嚴(yán)欣明 杜璋昊 毛小虎 岳云飛 郝永梅

（1.江蘇省特種設(shè)備安全監(jiān)督檢驗(yàn)研究院常州分院 常州 213016）

（2.常州大學(xué) 常州 213164）

城市燃?xì)饴竦毓艿朗浅鞘腥細(xì)廨斉涞闹饕d體，已成為現(xiàn)代城市發(fā)展不可或缺的工具。隨著其規(guī)模的不斷擴(kuò)大，由于受到外部腐蝕、外力機(jī)械破壞、施工質(zhì)量缺陷、環(huán)境改變等因素的影響，燃?xì)夤艿佬孤┑氖录?jīng)常發(fā)生，給市民的生命安全和經(jīng)濟(jì)財(cái)產(chǎn)造成嚴(yán)重威脅，若能及早發(fā)現(xiàn)管道泄漏就可以最大程度上防止或減少事故的發(fā)生。由此采取事故預(yù)防的管道泄漏檢測(cè)和監(jiān)測(cè)技術(shù)越來越受到人們的關(guān)注。

由于管道本身、環(huán)境等不確定因素影響，通過檢測(cè)接收到的管道泄漏信號(hào)中存在大量噪聲，這些噪聲影響了泄漏信號(hào)的識(shí)別，造成泄漏定位不準(zhǔn)確。經(jīng)模態(tài)分解（EMD）是近年來信號(hào)分析領(lǐng)域的一個(gè)突破，它基于時(shí)間尺度將信號(hào)分解成若干個(gè)固有模態(tài)函數(shù)（IMFs）之和，分解出的各分量突出了信號(hào)的局部特征，可以消除信號(hào)中噪聲的影響[1]。但同時(shí)EMD也存在不足，信號(hào)經(jīng)EMD分解之后存在某個(gè)分量包含不同的時(shí)間尺度，即結(jié)果存在模態(tài)混疊現(xiàn)象[2]。與經(jīng)驗(yàn)?zāi)B(tài)分解不同，局域均值分解（LMD）是近年來提出的一種新的非平穩(wěn)信號(hào)處理方法，它在信號(hào)的時(shí)頻分析方面有較好的分析效果，并且減弱了EMD分解結(jié)果的模態(tài)混疊現(xiàn)象[3]。

1 聲發(fā)射檢測(cè)理論

聲發(fā)射技術(shù)也稱應(yīng)力波技術(shù)，屬于無損檢測(cè)技術(shù)，聲發(fā)射檢測(cè)技術(shù)的基本流程如圖1所示。聲發(fā)射是物質(zhì)內(nèi)存在的能量發(fā)生局部或單點(diǎn)釋放引發(fā)彈力波瞬間產(chǎn)生的現(xiàn)象。彈力波瞬間釋放現(xiàn)象存在生活各處，例如金屬斷裂、壓力過大產(chǎn)生的介質(zhì)噴濺。20Hz至20000Hz為人耳所能及的聲頻維度，而聲發(fā)射技術(shù)的信號(hào)所能獲取的聲頻范圍遠(yuǎn)大于人耳，其范圍可從次聲波延續(xù)到超聲波，從幾赫茲到幾兆赫茲且存在很大的幅度變換，因此采用靈敏度高的聲學(xué)傳感器可以檢測(cè)到非人耳所能及的聲頻范圍[4]。

圖1 聲發(fā)射技術(shù)基本原理

2 局域均值分解的原理及步驟

Jonathan S. Smith于2005年提出了一種新的非平穩(wěn)和非線性信號(hào)分析方法—局部均值分解算法（Local Mean Decomposition），并首先應(yīng)用于腦電信號(hào)的分析中且取得不錯(cuò)的成果[5]。在此之后，LMD在機(jī)械故障診斷中也得到良好的應(yīng)用。局部均值分解可以依據(jù)信號(hào)本身的特征進(jìn)行自適應(yīng)分解產(chǎn)生具有真實(shí)物理意義PF分量，PF分量是每個(gè)包絡(luò)信號(hào)與每個(gè)調(diào)頻信號(hào)乘積所得到的一個(gè)數(shù)據(jù)，并由此得到能夠清晰準(zhǔn)確反映出信號(hào)能量在空間各尺度上分布規(guī)律的時(shí)頻分布，有利于更加細(xì)致的對(duì)信號(hào)特征進(jìn)行分析。給定任意泄漏號(hào)x（t），LMD分解步驟如下[6]：

1）首先找出原始信號(hào)x（t）所有的局部極值點(diǎn)ni，并求相鄰兩個(gè)極值點(diǎn)的平均值mi。然后求局部包絡(luò)函數(shù)。通過局部極值點(diǎn)ni計(jì)算包絡(luò)估計(jì)值ai為

同樣地，用包絡(luò)估計(jì)值進(jìn)行平滑處理得到包絡(luò)估計(jì)函數(shù)a11（t）。從信號(hào)x（t）剝離出局域均值函數(shù)m11（t），得到：

