郎憲明， 王佳政， 曹江濤， 李 平， 蔡再洪

(1. 遼寧石油化工大學(xué) 信息與控制工程學(xué)院， 遼寧 撫順 113001； 2. 東北大學(xué) 信息科學(xué)與工程學(xué)院， 沈陽(yáng) 110819； 3. 沈陽(yáng)儀表科學(xué)研究院有限公司， 沈陽(yáng) 110043；4. 北京海福潤(rùn)科技有限公司， 北京 100000)

目前，石油、天然氣、工業(yè)流體等輸送主要采用管道運(yùn)輸。為了監(jiān)控管道運(yùn)行情況，泄漏檢測(cè)系統(tǒng)已經(jīng)廣泛應(yīng)用于管道輸送企業(yè)[1-2]。然而，多數(shù)管道泄漏檢測(cè)系統(tǒng)只是針對(duì)單點(diǎn)泄漏而設(shè)計(jì)的，當(dāng)管道局部受壓力、震動(dòng)、腐蝕等影響，會(huì)同時(shí)出現(xiàn)2點(diǎn)以上的泄漏點(diǎn)，此時(shí)單點(diǎn)泄漏檢測(cè)方法往往失效。因此，進(jìn)行多點(diǎn)泄漏檢測(cè)的研究具有實(shí)際工程意義。

泄漏信號(hào)分析與處理主要體現(xiàn)在單點(diǎn)泄漏信號(hào)消噪上[3-4]。Hilbert-Huang變換通過收集管道首末站獲得的泄漏聲發(fā)射信號(hào)進(jìn)行去噪處理，進(jìn)而提高了單點(diǎn)泄漏定位的精度[5]。針對(duì)壓力信號(hào)下降緩慢的缺點(diǎn)，提出了一種壓縮感知的泄漏負(fù)壓波信號(hào)處理方法，將壓力信號(hào)進(jìn)行壓縮感知變換，進(jìn)而突出泄漏聲波信號(hào)的突變點(diǎn)信息。針對(duì)管道采集的負(fù)壓波信號(hào)存在大量噪聲的問題，提出采用低通濾波、小波濾波和多種濾波方法相結(jié)合的形式，實(shí)時(shí)、高精度地對(duì)管道兩端的壓力信號(hào)進(jìn)行濾波，保證泄漏信息不被濾除[6]。由于小波去噪需要根據(jù)經(jīng)驗(yàn)選擇合適的小波基函數(shù)，而經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition，EMD)具有不用選擇基函數(shù)的優(yōu)點(diǎn)，采用基于EMD的方法進(jìn)行管道泄漏檢測(cè)，從而有效提取管道泄漏信號(hào)的拐點(diǎn)信息，以減小噪聲的影響[7]。變分模態(tài)分解(variational mode decomposition，VMD)相比EMD[8]，具有避免信號(hào)模態(tài)混疊的優(yōu)點(diǎn)。通過迭代搜索變分模型的最優(yōu)解，選擇分解后的頻率中心和帶寬。因此，雖然VMD具有顯著的泄漏信號(hào)和噪聲分離效果和能有效地抑制模型混疊的優(yōu)點(diǎn)，但VMD方法存在模態(tài)分解個(gè)數(shù)需要依據(jù)經(jīng)驗(yàn)進(jìn)行設(shè)置的不足。

由于大多數(shù)泄漏檢測(cè)研究只針對(duì)單點(diǎn)泄漏進(jìn)行的[9-14]，當(dāng)管道同時(shí)發(fā)生多個(gè)泄漏時(shí)，產(chǎn)生的瞬態(tài)聲信號(hào)更為復(fù)雜，泄漏信號(hào)之間的相互影響，以及管道外部噪聲疊加在管道泄漏聲波信號(hào)上，從而影響管道中瞬態(tài)聲波信號(hào)的衰減規(guī)律，進(jìn)而在混合泄漏聲波信號(hào)條件下，無法有效地去除泄漏信號(hào)的噪聲。因此，對(duì)多點(diǎn)泄漏聲波信號(hào)進(jìn)行有效的特征提取是多點(diǎn)泄漏檢測(cè)的關(guān)鍵問題。

