龐洪晨，范 鋒，孫奇北，喬 實(shí)

山東省天然氣管道有限責(zé)任公司，山東濟(jì)南 250101

絕大多數(shù)天然氣管道地處野外，管道跨度長(zhǎng)且周圍環(huán)境十分復(fù)雜。當(dāng)管道在運(yùn)行過(guò)程中發(fā)生較嚴(yán)重的破壞時(shí)，將造成巨大的經(jīng)濟(jì)損失，并可能威脅到人民群眾的生命和財(cái)產(chǎn)安全，且對(duì)當(dāng)?shù)丨h(huán)境會(huì)造成嚴(yán)重污染[1-2]。因此，有必要對(duì)天然氣管道進(jìn)行實(shí)時(shí)監(jiān)測(cè)，以最大程度地降低由于管道破壞和泄漏造成的危險(xiǎn)。目前，依靠與管道同溝鋪設(shè)的通信光纜對(duì)管道進(jìn)行實(shí)時(shí)監(jiān)控是最先進(jìn)并切實(shí)可行的監(jiān)測(cè)手段[3-4]，光纖傳感技術(shù)自誕生時(shí)起，就以其可靠性高、無(wú)源監(jiān)測(cè)信號(hào)遠(yuǎn)等特點(diǎn)而廣泛應(yīng)用于惡劣環(huán)境下重大基礎(chǔ)設(shè)施的監(jiān)測(cè)領(lǐng)域。近幾年，國(guó)內(nèi)外相關(guān)技術(shù)產(chǎn)品發(fā)展迅速并且已開(kāi)始實(shí)際應(yīng)用[5-7]。在鋪設(shè)天然氣管道時(shí)都伴隨著通信光纜的鋪設(shè)，在此基礎(chǔ)上，可以直接用已經(jīng)鋪設(shè)好的通信光纜作為傳感單元搭建分布式光纖預(yù)警平臺(tái)，并進(jìn)行監(jiān)測(cè)。利用管道光纖系統(tǒng)可以有效監(jiān)測(cè)到天然氣管道破壞等情況，并提前預(yù)警和精準(zhǔn)定位。

本實(shí)驗(yàn)采用分布式光纖預(yù)警技術(shù)來(lái)實(shí)現(xiàn)天然氣管道受到外部入侵的實(shí)時(shí)監(jiān)測(cè)。

1 挖掘振動(dòng)信號(hào)判斷

對(duì)于每個(gè)探測(cè)單元采集到的一維時(shí)域信號(hào)，其中的挖掘信號(hào)通常表現(xiàn)為規(guī)律性的沖擊波形[8-13]。

1.1 計(jì)算方式

（1）對(duì)原始數(shù)據(jù)進(jìn)行逐點(diǎn)差分計(jì)算，得到差分?jǐn)?shù)據(jù)序列。通過(guò)差分計(jì)算，可以濾除信號(hào)中低頻漂移的干擾，并且提高檢測(cè)信號(hào)的信噪比。其計(jì)算公式如下：

式中：x0，…，xn表示距離為nh的節(jié)點(diǎn)；h為節(jié)點(diǎn)的步長(zhǎng)；f（xk）、f（xk+1） 表示各節(jié)點(diǎn)所對(duì)應(yīng)的函數(shù)值。

（2）使用距離長(zhǎng)度為T的窗口，在經(jīng)過(guò)差分后的數(shù)據(jù)序列上滑動(dòng)，對(duì)窗口內(nèi)的數(shù)據(jù)取絕對(duì)值后，找到最大值。通過(guò)這一步計(jì)算，可以得到振動(dòng)信號(hào)的近似包絡(luò)，其效果如圖1所示。

圖1 時(shí)域原始數(shù)據(jù)和包絡(luò)提取

（3）對(duì)上一步得到的數(shù)據(jù)序列，作尋峰計(jì)算。采用逐級(jí)掃描方式，掃描的依據(jù)是斜率的變化，其好處是絕對(duì)值比較，可以避免極值在平滑處的影響，具體計(jì)算方式為：