2）用式（2）得到的h11（t）除以包絡(luò)估值函數(shù)a11（t）進(jìn)行調(diào)解得到

若計(jì)算出s11（t）所對(duì)應(yīng)的包絡(luò)估計(jì)函數(shù)滿足a12（t）=1，即s11（t）應(yīng)該是純調(diào)頻信號(hào)，則此時(shí)s11（t）當(dāng)作原始信號(hào)處理。但當(dāng)如果a12（t）≠1時(shí)，則表明s11（t）并未達(dá)到理想狀態(tài)，則將s11（t）當(dāng)作原始信號(hào)重復(fù)以上步驟操作，直到使s1n（t）成為純調(diào)頻信號(hào)且滿足s1n（t）≤ 1 為止。

3）把所有迭代過程中產(chǎn)生的包絡(luò)估計(jì)函數(shù)相乘得到第一個(gè)分量的包絡(luò)信號(hào)a1（t），即：

4）計(jì)算第一個(gè)乘積函數(shù)PF1（t）：

5）PF1（t）被原始信號(hào)x（t）中分離出來以獲取新的信號(hào)u1（t），接著將新信號(hào)u1（t）作為原始信號(hào)重復(fù)上述步驟，從而形成1個(gè)單調(diào)信號(hào)uk（t）為止：

6） 經(jīng)上述步驟，信號(hào)x（t）最終被分解為k個(gè)PF分量和1個(gè)單調(diào)信號(hào)uk（t），即：

式中：P為PF分量個(gè)數(shù)，具體流程如圖2所示。

圖2 LMD原理簡(jiǎn)易流程圖

3 多尺度熵

1948年，C.E.Shannon初次對(duì)信息熵做出完整的定義，信息熵表達(dá)了隨機(jī)事件的不穩(wěn)定性或系統(tǒng)的不確定性，常被用來作為一個(gè)系統(tǒng)的信息含量的量化指標(biāo)，表述系統(tǒng)或時(shí)間內(nèi)不同層面是信息特征，后人又基于信息熵提出：包絡(luò)譜熵、能量熵、近似熵、樣本熵、模糊數(shù)值熵、多尺度熵等[7]。

多尺度熵（MSE）是在樣本熵的基礎(chǔ)上提出的，信號(hào)的復(fù)雜程度可用多尺度熵來表示，即隨著信號(hào)的復(fù)雜程度變大，多尺度熵值也越大。將原始信號(hào)產(chǎn)生的數(shù)據(jù)進(jìn)行粗粒化并將每個(gè)尺度上的樣本熵值分別組成一組數(shù)列，即不同尺度下的樣本熵的時(shí)間序列。相比較下，兩個(gè)序列在同種尺度下，前者的熵值高于后者，則表示前者的時(shí)間序列在復(fù)雜性上比后者高[8]。多尺度熵相對(duì)于樣本熵針對(duì)非穩(wěn)定性信號(hào)的幾個(gè)優(yōu)點(diǎn)總結(jié)如下：

1）多尺度熵僅僅與非穩(wěn)定信號(hào)序列的復(fù)雜程度有關(guān)而與信號(hào)的幅值無關(guān)。

2）從計(jì)算角度來看，多尺度熵的計(jì)算沒必要對(duì)信號(hào)序列的整體進(jìn)行重建或是描述，對(duì)信號(hào)的數(shù)據(jù)量大小沒有過多要求，較短的數(shù)據(jù)也可以得出合理地多尺度熵值。

3）多尺度熵不僅能從整體上反映其動(dòng)力性特征，又能從細(xì)節(jié)上揭示序列演化特性。

4）從最終結(jié)果上來看，多尺度熵的分析效果要明顯高于均值、方差和標(biāo)準(zhǔn)差等統(tǒng)計(jì)學(xué)的分析結(jié)果。這是因?yàn)槎喑叨褥馗嗫紤]了信號(hào)的序列分布模式，能使信號(hào)結(jié)構(gòu)分布上的復(fù)雜性更為突出，因此能更良好的適應(yīng)非穩(wěn)定性信號(hào)的分析[9]。

4 驗(yàn)證

模擬實(shí)驗(yàn)管道是由三條不同管徑（DN150、DN90、DN65）的管道和一個(gè)穩(wěn)壓罐組成。三條不同管徑的管道進(jìn)口、出口處分別安裝壓力、溫度、流量計(jì)共28個(gè)，能分別測(cè)量氣體液體介質(zhì)的流動(dòng)的壓力、溫度和流量等參數(shù)。模擬管道實(shí)驗(yàn)系統(tǒng)如圖3所示。取其中一段長(zhǎng)度為42m的管道進(jìn)行實(shí)驗(yàn)，管道材質(zhì)為鋼材，管道規(guī)格為DN90，介質(zhì)為壓縮空氣，管道內(nèi)介質(zhì)處于流動(dòng)狀態(tài)。1號(hào)上游傳感器放置處為0m，在距離1號(hào)傳感器18m處為泄漏孔徑為1mm的泄漏孔。距離1號(hào)上游傳感器42m的地方安裝固定2號(hào)下游傳感器，即兩傳感器間距42m，進(jìn)行管道單點(diǎn)泄漏研究。管道布置如圖4所示。

