值的數(shù)量較小。因此，可嘗試采用信息熵的方法計算奇異值的熵，反映奇異值分布的均勻性，進而分析聲發(fā)射信號的內(nèi)在特征。

將熵的概念引入信息論中，對于一個信息源a={a1,a2,…,an}，進行歸一化處理q=a/∑a，則a的信息熵的計算公式為：

(2)

根據(jù)信息熵的基本性質，式中qi分布越均勻，s(q)越大，反之s(q)越小。將信息熵引入奇異值的分析，將矩陣的奇異值σ={σ1,…,σp}看作一組信息源，進行歸一化后通過式(2)即可求出其奇異值的熵。

1.4 基于內(nèi)稟模態(tài)奇異值熵的聲發(fā)射泄漏診斷

管道泄漏時采集的聲發(fā)射信號具有一定的背景噪音，實際采集的數(shù)據(jù)量往往很大，直接進行分析計算量大且量化困難。為使泄漏診斷更加簡潔，本文提出了基于內(nèi)稟模態(tài)奇異值熵的管道泄漏診斷方法，其框圖如圖1所示。

圖1 基于內(nèi)稟模態(tài)奇異值熵的管道泄漏診斷方法框圖

具體步驟如下：

1) 采集管道在運行狀態(tài)下的聲發(fā)射信號。

2) 對聲發(fā)射信號進行EMD分解，得到一組內(nèi)稟模態(tài)函數(shù)IMF1～IMFn，由內(nèi)稟模態(tài)函數(shù)組成特征向量矩陣A=[IMF1,…,IMFn]T。

3) 運用matlab的svd函數(shù)對矩陣A進行奇異值分解，得到奇異值σ。

4) 對奇異值σ進行歸一化，運用信息熵的計算公式，求出奇異值熵。

5)通過對信號的奇異值的大小和奇異值熵進行分析，判斷管道有無泄漏。

根據(jù)矩陣理論，矩陣的奇異值是矩陣的固有特征，它具有較好的穩(wěn)定性，即當矩陣元素發(fā)生小的變動時，矩陣奇異值變化很小，同時矩陣奇異值還具有旋轉不變性和比例不變性，能有效地刻畫信號序列的內(nèi)在特征。EMD分解是自適應的，在較大程度上保持了信號的自身特性，適用于管道泄漏聲發(fā)射信號等非平穩(wěn)信號的分析。將信號進行EMD分解得到的IMF組成矩陣，之后進行奇異值分解，避免了將信號直接進行截取組成矩陣時截取長度會發(fā)生變化，使得到的奇異值序列具有多個數(shù)值。此時得到的計算結果可以直接對信號的奇異值進行分析，通過比較其大小來判斷有無泄漏。由于泄漏時的信號強于非泄漏時的信號，泄漏信號的奇異值往往較大。為使結果更加簡明，將信息熵引入奇異值的分析，得到奇異值熵，由于管道泄漏時的聲發(fā)射信號主要由泄漏信號組成，具有非平穩(wěn)特性，且能量在頻域分布較為集中，因此所得到的奇異值熵較小。管道無泄漏時信號主要由背景噪音組成，在頻域和時域分布較均勻，所得到的奇異值熵較大。

2 基于內(nèi)稟模態(tài)奇異值熵的計算機仿真驗證

x(n)為均值為0、方差為1、長度為1 000的高斯白噪聲序列，y(n)=x(n)+2sin(20πt)。運用本文的方法，分別將x(n)和y(n)進行EMD分解，計算奇異值，求取奇異值熵。奇異值結果如圖2所示。

圖2 模擬信號的奇異值對比

計算得x(n)的奇異值熵為1.908 6，y(n)的奇異值熵為1.596 8。從圖2可以看出：y(n)的奇異值均值大于x(n)的奇異值均值，這是由于信號y(n)的幅值大于x(n)的幅值，奇異值的大小又反映了信號的內(nèi)在特性。信號x(n)為高斯白噪聲，在時域和頻域分布較為均勻。信號y(n)中存在一組正弦信號，打破了高斯白噪聲在時域和頻域分布的均勻性，因此y(n)的奇異值熵小于x(n)，與計算結果相符。

3 基于內(nèi)稟模態(tài)奇異值熵聲發(fā)射信號實驗分析

模擬管道鋪設了野戰(zhàn)輸油管線進行輸水實驗，管道外徑102 mm，壁厚2.5 mm，管材為10號帶鋼，管內(nèi)水壓為0.18 MPa。采用德國Vallen公司生產(chǎn)的AMSY-5(M16-2)型16通道聲發(fā)射儀采集信號，采樣頻率設為2 MHz，增益為40 dB，采樣閾值為32 dB。分別采集距離泄漏孔2.0 m和26.8 m處無泄漏和有泄漏時的管壁聲發(fā)射信號。采集數(shù)據(jù)均為10組，每組數(shù)據(jù)長度為5 000。圖3和圖4為距離泄漏孔不同距離處有無泄漏狀態(tài)下的聲發(fā)射信號。

