上海煤氣第一管線工程有限公司 楊 哲

基于AE傳感器的管道泄漏監(jiān)測(cè)技術(shù)探討與試驗(yàn)

上海煤氣第一管線工程有限公司 楊 哲

利用 AE傳感器采集沿管壁傳播的氣體泄漏振動(dòng)聲音信號(hào)可以得出管道是否泄漏的結(jié)論。根據(jù)基于AE傳感器的燃?xì)夤艿佬孤┍O(jiān)測(cè)技術(shù)的現(xiàn)場(chǎng)試驗(yàn)，發(fā)現(xiàn)特征值的選取對(duì)分類器準(zhǔn)確度有很大影響，樣本長(zhǎng)度對(duì)判斷的準(zhǔn)確性有較大影響，采樣點(diǎn)(1～1.5)×105個(gè)的樣本長(zhǎng)度較為合理?；贏E傳感器的燃?xì)夤艿佬孤┍O(jiān)測(cè)技術(shù)是可行的。

燃?xì)夤艿?泄漏 監(jiān)測(cè) 傳感器

燃?xì)夤艿赖男孤┮恢笔峭{燃?xì)獍踩闹匾蛩?。目前燃?xì)夤艿赖男孤┍O(jiān)測(cè)一般采用核心原部件為氣敏傳感器的燃?xì)庑孤┨綔y(cè)器，其原理是探測(cè)燃?xì)鉂舛?，?dāng)燃?xì)庠诳諝庵械臐舛瘸^(guò)設(shè)定值探測(cè)器就會(huì)被觸發(fā)報(bào)警，并對(duì)外發(fā)出聲光報(bào)警信號(hào)?；跉饷魝鞲衅鞯娜?xì)庑孤┨綔y(cè)器多用于家庭燃?xì)庑孤﹫?bào)警，也被廣泛應(yīng)用于各類煉油廠、油庫(kù)、化工廠、液化氣站等易發(fā)生可燃?xì)怏w泄漏的場(chǎng)所。

基于氣敏傳感器的燃?xì)庑孤┨綔y(cè)器需要安裝在一個(gè)相對(duì)封閉的環(huán)境中，需泄漏量累計(jì)到一定程度后才會(huì)觸發(fā)報(bào)警，而且容易受到安裝位置、通風(fēng)環(huán)境、氣敏傳感器報(bào)警點(diǎn)漂移、中毒的影響，降低其探測(cè)能力甚至完全失效。

針對(duì)這種情況我們提出基于AE傳感器的燃?xì)夤艿佬孤┍O(jiān)測(cè)技術(shù)，這種技術(shù)能在泄漏發(fā)生初期即監(jiān)測(cè)到泄漏的發(fā)生，并能空曠環(huán)境中使用。

1 基于AE傳感器的燃?xì)夤艿佬孤┍O(jiān)測(cè)

AE傳感器是利用某些物質(zhì)(如半導(dǎo)體、陶瓷、壓電晶體、強(qiáng)磁性體和超導(dǎo)體等)的物理特性隨著外界待測(cè)量作用而發(fā)生變化的原理制成的。它利用了諸多的效應(yīng)(包括物理效應(yīng)、化學(xué)效應(yīng)和生物效應(yīng))和物理現(xiàn)象，如利用材料的壓阻、濕敏、熱敏、光敏、磁敏和氣敏等效應(yīng)，把應(yīng)變、濕度、溫度、位移、磁場(chǎng)等被測(cè)量變換成電量。新原理、新效應(yīng)的發(fā)現(xiàn)和利用，新型物性材料的開(kāi)發(fā)和應(yīng)用，使物性型AE傳感器得到很大的發(fā)展。

AE傳感器一般由殼體、保護(hù)膜、壓電元件、阻尼塊、連接導(dǎo)線及高頻插座組成。壓電元件通常采用鋯鈦酸鉛、鈦酸鋇和鈮酸鋰等。根據(jù)不同的檢測(cè)目的和環(huán)境采用不同結(jié)構(gòu)和性能的AE傳感器，其中，諧振式高靈敏度聲發(fā)射傳感器是聲發(fā)射檢測(cè)中使用最多的一種。單端諧振式聲發(fā)射傳感器的結(jié)構(gòu)簡(jiǎn)單，將壓電元件的負(fù)電極面用導(dǎo)電膠粘貼在底座上；另一面焊出一根很細(xì)的引線與高頻插座的芯線連接，外殼接地。

