基于rbf神經(jīng)網(wǎng)絡(luò)的氣體管道泄漏定位實(shí)驗(yàn)裝置及方法
【專(zhuān)利摘要】本發(fā)明屬于氣體管道泄漏定位技術(shù)領(lǐng)域，尤其涉及一種基于RBF神經(jīng)網(wǎng)絡(luò)的氣體管道泄漏定位實(shí)驗(yàn)裝置及方法，包括在氣體傳輸管道末端安裝一只壓力傳感器，在預(yù)置泄漏點(diǎn)的一側(cè)等間距安裝五個(gè)等精度聲發(fā)射傳感器；對(duì)在不同泄漏壓力下五個(gè)通道所采集到的泄漏信號(hào)進(jìn)行特征提取和處理，獲得各通道泄漏信號(hào)的最大峰值、(3，0)節(jié)點(diǎn)小波包能量、對(duì)應(yīng)泄漏特征頻率處的功率譜峰值來(lái)構(gòu)造不同泄漏壓力下的特征向量，然后進(jìn)行歸一化處理后作為RBF組合神經(jīng)網(wǎng)絡(luò)的輸入，以泄漏定位值L作為RBF組合神經(jīng)網(wǎng)絡(luò)的輸出，建立不同壓力下的RBF組合神經(jīng)網(wǎng)絡(luò)管道泄漏定位模型，實(shí)現(xiàn)氣體管道泄漏點(diǎn)定位及誤差分析。
【專(zhuān)利說(shuō)明】
基于RBF神經(jīng)網(wǎng)絡(luò)的氣體管道泄漏定位實(shí)驗(yàn)裝置及方法
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于氣體管道泄漏定位技術(shù)領(lǐng)域，尤其涉及一種基于RBF神經(jīng)網(wǎng)絡(luò)的氣體 管道泄漏定位實(shí)驗(yàn)裝置及方法。
【背景技術(shù)】
[0002] 隨著能源危機(jī)和環(huán)境問(wèn)題日益嚴(yán)重，碳捕獲和封存（Carbon Capture and Storage，CCS)技術(shù)被認(rèn)為是處理全球氣候變暖、減少溫室氣體最有效的一種方法。CCS技術(shù) 是將工業(yè)、能源產(chǎn)業(yè)所生產(chǎn)出來(lái)的二氧化碳分離出去，再通過(guò)碳存儲(chǔ)手段，將其輸送到海底 或者地下等與大氣隔絕的地方。使用管道運(yùn)輸捕獲的C02是目前公認(rèn)的最經(jīng)濟(jì)、最可靠的方 式，但是輸送過(guò)程中經(jīng)常會(huì)出現(xiàn)泄漏問(wèn)題。因此，找到一種合適的泄漏定位方法，能夠及時(shí) 對(duì)泄漏點(diǎn)進(jìn)行定位，提高二氧化碳輸送管道的安全性。
[0003] 聲發(fā)射技術(shù)與RBF(徑向基函數(shù))神經(jīng)網(wǎng)絡(luò)的結(jié)合是解決二氧化碳輸送管道泄漏定 位困難的重要研究方向。依靠聲發(fā)射技術(shù)，通過(guò)泄漏信號(hào)的特征提取，結(jié)合RBF神經(jīng)網(wǎng)絡(luò)來(lái) 進(jìn)行二氧化碳輸送管道的泄漏定位，能夠解決二氧化碳泄漏定位難的問(wèn)題，基于RBF神經(jīng)網(wǎng) 絡(luò)的方法有較高的準(zhǔn)確性。

【發(fā)明內(nèi)容】

[0004] 為了解決氣體輸送管道泄漏定位難的問(wèn)題，本發(fā)明提出了一種基于RBF神經(jīng)網(wǎng)絡(luò) 的氣體管道泄漏定位實(shí)驗(yàn)裝置及方法。
[0005] 實(shí)驗(yàn)裝置包括:依次相連的壓縮機(jī)、過(guò)濾器、第一球閥、高壓緩沖罐、氣液分離器、 第二球閥、第一基體管道、模擬泄漏單元、第二基體管道、第三球閥、回收罐;所述基體管道 與模擬泄漏單元之間通過(guò)法蘭連接，模擬泄漏單元密封于保護(hù)罩內(nèi)，模擬泄漏單元為一筆 直管道，其一端設(shè)有泄漏點(diǎn)，泄漏點(diǎn)的另一側(cè)等間距安裝有五個(gè)等精度聲發(fā)射傳感器，模擬 泄漏單元末端設(shè)有溫度傳感器、壓力傳感器，模擬泄漏單元包括加熱層和保溫層;保護(hù)罩內(nèi) 的各種傳感器通過(guò)保護(hù)罩外的采集卡與分析器相連;保護(hù)罩頂部連接有導(dǎo)流管。