基于支持向量機(jī)(support vector machine, SVM)、最小二乘支持向量機(jī)(least squares support vector machine, LSSVM)和雙支持向量機(jī)(twin support vector machine, TWSVM)的管道泄漏檢測(cè)方法得到了廣泛的研究[15-18]。通過建立管道泄漏聲波信號(hào)和發(fā)生泄漏之間的數(shù)學(xué)關(guān)系，進(jìn)行管道泄漏檢測(cè)的有效識(shí)別。由于TWSVM相比SVM，在算法的運(yùn)行速度和識(shí)別準(zhǔn)確率均高于SVM。因此，本文采用TWSVM對(duì)管道多點(diǎn)泄漏進(jìn)行檢測(cè)。

1 改進(jìn)VMD方法

1.1 VMD算法

基于VMD的多點(diǎn)泄漏檢測(cè)方法，需要建立多點(diǎn)泄漏聲波信號(hào)的變分模型，利用求解約束變分方程最優(yōu)解的過程來實(shí)現(xiàn)多點(diǎn)泄漏信號(hào)的分解。在變分模型的求解過程中，各模態(tài)的中心頻率不斷更新，最終分解出k個(gè)固有本征模態(tài)函數(shù)(intrinsic mode function，IMF)。VMD能提取多點(diǎn)泄漏信號(hào)的低頻有效泄漏信號(hào)，濾除外界高頻噪聲。VMD分解過程如下

(1)

式中：x(t)是原始泄漏聲波信號(hào)；uk是變分模態(tài)函數(shù);δ(t)是單位階躍函數(shù);ωk是變分模態(tài)函數(shù)對(duì)應(yīng)的中心頻率。

uk=Ak(t)cos(2πωk(t))

(2)

式中，Ak是瞬時(shí)振幅。

為了得到上述約束變分問題的最優(yōu)解，采用了增廣拉格朗日函數(shù)，構(gòu)造的增廣拉格朗日函數(shù)如下

(3)

式中：a是帶寬參數(shù)；λ是拉格朗日乘子。

通過交替方向乘子法計(jì)算增廣拉格朗日函數(shù)，并將原始多點(diǎn)泄漏聲波信號(hào)分解為k個(gè)固有本征模態(tài)函數(shù)。

然后，根據(jù)Plancherel定理，將L2范數(shù)問題等距變換為Fourier變換，得到如下公式

(4)

(5)

其收斂條件如下

(6)

1.2 VMD結(jié)合誤差能量算法

提出了一種自適應(yīng)方法計(jì)算本征模態(tài)函數(shù)有效數(shù)目。采用重構(gòu)信號(hào)的誤差能量函數(shù)作為自適應(yīng)分解模態(tài)數(shù)目的判斷依據(jù)。

多點(diǎn)泄漏聲波信號(hào)采用VMD進(jìn)行分解時(shí)，首先，確定合適的模態(tài)分解個(gè)數(shù)n。因?yàn)閚決定了頻率分辨率，如果n太小，就會(huì)本征模態(tài)函數(shù)分解不足，對(duì)泄漏聲波信號(hào)微小波動(dòng)的信號(hào)不敏感，如果n太大，就會(huì)產(chǎn)生偽本征模態(tài)函數(shù)分量，增加計(jì)算量。

假設(shè)采集的多點(diǎn)泄漏聲波信號(hào)為x(t)。x(t)經(jīng)VMD分解為k個(gè)模態(tài)函數(shù)，計(jì)算如下

(7)

式中，τ是原始多點(diǎn)泄漏聲波信號(hào)與經(jīng)VMD重構(gòu)信號(hào)之間的誤差。

定義誤差能量函數(shù)如下

Eτ=τ2

(8)

誤差能量越小，說明原始多點(diǎn)泄漏聲波信號(hào)與重構(gòu)信號(hào)越相似。如果誤差能量為0，則原始多點(diǎn)泄漏聲波信號(hào)和重構(gòu)信號(hào)相同。

