一种基于频谱分析的城市埋地管道早期泄漏诊断方法
技术领域
本发明涉及一种管道泄漏诊断方法，尤其涉及一种基于频谱分析的城市埋地管道早期泄漏诊断方法。
背景技术
在我国，伴随着城市化水平的不断提高，城市管道建设规模也进一步扩大。为有效利用城市空间资源，城市管道多以埋地形式为主。然而，城市地底的地形复杂、环境多变，随着时间的推移，长期埋于地下的管道极易由于撞击、氧化、腐蚀等外界因素而导致泄漏。通常情况下，城市埋地管道的泄漏量较小，声音微弱不易察觉，很难通过管道表面直观判断其是否发生泄漏。若未及时察觉，就会污染环境、浪费资源甚至危机人身财产安全。因此，有关城市埋地管道早期泄漏诊断的研究显得尤为必要。
发明内容
针对目前城市埋地管道泄漏不易察觉、定位误差较大的问题，本发明提出一种基于频谱分析的城市埋地管道早期泄漏诊断新技术，旨在解决城市埋地管道的早期泄漏诊断问题。本发明通过预实验，在各种不同工况下，利用管道泄漏监测系统大量获取管道的频谱数据，建立起管道系统的频谱库；然后进行实际泄漏诊断，将管道实际泄漏采集所得频谱与频谱库中数据进行特征比对，判断管道是否发生泄漏；最后利用激励响应法对发生泄漏的管道精确定位。
本发明所采取的技术方案为：
一种基于频谱分析的城市埋地管道早期泄漏诊断方法，包括以下步骤
S01在设定管道压力下采集管道频谱数据得到管道非泄漏状态下的频谱图；
S02在同S01中的管道压力状态下，开启泄漏球阀模拟管道泄漏状态，采集泄漏状态下管道频谱数据，得到管道泄漏状态下的频谱图；
S03改变管道工况，重复步骤S01、S02，获取多种工况下管道非泄漏和泄漏状态下的频谱数据，建立管道非泄漏和泄漏状态下的频谱库；
S04实际泄漏检测时，将管道实际泄漏采集获得的频谱与频谱库中的频谱数据进行特征比对，判断管道是否发生泄漏；
S05对于有泄漏的管道使管道系统发出激励响应并采集管道系统的激励压力信号；然后以时间为横坐标，以瞬态压力与激励压力平均值的比值为纵坐标得出管道系统的压力时域分析图，得到管道系统的时域压力信号图；
S06：将采集得到的时域压力信号进行CEEMD处理，去除信号噪声并识别信号奇异值拐点的位置，最后结合次声波波速计算泄漏点位置。
进一步的，所述的管道频谱数据包括通过次声波采集仪获取的管道次声波信号z(t)，通过智能压力变送器采集的瞬态压力信号p1(t)，通过涡轮流量计读取的瞬态流量信号q1(t)。
进一步的，通过所述管道频谱数据得到管道非泄漏状态下频谱图的方法包括：a计算管道系统的传递函数ZD：
已知，一维管道的连续及动量方程为：
式中，p为压力函数；q为流量函数；x为距管道上游段的距离；t为时间；
频域中，压力函数和流量函数可表示为：
式中，
将式(2)代入式(1)，则有：
式中，p1(t)＝P(x)est；q1(t)＝Q(x)est；
管道进、出口处的压力和流量函数表达式为：
式中，PU为管道入口处压力；PD为管道出口处压力；QU为管道入口处流量；QD为管道出口处流量；
联立公式(3)(4)(5)，得到管道的输入、输出阻抗：
已知管道上游端为恒压源，即管道入口处压力的波动为零，于是将
ZD＝-ZC tanhγl
式中，ZD为传递函数值；Zc为特性阻抗；γ为传播常数；l为管道长度；
b对传递函数ZD进行傅里叶变换，得到频域中传递函数的频谱图。
进一步的，所述管道工况包括管道压力、泄漏状态下的泄漏量和泄漏位置，非泄漏状态试验的工况是不同管道压力；泄漏状态涉及的工况有：不同管道压力、不同泄漏量、不同泄漏位置，记录每次试验的具体工况及时间，并将每次试验所对应的频谱图录入频谱库，建立起管道非泄漏和泄漏状态下的频谱库。
进一步的，所述步骤S04具体为：管道实际泄漏检测时，只需采集一次频谱数据，然后进行频谱分析并将所得的频谱图与频谱库中的频谱图进行特征比对，若实际泄漏检测频谱与频谱库中非泄漏状态下的频谱图相匹配，则判定管道未发生泄漏；若实际泄漏检测频谱图与频谱库中泄漏状态下的频谱图相匹配，则判定管道发生泄漏。
进一步的，步骤S5具体包括：
对于有泄漏的管道，瞬间部分关闭管道下游末端阀门至1/4位置处，使管道末端产生激励响应；然后采集管道的激励压力信号p2(t)。