燃?xì)夤艿纼?nèi)氣體在泄漏過(guò)程中會(huì)與燃?xì)夤艿腊l(fā)生摩擦產(chǎn)生振動(dòng)聲波并沿管壁表面向遠(yuǎn)端傳播。利用 AE傳感器(聲發(fā)射傳感器)的壓電效應(yīng)采集沿管壁傳播的振動(dòng)聲音信號(hào)后通過(guò)前置放大器放大，經(jīng)由數(shù)據(jù)采集儀轉(zhuǎn)化為數(shù)字信號(hào)，到達(dá)終端控制機(jī)并被儲(chǔ)存、分析，最終得出管道是否泄漏的結(jié)論，并進(jìn)一步采取后續(xù)泄漏處置措施。

2 試驗(yàn)驗(yàn)證

為了驗(yàn)證基于AE傳感器的燃?xì)夤艿佬孤┍O(jiān)測(cè)技術(shù)的設(shè)想，獲得燃?xì)庑孤┳R(shí)別算法訓(xùn)練所需的數(shù)據(jù)，我們于上海市燃?xì)庑袠I(yè)實(shí)訓(xùn)基地搭建了一段試驗(yàn)管道，以進(jìn)行燃?xì)夤艿佬孤┠M試驗(yàn)。搭建的管道模擬裝置由六段鍍鋅鋼管拼接而成，包括五段3m長(zhǎng)、DN50 mm、壁厚3 mm的鋼管和一段9 m長(zhǎng)、DN50 mm、壁厚9 mm的鋼管。共設(shè)兩條支管，長(zhǎng)度均為3 m，各段管道間均采用絲扣連接，管道 布置的具體細(xì)節(jié)見(jiàn)圖1。

圖1 管道布置細(xì)節(jié)

圖中管道最右端連接空氣壓縮機(jī)，向管道內(nèi)注入空氣以模擬燃?xì)猓梅€(wěn)壓罐和減壓閥，管道內(nèi)氣體壓力保持為3 kPa，在圖右側(cè)支管上連一U形壓力計(jì)以測(cè)量管內(nèi)氣壓。圖中左側(cè)支管靠近末端管堵處，以帶有螺絲的螺孔模擬管道微小泄漏，擰動(dòng)螺絲可改變泄漏量，精確的泄漏量以管道中串聯(lián)的流量計(jì)讀出；為了防止該泄漏模擬處的螺絲密閉不佳，發(fā)生不可控的泄漏影響試驗(yàn)結(jié)果，模擬泄漏前端設(shè)置一球閥，球閥關(guān)閉即可保證此段支管不發(fā)生任何泄漏；打開(kāi)右側(cè)支管末端球閥，可模擬用戶正常使用。

試驗(yàn)同時(shí)在管道上安裝了兩個(gè)AE傳感器，用于模擬燃?xì)夤艿佬孤┑谋O(jiān)測(cè)。兩個(gè)壓電傳感器布置在距模擬泄漏發(fā)生1.5 m處，安裝位置盡量貼近，可以近似認(rèn)為二者接收到的信號(hào)是一致的。安裝傳感器前先清潔管道表面將貼附傳感器的區(qū)域，并在傳感器與管道表面之間涂上聲耦合劑，以排除二者間縫隙中的空氣，最大程度的減少信號(hào)的彌散和衰減，再將壓電傳感器固定在管道上表面，保證二者連接緊密不松動(dòng)。傳感器采集到的聲發(fā)射信號(hào)被聲發(fā)射信號(hào)前置放大器放大，經(jīng)由數(shù)據(jù)采集儀轉(zhuǎn)化為數(shù)字信號(hào)，到達(dá)終端控制機(jī)并被儲(chǔ)存。試驗(yàn)現(xiàn)場(chǎng)見(jiàn)圖2。