針對(duì)經(jīng)典VMD算法的不足，本文對(duì)VMD算法進(jìn)行了如下改進(jìn)：

(1) 首先，設(shè)置VMD分解級(jí)別為n：如果n值太大，則會(huì)增加計(jì)算量，并可能產(chǎn)生偽模態(tài)分解。如果n設(shè)置得太小，可能產(chǎn)生模態(tài)分解不足。

(2) 多點(diǎn)泄漏聲波信號(hào)經(jīng)VMD后，得到了大量的本征模態(tài)函數(shù)。

(3) 每個(gè)固有本征模態(tài)函數(shù)通過誤差能量函數(shù)計(jì)算。

(4) 計(jì)算每種本征模態(tài)函數(shù)的誤差能量函數(shù)。

(5) 繪制誤差能量圖，首先計(jì)算閾值，即所有誤差能量函數(shù)的平均值。一般情況下，每種模式的誤差能量遠(yuǎn)小于閾值θ，稱為有效本征模態(tài)模式。當(dāng)誤差能量接近θ時(shí)，說明了固有本征模態(tài)函數(shù)已包含了多點(diǎn)泄漏的有效信息。

因此，根據(jù)改進(jìn)的VMD，通過設(shè)置閾值θ，自適應(yīng)的選擇合適數(shù)量的模態(tài)函數(shù)。

2 多點(diǎn)泄漏檢測(cè)方法

2.1 特征提取

當(dāng)管道發(fā)生多點(diǎn)泄漏時(shí)，管道首末站收集到的泄漏聲波信號(hào)中包含了大量的多點(diǎn)泄漏信息。泄漏聲波的平均幅值可以反映多次泄漏引起的聲波大小，泄漏聲波的能量可以用來計(jì)算聲波振幅強(qiáng)度，泄漏聲波的有效值可以用來表示聲波信號(hào)的振動(dòng)能量。另外，泄漏聲波的峰值系數(shù)可以用來表示聲波信號(hào)的幅度變化，泄漏聲波的脈沖系數(shù)可以用來反映多次泄漏下聲波的變化特征。此外，還利用泄漏聲波的峰值來計(jì)算聲波振幅的分布。因此，根據(jù)式(9)～式(14)計(jì)算多點(diǎn)泄漏的特征參數(shù)。

(9)

(10)

(11)

(12)

(13)

(14)

式中：zi是泄漏聲波信號(hào)的幅值；h是采樣點(diǎn)幅值；Z1、Z2、Z3、Z4、Z5和Z6分別是平均幅值、能量、有效值、峰值系數(shù)、脈沖系數(shù)和峰值。

通過對(duì)多點(diǎn)泄漏聲波信號(hào)的時(shí)域特征分析，采用以上6個(gè)特征值作為多點(diǎn)泄漏聲波信號(hào)的特征值。

2.2 雙支持向量機(jī)

TWSVM的目標(biāo)是構(gòu)造一對(duì)對(duì)偶問題，每一類通過優(yōu)化一對(duì)超平面上的二次規(guī)劃問題(quadratic programming problems (QPPs))使其更接近相近的平面，同時(shí)與另一平面具有足夠的距離。

令具有一類樣本X1∈Rq×v,和另一類樣本X2∈Rp×v,q和p分別是樣本的個(gè)數(shù)，v是每個(gè)樣本的屬性個(gè)數(shù)。

非平行超平面對(duì)的計(jì)算如下

(15)

式中：ω1和ω2是非平行超平面的法向量；b1和b2是偏置。

TWSVM的對(duì)偶問題表示為

s.t.-(X2ω1+e2b1)+ξ≥e2,ξ≥0

(16)

s.t.-(X1ω2+e1b2)+η≥e1,η≥0

(17)

其中c1>0和c2>0是參數(shù)，ξ和η是松弛向量，并且e1和e2是適當(dāng)?shù)木S數(shù)向量。

利用Karush-Kuhn-Tucker(KKT)條件，可以求解對(duì)偶問題的解。因此，通過建立的多點(diǎn)泄漏檢測(cè)的TWSVM模型后，待測(cè)多點(diǎn)泄漏聲波信號(hào)數(shù)據(jù)由決策函數(shù)決定共i個(gè)泄漏點(diǎn)，決策函數(shù)如下

classi=min|XTωi+bi|i=1,2，…,m

(18)