[0006] 定位方法包括：
[0007] 步驟1:測(cè)量設(shè)置在實(shí)驗(yàn)裝置的模擬泄漏單元末端的氣體溫度和氣體壓力；
[0008] 步驟2:采集五個(gè)等精度聲發(fā)射傳感器信號(hào)，并通過(guò)五個(gè)信號(hào)通道傳輸?shù)讲杉ǎ?br>[0009] 步驟3、調(diào)節(jié)模擬泄漏單元內(nèi)的氣體壓力，提取在不同泄漏壓力下五個(gè)信號(hào)通道所 采集到的氣體泄漏信號(hào)的特征；
[0010] 步驟4、構(gòu)造特征向量，并對(duì)其進(jìn)行歸一化處理；
[0011] 步驟5、將歸一化后不同泄漏壓力下的特征向量作為RBF組合神經(jīng)網(wǎng)絡(luò)的輸入，以 泄漏定位值L作為RBF組合神經(jīng)網(wǎng)絡(luò)的輸出變量，建立RBF組合神經(jīng)網(wǎng)絡(luò)模型，選取訓(xùn)練樣本 進(jìn)行網(wǎng)絡(luò)訓(xùn)練；
[0012] 步驟6:將不同泄漏壓力下的測(cè)試樣本輸入訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)泄漏點(diǎn)定 位，并計(jì)算定位誤差。
[0013] 所述步驟3包括：
[0014]將五個(gè)信號(hào)通道采集到的泄漏信號(hào)劃分成多個(gè)段，找到每段的最大峰值，將各段 的最大峰值求平均，來(lái)作為不同泄漏壓力下第i個(gè)信號(hào)通道采集到的泄漏信號(hào)的最大峰值 .\?;，并作為RBF組合神經(jīng)網(wǎng)絡(luò)的第一個(gè)輸入元素；
[0015] 將原始信號(hào)進(jìn)行傅立葉變換得到不同泄漏壓力下第i信號(hào)通道功率譜在泄漏頻率 處的功率譜峰值JT3；1，并作為RBF組合神經(jīng)網(wǎng)絡(luò)的第二個(gè)輸入元素；
[0016] 將原始信號(hào)經(jīng)過(guò)運(yùn)用dbl小波基進(jìn)行三層小波包分解，得到不同泄漏壓力下第i信 號(hào)通道(3,0)節(jié)點(diǎn)的小波包能量12;,并作為RBF組合神經(jīng)網(wǎng)絡(luò)的第三個(gè)輸入元素；其中，k 為對(duì)應(yīng)不同泄漏壓力的編號(hào)。
[0017] 所述步驟3中除了調(diào)節(jié)模擬泄漏單元內(nèi)的氣體壓力來(lái)獲得不同條件下的氣體泄漏 信號(hào)的特征之外，還可通過(guò)改變溫度、泄漏孔徑的方式來(lái)獲得不同條件下的泄漏信號(hào)的特 征。
[0018] 本發(fā)明的有益效果是：
[0019] (1)根據(jù)二氧化碳輸送管道的特點(diǎn)，基于RBF組合神經(jīng)網(wǎng)絡(luò)，結(jié)合聲發(fā)射技術(shù)，在聲 發(fā)射技術(shù)的基礎(chǔ)上，提出了一種新型特征向量提取的方法，為二氧化碳輸送管道泄漏定位 技術(shù)發(fā)展提供了新的方向。
[0020] (2)利用小波包進(jìn)行特征向量提取，以小波包能量作為特征向量的一個(gè)元素，通過(guò) RBF組合神經(jīng)網(wǎng)絡(luò)進(jìn)行泄漏定位，具備了實(shí)現(xiàn)不同壓力下管道泄漏準(zhǔn)確定位的能力。
【附圖說(shuō)明】
[0021] 圖1是實(shí)驗(yàn)裝置示意圖；
[0022]圖2是本發(fā)明的方法流程圖；
[0023]圖3是泄漏信號(hào)特征量提取流程圖；
[0024]圖4是RBF組合神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖；
【具體實(shí)施方式】