圖2 試驗(yàn)現(xiàn)場(chǎng)照片

采樣頻率選用1 MHz，每組數(shù)據(jù)采樣時(shí)間均為3 s。試驗(yàn)開(kāi)始后，保持模擬泄漏、模擬泄漏處閥門(mén)和模擬用戶正常使用的閥門(mén)關(guān)閉，打開(kāi)空氣壓縮機(jī)，待管內(nèi)氣壓穩(wěn)定在3 kPa后，首先采集兩組環(huán)境噪聲信號(hào)。然后打開(kāi)泄漏模擬處球閥，少量擰出泄漏模擬處螺絲以模擬泄漏，泄漏量很小時(shí)，可借助在管道上涂肥皂水的方法判斷是否發(fā)生泄漏；計(jì)時(shí)1 min，記下絲扣三通旁的流量計(jì)在一分鐘前后的流量差，計(jì)算此時(shí)的泄漏量；在此期間通過(guò)終端控制機(jī)采集了三組聲發(fā)射信號(hào)數(shù)據(jù)。上述工作完成后，擰出更多螺絲以增大泄漏量，重復(fù)測(cè)算泄露量和數(shù)據(jù)采集的步驟。本次試驗(yàn)最終共采集了環(huán)境噪聲及0.000067m3/s、0.00025m3/s、0.00071m3/s三種不同泄漏量下的 10組聲發(fā)射信號(hào)，試驗(yàn)的不同工況設(shè)置可見(jiàn)表1。

表1 試驗(yàn)工況設(shè)置

為了更好的進(jìn)行泄漏識(shí)別，根據(jù)泄漏量大小，將試驗(yàn)?zāi)M的泄漏按泄露量分為大、中、小三類，故共存在無(wú)泄漏、微小泄漏、中等程度泄漏、大量泄漏四種分類結(jié)果，后三種均為發(fā)生泄漏的情況。

3 數(shù)據(jù)處理

3.1 數(shù)據(jù)預(yù)處理

對(duì)采集到的聲發(fā)射信號(hào)進(jìn)行樣本離散、趨勢(shì)項(xiàng)消去、特征提取等工作，圖3至圖6分別繪出了一組樣本長(zhǎng)度100 000個(gè)采樣點(diǎn)，即0.1 s的環(huán)境噪聲時(shí)、頻域信號(hào)圖和發(fā)生微小泄漏時(shí)的時(shí)、頻域信號(hào)圖，難以直接觀察出兩幅圖的差別，這也說(shuō)明需要使用各項(xiàng)參數(shù)優(yōu)化選擇后的模式識(shí)別算法對(duì)泄漏與否進(jìn)行判斷。

圖3 環(huán)境噪聲的時(shí)域信號(hào)

圖4 環(huán)境噪聲的頻域信號(hào)

圖5 微小泄漏的時(shí)域信號(hào)

圖6 微小泄漏的頻域信號(hào)

3.2 參數(shù)優(yōu)化選擇

3.2.1 特征值組合

對(duì)不同特征值組合進(jìn)行嘗試過(guò)程中，模式識(shí)別算法的其他參數(shù)固定不變，樣本長(zhǎng)度為100000個(gè)采樣點(diǎn)，即0.1 s；隱藏層單元數(shù)量設(shè)置為30個(gè)；迭代次數(shù)選擇5 000次；正則化系數(shù)固定為λ=0.001；數(shù)據(jù)處理結(jié)束后，隨機(jī)從四類樣本中抽取50%作為訓(xùn)練集，對(duì)算法進(jìn)行訓(xùn)練，建立模型；其余樣本作為測(cè)試集，用以評(píng)估該特征值組合下算法模型分類的準(zhǔn)確性，訓(xùn)練集和測(cè)試集樣本各152組。類型1為環(huán)境噪聲樣本，類型2為微小泄漏樣本，類型3為中等程度泄漏樣本，類型4為大量泄漏樣本。

為了對(duì)比不同模型分類的準(zhǔn)確程度，以分類準(zhǔn)確率衡量分類的準(zhǔn)確性，其數(shù)值等于測(cè)試集中分類正確的樣本數(shù)量和測(cè)試集總樣本量的比值。準(zhǔn)確率越高則說(shuō)明該模型越好。實(shí)際工程應(yīng)用更加注重判斷管道是否發(fā)生泄漏，為此，計(jì)算了二元分類的準(zhǔn)確率，將類型2～4歸為發(fā)生泄漏，類型1歸為管道完整，重新計(jì)算分類的準(zhǔn)確率。