2.3 多點(diǎn)泄漏檢測(cè)方法

通過現(xiàn)場(chǎng)采集的泄漏聲波信號(hào)，對(duì)其進(jìn)行特征提取，作為TWSVM的輸入，通過離線學(xué)習(xí)建立多點(diǎn)泄漏識(shí)別模型。然后，通過實(shí)時(shí)采集的聲波信號(hào)，對(duì)其進(jìn)行多點(diǎn)泄漏識(shí)別。基于改進(jìn)VMD和TWSVM的多點(diǎn)泄漏檢測(cè)方法流程圖如圖1所示。

圖1 基于改進(jìn)VMD和TWSVM的多點(diǎn)泄漏檢測(cè)方法流程圖Fig.1 Flow chart of multiple leaks detection method based on improved VMD and TWSVM

從圖1可以看出，首先，利用改進(jìn)VMD算法對(duì)管道首末站采集的多點(diǎn)泄漏聲波信號(hào)進(jìn)行消噪。然后，消噪后的泄漏聲波信號(hào)經(jīng)選取的平均幅值、能量、有效值、峰值系數(shù)、脈沖系數(shù)、峰值共6個(gè)特征值組成特征向量，并將特征向量作為TWSVM的輸入，進(jìn)行多點(diǎn)泄漏識(shí)別。

3 仿 真

為了安全起見，用水代替油來在環(huán)形管道進(jìn)行多點(diǎn)泄漏模擬測(cè)試。多點(diǎn)泄漏信號(hào)采集裝置如圖2所示。管道首末站采用PCB 106B聲波信號(hào)傳感器采集多點(diǎn)泄漏聲波信號(hào)，環(huán)形管道全長(zhǎng)2 800 m，管道內(nèi)徑50 mm，流量12 m3/h，環(huán)形管道中在不同位置安裝不同孔徑的泄漏球閥模擬多點(diǎn)泄漏，環(huán)境溫度為25 ℃，水的密度為997 kg/m3。管道首站壓力為0.8 MPa，末站壓力為0.2 MPa。聲波信號(hào)采樣頻率為1 000 Hz。試驗(yàn)中，所提方法在MATLAB 2014a和LabView環(huán)境下進(jìn)行了測(cè)試。

圖2 試驗(yàn)設(shè)備Fig.2 Test apparatus

當(dāng)管道首站壓力為0.8 MPa，末站壓力為0.2 MPa時(shí)，外界環(huán)境溫度為25 ℃時(shí)，在距離管道首站1 000 m的位置，打開孔徑為2 mm的閥門模擬單點(diǎn)泄漏，在首站的PCB 106B傳感器實(shí)時(shí)采集管道內(nèi)聲波信號(hào)，并通過NI cDAQ9181數(shù)據(jù)采集卡將聲波信號(hào)傳送到上位機(jī)進(jìn)行數(shù)據(jù)顯示，其單點(diǎn)泄漏聲波信號(hào)如圖3所示。

圖3 首站采集的單點(diǎn)泄漏聲波信號(hào)Fig.3 Acoustic wave signal under single leak of upstream

從圖3中可以看出，在0.9 s時(shí)，首站PCB 106B傳感器獲得的泄漏聲波信號(hào)出現(xiàn)一個(gè)明顯的聲波信號(hào)下降。大約在1.5 s時(shí)，聲波信號(hào)恢復(fù)平穩(wěn)狀態(tài)。

當(dāng)管道首站壓力為0.8 MPa，末站壓力為0.2 MPa時(shí)，外界環(huán)境溫度為25 ℃時(shí)，在距離管道首站1 000 m和1 200 m位置的位置，同時(shí)打開孔徑為2 mm和3 mm的閥門模擬2點(diǎn)泄漏，在首站的PCB 106B傳感器實(shí)時(shí)采集管道內(nèi)聲波信號(hào)，其2點(diǎn)泄漏聲波信號(hào)如圖4所示。