第一，將近似包絡(luò)序列表示為X=[X1，X2，…，Xn]，計(jì)算近似包絡(luò)序列的一階差分向量DiffX，DiffX=X（i+1）-X（i），其中，i∈1，2，…，n-1。

第二，對(duì)差分向量Diff X進(jìn)行取符號(hào)函數(shù)運(yùn)算，Trend=sign（Diff X），即遍歷Diff X，如果Diff X （i） 大于0，則取1；如果小于0，則取-1，否則，則置為0。

第三，從尾部遍歷Trend向量進(jìn)行操作：if Trend（i） =0且 Trend（i+1） ≥0，則 Trend（i） =1；if Trend（i） =0且Trend（i+1） ＜0，則 Trend（i） =-1。

第四，對(duì)Trend向量進(jìn)行一階差分運(yùn)算，得到R=diff（Trend）。

第五，遍歷得到的差分向量R，如果R（i） =-2，則i+1為投影向量X的一個(gè)峰值位，對(duì)應(yīng)的峰值為X（i+1）；如果R（i） =2，則i+1為投影向量X的一個(gè)波谷位，對(duì)應(yīng)的波谷為X（i+1）。

將相鄰的并且時(shí)間間隔小于0.1s的峰合并到一次沖擊信號(hào)中。通過(guò)這一步計(jì)算，可以將每次沖擊信號(hào)提取出來(lái)，并可以得到每個(gè)沖擊信號(hào)出現(xiàn)的時(shí)刻，以及每個(gè)沖擊信號(hào)的時(shí)間寬度。統(tǒng)計(jì)相鄰沖擊信號(hào)之間的時(shí)間間隔和每個(gè)沖擊信號(hào)持續(xù)的時(shí)間寬度，以及1min內(nèi)出現(xiàn)的符合挖掘規(guī)律的沖擊信號(hào)次數(shù)。

（4）挖掘信號(hào)判斷。當(dāng)一次沖擊信號(hào)滿足條件：與前一次沖擊間隔＞0.7 s且本次沖擊時(shí)間寬度＜1.5 s，則認(rèn)為此次沖擊信號(hào)符合挖掘規(guī)律。若檢測(cè)到某個(gè)探測(cè)單元1 min內(nèi)出現(xiàn)的符合挖掘規(guī)律的沖擊次數(shù)＞5次且＜60次，則開(kāi)始對(duì)這個(gè)探測(cè)單元所在的一段區(qū)域作進(jìn)一步分析，以區(qū)分人工挖掘和機(jī)械挖掘行為。

1.2 計(jì)算效果

（1）選取一段人工挖掘測(cè)試過(guò)程中采集的時(shí)長(zhǎng)120 s的數(shù)據(jù)樣本，其中第3～13 s為車輛經(jīng)過(guò)信號(hào)，第30～115 s為人工挖掘信號(hào)。圖2所示的為此段信號(hào)的原始數(shù)據(jù)和近似包絡(luò)的計(jì)算結(jié)果，從中判斷出符合挖掘條件的沖擊信號(hào)58次，出現(xiàn)在第30～115 s之間。算法可以有效抑制車輛經(jīng)過(guò)引起的誤報(bào)，同時(shí)準(zhǔn)確判斷人工挖掘信號(hào)。

（2）選取一段機(jī)械挖掘測(cè)試過(guò)程中采集的時(shí)長(zhǎng)120 s的數(shù)據(jù)樣本，其中，第25 s開(kāi)始為機(jī)械挖掘信號(hào)。圖3所示為此段信號(hào)的原始數(shù)據(jù)和近似包絡(luò)計(jì)算結(jié)果，從中判斷出符合挖掘條件的沖擊信號(hào)24次，出現(xiàn)在第25～120 s之間。算法可以準(zhǔn)確判斷機(jī)械挖掘信號(hào)。

2 結(jié)合圖像處理的事件判斷

對(duì)于判斷出挖掘信號(hào)的區(qū)域，可以結(jié)合圖像處理算法，通過(guò)對(duì)挖掘信號(hào)的影響范圍和背景信號(hào)波動(dòng)來(lái)對(duì)挖掘事件類別進(jìn)行判斷[14]。