采用不同的特征值組合進(jìn)行學(xué)習(xí)后，其分類準(zhǔn)確率如表2。不同特征值用以下編號(hào)表示：(1)峰值；(2)平均值；(3)標(biāo)準(zhǔn)差；(4)均方根值；(5)偏度；(6)峭度；(7)峰值指標(biāo)；(8)峰值頻率；(9)頻譜重心；(10)信號(hào)功率。

對(duì)比第5、6、7組模型的準(zhǔn)確率，可以發(fā)現(xiàn)在引入頻譜重心這一參數(shù)后，第6組將所有情況均判定為微小泄漏，說(shuō)明不恰當(dāng)?shù)奶卣髦悼赡軐?dǎo)致算法退化失效。類型4的泄漏量達(dá)到了0.000 71 m3/s，多組特征值組合對(duì)其分類準(zhǔn)確率均達(dá)到 100%，說(shuō)明泄漏量較大時(shí)，模型可以很容易的區(qū)分出泄漏，但對(duì)于微小泄漏，特征值選取和組合對(duì)分類的準(zhǔn)確性有很大的影響。第8組和第10組模型的準(zhǔn)確率完全一致，說(shuō)明第 10組模型引入的峰值、平均值這兩種特征對(duì)模型優(yōu)化并沒(méi)有幫助，是冗余的特征值，這也說(shuō)明特征值的種類不是越多越好。本模型最佳特征值組合是第8組的峭度、峰值指標(biāo)、功率三種，無(wú)論是總準(zhǔn)確率還是各類別的準(zhǔn)確率，該模型的分類結(jié)果都是最高。

表2 不同特征值組合的分類準(zhǔn)確率

3.2.2 隱藏層單元個(gè)數(shù)

算法模型隱藏層單元個(gè)數(shù)沒(méi)有明確的最優(yōu)選擇標(biāo)準(zhǔn)，也需要通過(guò)試算進(jìn)行。隱藏層單元個(gè)數(shù)反應(yīng)了模型的復(fù)雜程度，過(guò)多的隱藏層單元可能造成過(guò)度擬合，對(duì)樣本數(shù)據(jù)獲得了極優(yōu)的擬合，但其泛化能力下降，對(duì)測(cè)試集樣本進(jìn)行分類時(shí)準(zhǔn)確率反而下降；過(guò)少的隱藏層單元可能使模型陷入欠擬合的困境，由于其拓?fù)浣Y(jié)構(gòu)太過(guò)簡(jiǎn)單，無(wú)法劃分出足夠復(fù)雜的非線性分類邊界。因此，需要對(duì)隱藏層的單元個(gè)數(shù)進(jìn)行討論與優(yōu)化。

在試算過(guò)程中，模型的其他參數(shù)固定不變，樣本長(zhǎng)度為100 000個(gè)采樣點(diǎn)，即0.1 s；根據(jù)3.2.1的優(yōu)化結(jié)果，特征值選取峭度、峰值指標(biāo)、功率三種；最大迭代次數(shù)為5 000次；正則化系數(shù)固定為λ=0.001。三類泄漏使用相同的訓(xùn)練集、測(cè)試集，以準(zhǔn)確率量化衡量模型的優(yōu)劣。

對(duì)于不同的隱藏層，其訓(xùn)練結(jié)果如表3所示，可以看到在一定范圍內(nèi)結(jié)果非常相似；

表3 隱藏層單元數(shù)量對(duì)分類準(zhǔn)確率的影響

3.2.3 樣本長(zhǎng)度

聲發(fā)射信號(hào)具有隨機(jī)性，所以離散樣本時(shí)取樣長(zhǎng)度也會(huì)影響特征值的大小，進(jìn)而影響分類的準(zhǔn)確性。理論上樣本長(zhǎng)度越長(zhǎng)，提取的特征值越不易受到隨機(jī)噪聲的干擾，但樣本長(zhǎng)度不可以無(wú)限制的增長(zhǎng)下去，計(jì)算機(jī)的存儲(chǔ)、計(jì)算能力和系統(tǒng)的時(shí)效性要求樣本長(zhǎng)度越小越好，樣本長(zhǎng)度的選取需要在這二者之間選擇一個(gè)平衡點(diǎn)。