圖4 首站采集的2點(diǎn)泄漏聲波信號(hào)Fig.4 Acoustic wave signal under two leaks of upstream

從圖4中可以看出，在2.3 s時(shí)，首站PCB 106B傳感器獲得的泄漏聲波信號(hào)出現(xiàn)一個(gè)明顯的聲波信號(hào)下降。大約在3 s時(shí)，聲波信號(hào)恢復(fù)平穩(wěn)狀態(tài)。

當(dāng)管道首站壓力為0.8 MPa，末站壓力為0.2 MPa時(shí)，外界環(huán)境溫度為25 ℃時(shí)，在距離管道首站1 000 m、1 200 m和1 400 m位置同時(shí)打開孔徑為2 mm、3 mm和4 mm的閥門模擬3點(diǎn)泄漏，在首站的PCB 106B傳感器實(shí)時(shí)采集管道內(nèi)聲波信號(hào)，其3點(diǎn)泄漏聲波信號(hào)如圖5所示。

圖5 首站采集的3點(diǎn)泄漏聲波信號(hào)Fig.5 Acoustic wave signal under three leaks of upstream

從圖5中可以看出，在1.2 s時(shí)，首站PCB 106B傳感器獲得的泄漏聲波信號(hào)出現(xiàn)一個(gè)明顯的聲波信號(hào)下降。大約在2 s時(shí)，聲波信號(hào)恢復(fù)平穩(wěn)狀態(tài)。

從圖4和圖5可以看出，2點(diǎn)泄漏和3點(diǎn)泄漏發(fā)生時(shí)，泄漏聲波的聲壓幅值的波動(dòng)幅度相比單點(diǎn)泄漏更加明顯，但是由于泄漏聲波信號(hào)容易被外界噪聲污染，而且從首站獲取的泄漏聲波波形中無法區(qū)分每個(gè)泄漏點(diǎn)到達(dá)首站PCB 106B傳感器感知泄漏聲波變化的準(zhǔn)確時(shí)間。

根據(jù)采用PCB 106B傳感器現(xiàn)場(chǎng)獲取的3點(diǎn)泄漏聲波信號(hào)，利用VMD對(duì)其進(jìn)行5層IMFs分解。其3點(diǎn)泄漏聲波信號(hào)的IMFs和頻譜如圖6和圖7所示。

圖6 3點(diǎn)泄漏聲波信號(hào)經(jīng)VMD分解后獲得的IMFsFig.6 IMFs obtained by VMD decomposition of three leaks acoustic wave signal

圖7 3點(diǎn)泄漏聲波信號(hào)經(jīng)VMD分解后的頻譜圖Fig.7 Spectrum obtained by VMD decomposition of three leaks acoustic wave signal

根據(jù)3點(diǎn)泄漏聲波信號(hào)的5層VMD分解，按照式(7)和式(8)分別計(jì)算其誤差和能量函數(shù)。同理，根據(jù)單點(diǎn)泄漏聲波信號(hào)5層VMD分解和2點(diǎn)泄漏聲波信號(hào)的5層VMD分解，繪制誤差能量圖，其VMD的不同IMFs分解數(shù)對(duì)應(yīng)的誤差能量圖如圖8所示。

圖8 VMD的不同IMFs分解數(shù)對(duì)應(yīng)的誤差能量圖Fig.8 Error energy diagram of IMFs for VMD