圖2 人工挖掘時(shí)域原始數(shù)據(jù)和近似包絡(luò)計(jì)算

圖3 機(jī)械挖掘時(shí)域原始數(shù)據(jù)和近似包絡(luò)計(jì)算

2.1 計(jì)算方式

（1） 采用最大類間方差法[15-17]，對(duì)二維挖掘信號(hào)進(jìn)行提取，具體計(jì)算方式為：

其一，將二維挖掘信號(hào)的數(shù)值映射到L個(gè)灰度級(jí) [0，2，…，L-1]，記灰度級(jí)為i的像素點(diǎn)的個(gè)數(shù)為N（i），那么總的像素點(diǎn)個(gè)數(shù)就應(yīng)該為N=N0+N1+…+N（L-1），灰度值為i的點(diǎn)的概率為P（i）=N（i）/N。

其二，門限t將整個(gè)信號(hào)矩陣分為暗區(qū)c1和亮區(qū)c2兩類，則類間方差σ是t的函數(shù)：σ=a1×a2（u1-u2）2，式中：aj為類cj的面積與圖象總面積之比，a1=sum（P（i）），a2=1-a1；uj為類cj的均值，u1=sum （i× P（i）） /a1，u2=sum （i× P （i）） /a2。

其三，令門限t遍歷 [0，2，…，L-1]，選擇最佳門限t使類間方差最大，即：令Δu=u1-u2，σb=max{a1（t）×a2（t）×Δu2}。

其四，根據(jù)得到的最佳門限t^，將二維挖掘信號(hào)分離為前景部分和背景部分（此時(shí)二維挖掘信號(hào)的數(shù)值已經(jīng)映射到L個(gè)灰度級(jí) [0，2，…，L-1]）。

（2）對(duì)于分離出來(lái)的前景信號(hào)，統(tǒng)計(jì)每個(gè)事件區(qū)域的空間（橫軸）涵蓋距離[15-17]，得到挖掘信號(hào)的影響范圍，即統(tǒng)計(jì)前景部分左邊界和右邊界之間涵蓋的像素點(diǎn)個(gè)數(shù)N，每個(gè)像素點(diǎn)在橫軸上，即代表一個(gè)光纖鏈路中的監(jiān)測(cè)單元，當(dāng)監(jiān)測(cè)分辨率為10 m，即每個(gè)光纖監(jiān)測(cè)單元對(duì)應(yīng)10 m的長(zhǎng)度，則此挖掘信號(hào)的影響范圍是N×10 m。

（3）對(duì)于分離出來(lái)的背景信號(hào)，計(jì)算每個(gè)事件區(qū)域的灰度共生矩陣。取圖像中任意一點(diǎn)（x，y） 及偏離它的另一點(diǎn)（x+a，y+b），設(shè)該點(diǎn)對(duì)應(yīng)的灰度值為（g1，g2）。令點(diǎn)（x，y） 在整個(gè)畫面上移動(dòng)，則得到各種（g1，g2）值。對(duì)于整個(gè)畫面，統(tǒng)計(jì)出每一種（g1，g2）值出現(xiàn)的次數(shù)，然后排列成一個(gè)方陣，再用（g1，g2）出現(xiàn)的總次數(shù)將它們歸一化為出現(xiàn)的概率P（g1，g2），這個(gè)方陣即為灰度共生矩陣。（a，b） 取值選取（1，0）、（0，1）、 （1，1）、（-1，-1），分別對(duì)應(yīng) 0°、90°、45°、135°掃描。

再計(jì)算灰度共生矩陣的熵，熵是圖像所具有的信息量的度量，是一個(gè)隨機(jī)性的度量，當(dāng)共生矩陣中所有元素有最大的隨機(jī)性，空間共生矩陣中所有值幾乎相等，共生矩陣中元素為分散分布時(shí)，熵較大，它表示了圖像中紋理的非均勻程度或復(fù)雜程度[18-20]。其計(jì)算方式為：