圖3 距離泄漏孔26.8 m處的聲發(fā)射信號

圖4 距離泄漏孔2.0 m處的聲發(fā)射信號

對聲發(fā)射信號求奇異值，圖5和圖6為其奇異值計算結果。

圖5 距離泄漏孔26.8 m處的奇異值對比

圖6 距離泄漏孔2.0 m處的奇異值對比

進一步計算出不同距離兩種狀態(tài)下奇異值熵，如表1所示。

表1 不同距離下有泄漏和無泄漏奇異值熵對比

圖3和圖4表明：相對于無泄漏狀態(tài)，管道泄漏聲發(fā)射信號具有明顯的沖擊性，幅值更大。為使泄漏判斷更加簡潔和量化，運用本文提出的方法求取奇異值。從圖5和圖6中可以看出：泄漏狀態(tài)下的奇異值均值大于非泄漏狀態(tài)下的奇異值均值，與前述理論分析相符。從表1可以看出，管道泄漏狀態(tài)下管道的聲發(fā)射信號奇異值熵相對較小，非泄漏狀態(tài)下奇異值熵相對較大，與仿真預測相符。綜上所述，本文的方法可以較好地診斷出管道泄漏與非泄漏兩種狀態(tài)。

4 結束語

將內(nèi)稟模態(tài)奇異值熵的概念引入到聲發(fā)射管道泄漏檢測中，提出了基于內(nèi)稟模態(tài)奇異值熵的管道泄漏診斷方法。該方法將管壁聲發(fā)射信號進行EMD分解得到內(nèi)稟模態(tài)函數(shù)，進而求取信號的奇異值熵，通過對比奇異值熵的大小診斷管道有無泄漏。該方法簡單易行、實用性強，但對計算機性能要求較高。

通過仿真對比兩組信號奇異值熵的計算結果，可見計算結果與理論分析相符，表明基于內(nèi)稟模態(tài)奇異值熵的管道泄漏診斷方法是有效的。

運用本文的方法，分別對距離泄漏孔2.0 m和26.8 m處有泄漏和無泄漏兩種狀態(tài)的聲發(fā)射實驗信號進行分析。實驗結果表明，該方法可以準確診斷管道有無泄漏。

[1] 黃維和,鄭洪龍,王婷.我國油氣管道建設運行管理技術及發(fā)展展望[J].油氣儲運，2014，33(12):1259-1262.

[2] 王立坤,王洪超,熊敏,等.長距離輸油管道泄漏監(jiān)測技術分析及研究建議[J].油氣儲運，2014，33(11):1198-1201.

[3] LIOU J C.Leak detection by mass balance effective for Norman wells line[J].Oil and gas journal,1996,94(17):4-7.

[4] MACLEAN A,MORAN C,JOHNSTONE W,et al.Detection of hydrocarbon fuel spills using a distributed fibre optic sensor[J].Sensors and Actuators A:Physical,2003,109(1):60-67.

[5] 袁朝慶,劉燕,才英俊.利用光纖溫度傳感系統(tǒng)檢測天然氣管道泄漏 [J].天然氣工業(yè)，2006，26(8):117-119.

[6] 付俊濤,李玉星,孟令雅,等.輸氣管道泄漏音波與干擾信號特征提取[J].石油化工高等學校學報，2012,25(2):1-8.

[7] MENG L Y,LI Y X,WANG W C,et al.Experimental study on leak detection and location for gas pipeline based on acoustic method[J].Journal of Loss Prevention in the Process Industries,2012,25(1):90-102.

[8] HUANG N E,SHEN Z,LONG S R,et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London.Series A:Mathematical,Physical and Engineering Sciences,1998,454(1971):903-995.

[9] HUANG N E,ATTOH-OKINE N O.The Hilbert-Huang Transform in Engineering[M].USA:CRC Press,2005.

[10]傅祖蕓.信息論[M].3版.北京:電子工業(yè)出版社,2013.

(責任編輯 楊文青)

Pipeline Leakage Detection Based on Singular Value Entropy of IMFs

YUAN Pei-long1, ZHOU Shao-qi1, ZHOU Ying-tao2, ZHANG Yi-fan2， TANG Hang1

(1.Department of Military Petroleum Supply Engineering, Logistical Engineering College,Chongqing 401331，China； 2.Unit 68101 PLA, Shaanxi, China)

Pipeline leakage diagnosis is the precondition of leakage location. A new method based on singular value entropy of Intrinsic Mode Functions (IMFs) is proposed aiming at the non-stationary characteristic of the acoustic emission (AE) signal from pipeline leakage for leakage detection. The IMFs is obtained by EMD from AE signal, and the initial feature vector is composed by IMFs. The singular value entropy of the vector is used for leakage detection. Simulation and experiments indicates the effectiveness of the proposed method.

intrinsic mode function; singular value entropy; pipeline leakage；acoustic emission

2016-06-22 基金項目：重慶市自然科學基金資助項目 (CSTC,BB0168)

袁培龍(1992—)，男，河南平頂山人，碩士研究生，主要從事油氣儲運工程缺陷檢測技術方面研究，E-mail:yuanpeilong1992@163.com；通訊作者 周紹騎(1962—)，男，教授，主要從事油氣儲運控制技術與系統(tǒng)方面研究。

袁培龍，周紹騎，周穎濤，等.基于內(nèi)稟模態(tài)奇異值熵的聲發(fā)射管道泄漏診斷[J].重慶理工大學學報(自然科學)，2016(11):60-64.

format：YUAN Pei-long, ZHOU Shao-qi, ZHOU Ying-tao, et al.Pipeline Leakage Detection Based on Singular Value Entropy of IMFs[J].Journal of Chongqing University of Technology(Natural Science)，2016(11):60-64.

10.3969/j.issn.1674-8425(z).2016.11.011

TE973.6

A

1674-8425(2016)11-0060-05