從圖8可以看出，當(dāng)單點(diǎn)泄漏經(jīng)VMD消噪時(shí)，選擇2個(gè)IMFs時(shí)，誤差能量函數(shù)值為0.03。根據(jù)式(8)，泄漏聲波信號(hào)與重構(gòu)信號(hào)差值的能量函數(shù)是0.03，說明重構(gòu)信號(hào)能表征單點(diǎn)泄漏聲波信號(hào)，也就是說明2個(gè)IMFs中包含了單點(diǎn)泄漏的大部分信息。同理，當(dāng)2點(diǎn)泄漏經(jīng)VMD消噪時(shí)，選擇2個(gè)IMFs時(shí)，誤差能量函數(shù)值為0.028。根據(jù)式(8)，泄漏聲波信號(hào)與重構(gòu)信號(hào)差值的能量函數(shù)是0.028，說明重構(gòu)信號(hào)能表征2點(diǎn)泄漏聲波信號(hào)，也就是說明2個(gè)IMFs中包含了2點(diǎn)泄漏的大部分信息。當(dāng)3點(diǎn)泄漏經(jīng)VMD消噪時(shí)，選擇2個(gè)IMFs時(shí)，誤差能量函數(shù)值為0.032。根據(jù)式(8)，泄漏聲波信號(hào)與重構(gòu)信號(hào)差值的能量函數(shù)是0.032，說明重構(gòu)信號(hào)能表征2點(diǎn)泄漏聲波信號(hào)，也就是說明2個(gè)IMFs中包含了3點(diǎn)泄漏的大部分信息。因此，我們可以設(shè)定閾值θ為0.05，選擇2個(gè)IMFs分別對(duì)單點(diǎn)、2點(diǎn)、3點(diǎn)泄漏聲波信號(hào)進(jìn)行信號(hào)重構(gòu)。

為了對(duì)比改進(jìn)VMD與EMD對(duì)泄漏聲波的消噪效果，EMD算法根據(jù)現(xiàn)場(chǎng)測(cè)試漏聲波去噪效果情況，單點(diǎn)、2點(diǎn)、3點(diǎn)泄漏聲波信號(hào)經(jīng)EMD分解，分別產(chǎn)生12個(gè)IMFs，由于泄漏聲波信號(hào)主要體現(xiàn)在低頻特性，對(duì)其包含高頻分量的IMFs進(jìn)行剔除，分別選擇6至12個(gè)IMFs進(jìn)行單點(diǎn)、2點(diǎn)、3點(diǎn)泄漏聲波信號(hào)重構(gòu)。其原始泄漏聲波信號(hào)、經(jīng)改進(jìn)VMD消噪的信號(hào)和經(jīng)EMD消噪的信號(hào)對(duì)比波形曲線分別如圖9、圖10和圖11所示。

圖9 單點(diǎn)泄漏聲波消噪信號(hào)的對(duì)比波形Fig.9 Comparison waveform of single leak acoustic wave after denoise

圖10 2點(diǎn)泄漏聲波消噪信號(hào)的對(duì)比波形Fig.10 Comparison waveform of two leaks acoustic wave after denoise

圖11 3點(diǎn)泄漏聲波消噪信號(hào)的對(duì)比波形Fig.11 Comparison waveform of three leaks acoustic wave after denoise

從圖9～圖11可以看出，經(jīng)改進(jìn)VMD消噪的泄漏聲波信號(hào)較好的恢復(fù)了原始泄漏信號(hào)特征，相比EMD消噪的效果，重構(gòu)信號(hào)曲線更加平穩(wěn)，有效的保留了多點(diǎn)泄漏信號(hào)的特征。

經(jīng)改進(jìn)VMD消噪后的單點(diǎn)、2點(diǎn)、3點(diǎn)泄漏信號(hào)進(jìn)行特征提取，特征值分別按照式(9)～式(14)進(jìn)行計(jì)算。將平均幅值、能量值、有效值、峰值因子、峰值系數(shù)和峰值共6個(gè)特征值組成特征向量，作為TWSVM的輸入，將單點(diǎn)、2點(diǎn)、3點(diǎn)泄漏個(gè)數(shù)作為TWSVM的輸出，TWSVM通過訓(xùn)練，獲得離線多點(diǎn)泄漏識(shí)別模型。其中一組不同泄漏點(diǎn)的特征值如圖12所示。