式中：G（i，j）表示位置坐標(biāo)為（i，j） 的灰度值。

（4）若挖掘信號(hào)影響范圍＞50 m，并且灰度共生矩陣的熵＞10，則挖掘事件判斷為機(jī)械挖掘；否則，判斷為人工挖掘。

2.2 計(jì)算效果

圖4所示的為上一節(jié)中人工挖掘區(qū)域的原始數(shù)據(jù)和挖掘信號(hào)提取結(jié)果。計(jì)算得到挖掘振動(dòng)影響范圍為10 m，背景區(qū)域的熵值為3.6。此段信號(hào)判斷為人工挖掘，符合實(shí)際。

圖4 人工挖掘區(qū)域原始數(shù)據(jù)和挖掘信號(hào)提取

圖5所示的為上一節(jié)中機(jī)械挖掘區(qū)域的原始數(shù)據(jù)和挖掘信號(hào)提取結(jié)果。計(jì)算得到挖掘振動(dòng)影響范圍為150 m，背景區(qū)域的熵值為62.5。此段信號(hào)判斷為機(jī)械挖掘，符合實(shí)際。

3 測(cè)試統(tǒng)計(jì)和結(jié)論

某段天然氣管道總長(zhǎng)度約為170 km，共經(jīng)過(guò)7個(gè)場(chǎng)站，被劃分為6個(gè)監(jiān)測(cè)區(qū)段，利用4臺(tái)管道光纖監(jiān)測(cè)主機(jī)，使用與管道同溝敷設(shè)的通訊光纜中的1芯光纖作為傳感器，搭建管道光纖監(jiān)測(cè)系統(tǒng)，系統(tǒng)布置見(jiàn)圖6。

在管道沿線多個(gè)位置進(jìn)行人工挖掘和機(jī)械挖掘測(cè)試，人工挖掘使用鐵鍬在管道上方進(jìn)行挖掘，開(kāi)挖面積不大于1 m×1 m，深度不大于0.5 m；機(jī)械挖掘使用中型挖掘機(jī)在垂直管道20 m處進(jìn)行挖掘，連續(xù)挖掘時(shí)間不超過(guò)30 s?，F(xiàn)場(chǎng)測(cè)試挖掘如圖7所示，現(xiàn)場(chǎng)測(cè)試數(shù)據(jù)波形如圖8所示；測(cè)試統(tǒng)計(jì)結(jié)果如表1、表2所示。

圖5 機(jī)械挖掘區(qū)域原始數(shù)據(jù)和挖掘信號(hào)提取

圖6 管道光纖監(jiān)測(cè)系統(tǒng)布置示意

圖7 測(cè)試挖掘現(xiàn)場(chǎng)

圖8 數(shù)據(jù)波形圖

表1 人工挖掘測(cè)試統(tǒng)計(jì)結(jié)果

表2 機(jī)械挖掘測(cè)試統(tǒng)計(jì)結(jié)果

由以上測(cè)試統(tǒng)計(jì)結(jié)果可知，該方法的挖掘識(shí)別準(zhǔn)確率可達(dá)到96.2%以上。將一維時(shí)域信號(hào)分析與二維區(qū)域圖像處理相結(jié)合，則可以在抑制車輛經(jīng)過(guò)引起誤報(bào)的同時(shí)，對(duì)挖掘信號(hào)進(jìn)行準(zhǔn)確判斷和有效識(shí)別。

4 結(jié)束語(yǔ)

本文介紹了基于相干瑞利散射的分布式光纖傳感技術(shù)，利用與管道同溝敷設(shè)的通信光纜作為振動(dòng)傳感器，對(duì)油氣管道挖掘破壞事件進(jìn)行判斷的方法。其判斷原理為：首先對(duì)每個(gè)探測(cè)單元采集的時(shí)域信號(hào)進(jìn)行挖掘事件判斷，再利用圖像處理算法對(duì)判斷有挖掘事件的區(qū)域進(jìn)行時(shí)間-空間維度上的分析，從而達(dá)到識(shí)別挖掘事件類別的目的。現(xiàn)場(chǎng)實(shí)驗(yàn)結(jié)果表明，該判斷方法能有效探測(cè)挖掘事件，挖掘識(shí)別準(zhǔn)確率可達(dá)到96.2%以上。