注：“瞬间”代表尽可能快速的操作，使管道内产生一个明显的激励信号，避免由于操作过慢而导致激励不明显的问题。“部分关闭”代表不完全关闭，若完全关闭阀门，产生的激励信号会很大，介质的冲击会对管道系统造成损害。“1/4位置”是指阀门开度的1/4处，是长期试验总结出的较具有实际工程意义的位置，该位置便于人工徒手操作，既可以产生较为明显的激励信号，又不会对管道系统造成较大损害。
采集完毕后，将管道下游末端阀门恢复至完全开启状态，待管道平稳运行后重复上述操作，共采集5次激励压力信号并取平均值，得到激励压力的平均值
进一步的，步骤S6利用CEEMD对时域压力信号去噪并识别奇异值拐点的位置的方法具体包括：
(1)在时域压力信号s(t)中加入高斯白噪声ωi(t)，对目标信号s(t)+ωi(t)进行第1次CEEMD分解，获得第一个固有模态函数IMF1
式中，E1为定义的CEEMD运算符号，其角标“1”代表第一次迭代运算；ε1为每个阶段设定的信噪比系数，其角标“1”代表第1阶段；ωi为单位方差为零均值的高斯白噪声；
(2)计算得到一阶残差r1(t)
r1(t)＝s(t)-IMF1(t) (8)
(3)对于一阶残差r1(t)中添加的白噪声信号，构造信号r1(t)+ε1E1(ωi(t))并再次进行分解，获得第二个固有模态函数IMF2；
(4)以此类推计算第k个残量rk(t)rk，k＝2,3...K
rk(t)＝rk-1(t)-IMFI(t) (10)
(5)再继续分解rk(t)+εkEk(ωi(t))，i＝1,2...n，将它的第1个固有模态函数分量作为CEEMD的IMFk+1
(6)继续分解直至满足结束条件，否则返回至步骤(4)～(5)，最终结果表示为：
式中，IMFk(t)为分解后的各阶IMF函数；
(7)选择CEEMD分解后的前三阶信号分量重构，得到去噪、重构后的有效信号x(t)，即：
x(t)＝im1f+im2f+im3f(13)
式中，x(t)为去噪、重构后的有效泄漏信号；imf1,imf2,imf3为前三阶信号分量；
(8)通过有效信号x(t)奇异点的位置，确定次声波反射到下游末端的时间，再结合次声波波速即可精确计算出泄漏点位置。
本发明所产生的有益效果包括：本发明涉及的基于频谱分析的泄漏检测方法简便易行、精确度高，通过各种不同工况的试验，不断地对频谱库进行完善，泄漏检测的误判率会无限接近于零。
附图说明
图1是本发明的流程图；
图2是试验管道及传感器仪表布置图；
图3是管道系统瞬态压力信号图
图4是管道系统实时流量信号图
图5是管道系统次声波信号图
图6是管道系统某时刻无泄漏状态下的频谱图；
图7是管道系统某时刻泄漏状态下的频谱图；
图8是实际泄漏检测时采集的管道系统的频谱图；
图9是试验采集的管道系统的时域压力信号图；
图10是CEEMD分解结果图；
图11是去噪、重构后的压力时域分析图。
图中：1、主管道，2、第一支管，3、第二支管，4、放散口，5、次声波传感器，6、智能压力变送器，7、涡轮流量计。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细的解释说明，但应当理解为本发明的保护范围并不受具体实施例和附图的限制。
本发明大致分为两部分。第一部分是泄漏诊断之前的预试验，通过预试验获取足够多数量的管道系统的有无泄漏状态的频谱数据，建立起管道系统有无泄漏状态的频谱库。第二部分是管道实际泄漏诊断，在管道实际泄漏检测时，只需采集一次频谱数据，将管道实际泄漏采集获得的频谱与预试验建立的频谱库中数据进行特征对比，即可判断管道是否发生泄漏。若确定管道没有发生泄漏，则将该频谱数据录入非泄漏状态下的频谱库；若确定管道发生了泄漏，则将该频谱数据录入泄漏状态下的频谱库，并进行下一步的管道泄漏定位。
如图1所示，本发明的一种基于频谱分析的城市埋地管道早期泄漏诊断方法，包括以下步骤：
步骤S1：如图2所示，本发明涉及的试验管道系统由埋地非金属管道、泄漏阀及相关仪器仪表构成。其中，主管道(1)呈U字型，主管道(1)的直段连接有第一支管(2)，第一支管(2)与主管道(1)顶端之间连接有第二支管(3)，位于主管道(1)的两条直段上及顶端处分别设有模拟泄漏点的放散口(4)，放散口(4)与管道首端的距离为8.91米，主管道(1)的起点段和终点段分设有次声波传感器(5)、智能压力变送器(6)和涡轮流量计(7)，第一支管(2)上分设有涡轮流量计(7)和智能压力变送器(6)，第二支管(3)上设有智能压力变送器(6)，位于主管道(1)的两条直段上的放散口(4)处设有涡轮流量计(7)，位于主管道(1)顶端处的放散口(4)处设有智能压力变送器(6)。