在試算過(guò)程中，模型的其他參數(shù)固定不變，根據(jù)3.2.1和3.2.2的優(yōu)化結(jié)果，隱藏層單元數(shù)量選擇30；特征值選取峭度、峰值指標(biāo)、功率三種；最大迭代次數(shù)為5 000次；正則化系數(shù)固定為λ=0.001。三類泄漏使用相同的訓(xùn)練集、測(cè)試集，以準(zhǔn)確率量化衡量模型的優(yōu)劣。

表4列出了以不同樣本長(zhǎng)度進(jìn)行離散后神經(jīng)網(wǎng)絡(luò)模型分類的準(zhǔn)確率。類型4的分類準(zhǔn)確率保持在100%，說(shuō)明此聲發(fā)射信號(hào)的幅值足夠大，受各種噪聲擾動(dòng)的影響小。隨著樣本長(zhǎng)度的增加，分類的準(zhǔn)確率在提升，但當(dāng)樣本長(zhǎng)度達(dá)到2×105(序號(hào)5)時(shí)，其準(zhǔn)確率反而有所下降，這有可能是由于樣本長(zhǎng)度過(guò)長(zhǎng)導(dǎo)致樣本數(shù)量減少，進(jìn)而造成神經(jīng)網(wǎng)絡(luò)訓(xùn)練不充分引起的。綜合分類準(zhǔn)確性及計(jì)算復(fù)雜程度，樣本長(zhǎng)度在(1～1.5)×105是較好的選擇。

表4 不同樣本長(zhǎng)度的分類準(zhǔn)確率

4 結(jié)語(yǔ)

根據(jù)基于AE傳感器的燃?xì)夤艿佬孤┍O(jiān)測(cè)技術(shù)的現(xiàn)場(chǎng)試驗(yàn)，我們獲取了用于模式識(shí)別算法訓(xùn)練的數(shù)據(jù)并對(duì)其進(jìn)行了處理；以實(shí)測(cè)數(shù)據(jù)為基礎(chǔ)，完成了模式識(shí)別算法的訓(xùn)練及各項(xiàng)參數(shù)的優(yōu)化選擇。通過(guò)嘗試所列舉的不同特征值組合，發(fā)現(xiàn)特征值的選取對(duì)分類器準(zhǔn)確度有很大影響，本模型的最佳特征值向量由是峭度、峰值指標(biāo)、功率構(gòu)成；其他條件確定時(shí)，隱藏層單元數(shù)量在20～50個(gè)的范圍內(nèi)變化對(duì)模型的影響不大；樣本長(zhǎng)度對(duì)判斷的準(zhǔn)確性有較大影響，(1～1.5)×105的樣本長(zhǎng)度較為合理。該算法模型的識(shí)別正確率達(dá)94%以上。

綜上所述我們認(rèn)為基于AE傳感器的燃?xì)夤艿佬孤┍O(jiān)測(cè)技術(shù)是可行的，通過(guò)算法等進(jìn)一步完善后可以應(yīng)用于燃?xì)夤艿佬孤┍O(jiān)測(cè)，為燃?xì)獍踩峁┮环N有效的技術(shù)支持。

Discussion and Test of Pipeline Leakage Monitoring Technology Based on AE Sensor

Shanghai Gas No. 1 Pipeline Engineering Co., Ltd. Yang Zhe

By using AE sensor to collect sound signals of gas leakage vibration along the pipe wall, we can draw the conclusion that the pipeline leaks. According to the gas pipeline leak monitoring technology based on AE sensor test, it is found out that the eigenvalue selection has a great influence on the accuracy of the classifier and the accuracy of judging the length of the sample. The sampling points (1～1.5) * 105of the length of the sample is more reasonable. The leakage monitoring technology of gas pipeline based on AE sensor is feasible.

gas pipeline, leakage, monitoring, sensor