圖12 多點(diǎn)泄漏聲波信號(hào)的特征值Fig.12 The feature values of different multiple leaks

從圖12中可以看出，單點(diǎn)泄漏、2點(diǎn)泄漏和3點(diǎn)泄漏的各個(gè)特征值是不同的。通過現(xiàn)場(chǎng)試驗(yàn)，正常工況下的平均幅值、能量值、有效值、峰值因子、峰值系數(shù)和峰值相比單點(diǎn)泄漏、2點(diǎn)泄漏和3點(diǎn)泄漏的特征值??；泄漏聲波的平均幅值、能量值、有效值、峰值因子、峰值系數(shù)和峰值隨著泄漏點(diǎn)的增多逐漸增大，其3點(diǎn)泄漏聲波產(chǎn)生的特征值相比單點(diǎn)、2點(diǎn)泄漏聲波的特征值大。

由于TWSVM是一種智能識(shí)別算法，可以將泄漏聲波的平均幅值、能量值、有效值、峰值因子、峰值系數(shù)和峰值共6個(gè)特征值組成特征向量，作為TWSVM的輸入，將多點(diǎn)泄漏的個(gè)數(shù)作為TWSVM的輸出，對(duì)管道的多點(diǎn)泄漏進(jìn)行識(shí)別。

在管道多點(diǎn)泄漏模擬試驗(yàn)中，首站的PCB 106B傳感器實(shí)時(shí)采集管道內(nèi)聲波信號(hào)，采樣率為1 000 Hz。管道首站壓力為0.8 MPa，末站壓力為0.2 MPa時(shí)，外界環(huán)境溫度為25 ℃時(shí)，采集正常工況下的聲波信號(hào)500組；在距離管道首站1 000 m位置打開孔徑為2 mm的閥門模擬單點(diǎn)泄漏，采集管道內(nèi)單點(diǎn)泄漏聲波信號(hào)500組；在距離管道首站1 000 m和1 200 m位置打開孔徑為2 mm和3 mm的閥門模擬2點(diǎn)泄漏，采集管道內(nèi)2點(diǎn)泄漏聲波信號(hào)500組；在距離管道首站1 000 m、1 200 m和1 400 m位置同時(shí)打開孔徑為2 mm、3 mm和4 mm的閥門模擬3點(diǎn)泄漏，采集管道內(nèi)3點(diǎn)泄漏聲波信號(hào)500組。采用改進(jìn)的VMD方法對(duì)獲取的正常工況、單點(diǎn)、2點(diǎn)、3點(diǎn)泄漏聲波信號(hào)進(jìn)行消噪。通過2個(gè)IMFs分別進(jìn)行正常工況、單點(diǎn)、2點(diǎn)、3點(diǎn)泄漏聲波信號(hào)的重構(gòu)。同時(shí)，EMD算法分別選擇6～12個(gè)IMFs進(jìn)行正常工況、單點(diǎn)、2點(diǎn)、3點(diǎn)泄漏聲波信號(hào)重構(gòu)。對(duì)每組聲波重構(gòu)信號(hào)分別進(jìn)行特征提取，組成特征值。因此，組成的特征值樣本共2 000組(正常工況、單點(diǎn)泄漏、2點(diǎn)泄漏和3點(diǎn)泄漏試驗(yàn)樣本各500組)，其中每種工況樣本的400組作為TWSVM的學(xué)習(xí)特征向量，余下的特征向量作為TWSVM的測(cè)試集。將TWSVM的參數(shù)設(shè)置為c1=0.2,c2=0.2,和σ=0.01, 誤差設(shè)定為1×10-5。采用支持向量機(jī)和最小二乘支持向量機(jī)進(jìn)行多點(diǎn)泄漏識(shí)別對(duì)比分析，其中l(wèi)ibsvm松弛變量和核參數(shù)分別設(shè)置為2和1。最小二乘支持向量機(jī)采用LSSVMlab，其松弛變量和多分類器的核參數(shù)分別設(shè)置為2和1。其不同方法的泄漏檢測(cè)結(jié)果如表1所示。