首先，开启管道系统，将管道首段处连接压力泵，末端处节流阀完全打开，启动交流电机，将泵的工作压力调至0.4MPa，使管道系统进入介质输送状态。待管道平稳运行后，通过智能压力变送器采集管道的瞬态压力信号p1(t)，如图3所示；过涡流流量计读取管道的瞬态流量信号q1(t)，如图4所示；通过次声波采集仪获取管道的次声波信号z(t)，如图5所示，通过观察管道的次声波信号图判断管道是否平稳运行。
利用Matlab软件对采集的数据进行频谱分析，根据采集得到的瞬态压力p1(t)、瞬态流量q1(t)计算得到管道系统的传递函数ZC，通过传递函数的傅里叶变换得到管道正常运行(非泄漏)状态下的频谱图，如图6所示。
步骤S2：开启管道泄漏球阀，控制泄漏球阀的倾斜角度为15°，模拟管道微小泄漏状态，然后再次采集管道系统的各项参数并对其进行频谱分析，得到管道系统泄漏状态下的频谱图，如图7所示。
步骤S3：重复步骤S1、S2，进行多次试验，分别获取足够多数量的管道系统的有无泄漏状态的频谱数据，建立管道系统有无泄漏状态的频谱库。
步骤S4：进行管道实际泄漏检测。
首先，采用实时监测和实地测量方法获取被测管道的各项参数，如表1所示。
表1 管道系统参数
然后，重复步骤S1、S2的操作，采集得到管道的压力、流量数，并利用Matlab对所采集管道系统参数进行一次频谱分析，结果如图8所示。将频谱分析结果图8与频谱库中数据(图6和图7)进行特征比对，判断管道是否发生泄漏。
由图6可知，管道非泄漏状态下的频谱图波动趋势是：低频状态对应的幅值较高，而高频状态对应幅值趋于稳定；由图7可知，管道泄漏状态下的频谱图波动趋势是：由于泄漏声波的影响，在某一特定频率范围内会有较大的幅值波动。
图8中，横坐标归一化频率在0.15～0.85之间时，纵坐标幅值有较大的波动，其特征与图7较为匹配，因此判断管道此时处于泄漏状态，并进行下一步的管道泄漏定位。
步骤S5：对于泄漏状态下的管道，瞬间部分关闭下游末端阀门至1/4处，
使管道系统发出激励响应并采集管道系统的激励压力信号p2(t)，重复5次试验取求得激励压力的平均值
步骤S6：利用CEEMD算法，对采集得到的时域压力信号去噪并识别信号奇异值拐点位置，最后结合次声波波速计算泄漏点位置；
应用Matlab软件中的CEEMD算法对时域压力信号s(t)去噪，调用阈值函数计算获得时域压力信号的阈值并自适应地分解信号。
如图10所示，时域压力信号s(t)被分解为由低频到高频的1～8阶IMF的形式。其中，IMF阶数越低，其携带的有效泄漏信号越多；IMF阶数越高，其夹杂的噪声信号越多。因此，选择1～3阶信号重构，获得去噪、重构后的有效信号x(t)，如图11所示。
由图11可知，重构后的信号出现明显的特征奇异值拐点，根据奇异值拐点即可求得次声波传递至下游末端传感器的时间。纵坐标最大时对应的横坐标即为所求，所求时间t＝0.0513s。
根据流体声速方程计算该工况下的次声波波速：
式中，v为对应工况下的次声波波速，ρt为对应温度下的空气的密度，Px为管内实测压力。
本发通过安装在管道外壁上的智能压力变送器，同时测得该工况下管内压力Px＝0.15MPa，管内的温度t＝24℃。因此通过查阅空气密度表可知，t＝24℃对应的空气密度ρt＝1.32kg/m3。
将Px,ρt代入流体声速方程，即可求得次声波波速
再将求得的次声波波速v和次声波传递至下游末端传感器时间t代入泄漏定位公式，得到定位结果
结果表明，本发明提出的基于频谱分析的城市埋地管道早期泄漏诊断方法能够有效判断泄漏并准确定位。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关的工作人员完全可以在不偏离本发明的范围内，进行多样的变更以及修改。本项发明的技术范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