圖3 管道實(shí)驗(yàn)系統(tǒng)

圖4 管道布置示意圖

4.1 氣體管道聲發(fā)射試驗(yàn)

壓力為0.3MPa時(shí)氣體管道實(shí)驗(yàn)數(shù)據(jù)如圖5所示。從圖中可以明顯發(fā)現(xiàn)，首先這些數(shù)據(jù)圖的駁雜信號(hào)比較多，實(shí)驗(yàn)設(shè)計(jì)為18m處為泄漏點(diǎn)，如圖可以看出18m附近確實(shí)信號(hào)較為突出，但5～10m處也有類似突出信號(hào)，此信號(hào)明顯為無用的駁雜信號(hào)，需要后期進(jìn)行處理。其次，除卻較為突出的信號(hào)外，定位圖（c）中還存在了很多無用的噪聲信號(hào)，而且觀察電源（dB）對(duì)頻率（Hz）圖可知，其產(chǎn)生的原始信號(hào)頻譜圖數(shù)據(jù)峰值不明確，因?yàn)楸緦?shí)驗(yàn)設(shè)計(jì)只有一個(gè)泄漏點(diǎn)，所以應(yīng)該有一個(gè)峰值，但有一些儀器出圖會(huì)出現(xiàn)兩個(gè)峰值，這也需要信號(hào)處理技術(shù)來完善實(shí)驗(yàn)結(jié)果。

圖5 氣體0.3MPa時(shí)的實(shí)驗(yàn)結(jié)果圖

4.2 泄漏信號(hào)處理

將聲發(fā)射檢測(cè)系統(tǒng)采集得到的管道泄漏信號(hào)輸入到MATLAB顯示為圖6，對(duì)其進(jìn)行LMD分解，得到了6個(gè)PF分量和1個(gè)殘余分量，其中還夾雜背景噪聲以及殘余分量，結(jié)果如圖7所示。為了提高泄漏定位的精確度，應(yīng)剔除殘余分量來保障信號(hào)原始特征。因此，分別在不同壓力、不同介質(zhì)情況下計(jì)算各個(gè)PF分量的多尺度熵值，見表1。

比較表1中各PF分量的多尺度熵值，可見PF分量所包含的泄漏信息從PF1到PF6逐漸遞減，PF1至PF4分量的多尺度熵值遠(yuǎn)遠(yuǎn)大于PF5、PF6，說明前者包含的泄漏信息更多。因此選用前4個(gè)PF分量來進(jìn)行互相關(guān)時(shí)延估計(jì)。LMD方法能夠?qū)⑿孤┬盘?hào)分解出多尺度若干個(gè)PF分量，每個(gè)PF分量表示多個(gè)尺度下含有不同程度的泄漏信息的模態(tài)分量，而互相關(guān)方法能夠?qū)F特征分量計(jì)算出同一信號(hào)上下游兩端接收的時(shí)間差，再利用互相關(guān)[10]定位公式

圖6 管道原始泄漏信號(hào)及其頻譜

圖7 LMD分解結(jié)果

表1 各PF分量的多尺度熵值

即可進(jìn)行管道泄漏點(diǎn)定位計(jì)算。在0.3MPa壓力下，氣體管道實(shí)驗(yàn)的各PF分量的時(shí)間延遲估計(jì)Δt見表2。

表2 氣體管道實(shí)驗(yàn)時(shí)間延遲估計(jì)Δt

由文獻(xiàn)[11]可知，氣體聲發(fā)射信號(hào)傳播速度v按880m/s計(jì)算，根據(jù)定位公式計(jì)算得到泄漏位置距離末端傳感器距離、定位誤差及與原始泄漏點(diǎn)定位比較見表3。

表3 氣體泄漏點(diǎn)定位及誤差情況

根據(jù)表3，本文所提出的基于局域均值分解的管道泄漏定位，通過局域均值分解、多尺度熵以及互相關(guān)定位法處理后所得最終氣體定位誤差基本穩(wěn)定在5%左右，最小達(dá)4.25%，而原始泄漏點(diǎn)直接互相關(guān)定位誤差最小為7.58%，以上實(shí)驗(yàn)數(shù)據(jù)證明了本文泄漏定位處理算法的有效性。

5 結(jié)論

針對(duì)城市燃?xì)夤艿佬孤┒ㄎ徊粶?zhǔn)確的問題，本文提出了基于局域均值分解的管道泄漏定位方法。管道泄漏信號(hào)通過LMD分解獲的一系列PF分量，計(jì)算各個(gè)PF分量的多尺度熵，排列比較各PF分量的多尺度熵值并選取含有主要泄漏信息的PF分量，最后采用互相關(guān)法計(jì)算主PF分量的時(shí)延參數(shù)，最終完成管道泄漏定位。實(shí)驗(yàn)結(jié)果表明：該方法可以將氣體泄露定位誤差穩(wěn)定在5%左右，而直接互相關(guān)定位誤差為8%～9%，說明本文提出的方法可以更加精準(zhǔn)的定位泄漏源。