從表1可以看出，在正常工況下，聲波信號(hào)經(jīng)改進(jìn)VMD消噪結(jié)合SVM、LSSVM、TWSVM的識(shí)別準(zhǔn)確率相比聲波信號(hào)經(jīng)EMD消噪結(jié)合SVM、LSSVM、TWSVM的識(shí)別準(zhǔn)確率高，其改進(jìn)VMD消噪結(jié)合TWSVM的識(shí)別準(zhǔn)確率達(dá)到98%；在單點(diǎn)泄漏工況下，單點(diǎn)泄漏聲波信號(hào)經(jīng)改進(jìn)VMD消噪結(jié)合SVM、LSSVM、TWSVM的識(shí)別準(zhǔn)確率相比聲波信號(hào)經(jīng)EMD消噪結(jié)合SVM、LSSVM、TWSVM的識(shí)別準(zhǔn)確率高，其改進(jìn)VMD消噪結(jié)合TWSVM的識(shí)別準(zhǔn)確率達(dá)到98.4%；在2點(diǎn)泄漏工況下，2點(diǎn)泄漏聲波信號(hào)經(jīng)改進(jìn)VMD消噪結(jié)合SVM、LSSVM、TWSVM的識(shí)別準(zhǔn)確率相比聲波信號(hào)經(jīng)EMD消噪結(jié)合SVM、LSSVM、TWSVM的識(shí)別準(zhǔn)確率高，其改進(jìn)VMD消噪結(jié)合TWSVM的識(shí)別準(zhǔn)確率達(dá)到98.4%；在3點(diǎn)泄漏工況下，3點(diǎn)泄漏聲波信號(hào)經(jīng)改進(jìn)VMD消噪結(jié)合SVM、LSSVM、TWSVM的識(shí)別準(zhǔn)確率相比聲波信號(hào)經(jīng)EMD消噪結(jié)合SVM、LSSVM、TWSVM的識(shí)別準(zhǔn)確率高，其改進(jìn)VMD消噪結(jié)合TWSVM的識(shí)別準(zhǔn)確率達(dá)到97.8%。因此，改進(jìn)VMD消噪結(jié)合TWSVM在正常工況、單點(diǎn)泄漏、2點(diǎn)泄漏和3點(diǎn)泄漏工況的識(shí)別準(zhǔn)確率分別為98%、98.4%、98%和97.8%。由于改進(jìn)VMD比EMD在多點(diǎn)泄漏聲波信號(hào)去噪效果上，能更好的保留多點(diǎn)泄漏信號(hào)特征。根據(jù)試驗(yàn)結(jié)果可以看出，改進(jìn)VMD結(jié)合TWSVM對(duì)多點(diǎn)泄漏進(jìn)行識(shí)別是可行的。

表1 不同方法的多點(diǎn)泄漏檢測(cè)結(jié)果Tab.1 Comparison of the different models’multiple leaks detection results

4 結(jié) 論

由于管道同時(shí)發(fā)生多點(diǎn)泄漏時(shí)，各個(gè)泄漏點(diǎn)的聲波信號(hào)相互疊加，影響泄漏聲波傳播規(guī)律，不能有效檢測(cè)多點(diǎn)泄漏。改進(jìn)VMD算法通過采用誤差能量函數(shù)自適應(yīng)選擇IMFs個(gè)數(shù)，相比EMD對(duì)多點(diǎn)泄漏聲波信號(hào)去噪效果更能保留多點(diǎn)泄漏信號(hào)特征。將消噪后的多點(diǎn)泄漏聲波信號(hào)按照平均幅值、能量值、有效值、峰值因子、峰值系數(shù)和峰值計(jì)算特征值并組成特征向量，隨著泄漏點(diǎn)數(shù)的增多，相應(yīng)的特征值也相應(yīng)增大。通過環(huán)形管道試驗(yàn)，改進(jìn)VMD結(jié)合TWSVM的單點(diǎn)泄漏識(shí)別準(zhǔn)確率達(dá)到98.4%，2點(diǎn)泄漏識(shí)別準(zhǔn)確率達(dá)到98%，3點(diǎn)泄漏識(shí)別準(zhǔn)確率達(dá)到97.8%。說明改進(jìn)VMD結(jié)合TWSVM有較好的多點(diǎn)泄漏識(shí)別效果。在多點(diǎn)泄漏識(shí)別準(zhǔn)確率的基礎(chǔ)上，設(shè)計(jì)多點(diǎn)泄漏定位算法是后續(xù)的研究工作的重點(diǎn)。