[0025]下面結(jié)合附圖，對(duì)實(shí)施例作詳細(xì)說(shuō)明。
[0026]如圖1所示，本發(fā)明的基于RBF神經(jīng)網(wǎng)絡(luò)的氣體管道泄漏定位實(shí)驗(yàn)裝置包括：依次 相連的壓縮機(jī)、過(guò)濾器、第一球閥、高壓緩沖罐、氣液分離器、第二球閥、第一基體管道、模擬 泄漏單元、第二基體管道、第三球閥、回收罐;所述基體管道與模擬泄漏單元之間通過(guò)法蘭 連接，模擬泄漏單元密封于保護(hù)罩內(nèi)，模擬泄漏單元為一筆直管道，其一端設(shè)有泄漏點(diǎn)，泄 漏點(diǎn)的另一側(cè)等間距安裝有五個(gè)等精度聲發(fā)射傳感器，模擬泄漏單元末端設(shè)有溫度傳感 器、壓力傳感器，模擬泄漏單元包括加熱層和保溫層;保護(hù)罩內(nèi)的各種傳感器通過(guò)保護(hù)罩外 的采集卡與分析器相連;保護(hù)罩頂部連接有導(dǎo)流管。
[0027]分別改變溫度、壓力、泄漏孔徑的情況，可以得到多種情況下二氧化碳的泄漏情 況，通過(guò)聲發(fā)射信號(hào)采集及預(yù)處理單元接入分析器，并根據(jù)RBF組合神經(jīng)網(wǎng)絡(luò)進(jìn)行源泄漏點(diǎn) 定位。
[0028]如圖2所示，本發(fā)明的基于RBF神經(jīng)網(wǎng)絡(luò)的氣體管道泄漏定位方法包括:根據(jù)二氧 化碳輸送管道泄漏特點(diǎn)，結(jié)合聲發(fā)射技術(shù)和泄漏信號(hào)特征提取技術(shù)，在實(shí)驗(yàn)室模擬二氧化 碳輸送管道泄漏試驗(yàn)的基礎(chǔ)上，進(jìn)行了 RBF組合神經(jīng)網(wǎng)絡(luò)的建模，進(jìn)行二氧化碳輸送管道泄 漏定位分析。
[0029] 具體包括以下步驟：
[0030] 步驟1:測(cè)量設(shè)置在實(shí)驗(yàn)裝置的模擬泄漏單元末端的氣體溫度和氣體壓力；
[0031] 步驟2:采集五個(gè)等精度聲發(fā)射傳感器信號(hào)，并通過(guò)五個(gè)信號(hào)通道傳輸?shù)讲杉ǎ?[0032]步驟3、調(diào)節(jié)模擬泄漏單元內(nèi)的氣體壓力，提取在不同泄漏壓力下五個(gè)信號(hào)通道所 采集到的氣體泄漏信號(hào)的特征；
[0033]步驟4、構(gòu)造特征向量，并對(duì)其進(jìn)行歸一化處理；
[0034]步驟5、將歸一化后不同泄漏壓力下的特征向量作為RBF組合神經(jīng)網(wǎng)絡(luò)的輸入，以 泄漏定位值L作為RBF組合神經(jīng)網(wǎng)絡(luò)的輸出變量，建立RBF組合神經(jīng)網(wǎng)絡(luò)模型，選取訓(xùn)練樣本 進(jìn)行網(wǎng)絡(luò)訓(xùn)練；
[0035] 步驟6:將不同泄漏壓力下的測(cè)試樣本輸入訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)泄漏點(diǎn)定 位，并計(jì)算定位誤差。
[0036] 所述步驟3包括：
[0037]將五個(gè)信號(hào)通道采集到的泄漏信號(hào)劃分成多個(gè)段，找到每段的最大峰值，將各段 的最大峰值求平均，來(lái)作為不同泄漏壓力下第i個(gè)信號(hào)通道采集到的泄漏信號(hào)的最大峰值 At，并作為RBF組合神經(jīng)網(wǎng)絡(luò)的第一個(gè)輸入元素；
[0038]將原始信號(hào)進(jìn)行傅立葉變換得到不同泄漏壓力下第i信號(hào)通道功率譜在泄漏頻率 處的功率譜峰值并作為RBF組合神經(jīng)網(wǎng)絡(luò)的第二個(gè)輸入元素；
[0039]將原始信號(hào)經(jīng)過(guò)運(yùn)用dbl小波基進(jìn)行三層小波包分解，得到不同泄漏壓力下第i信 號(hào)通道(3,0)節(jié)點(diǎn)的小波包能量X2%并作為RBF組合神經(jīng)網(wǎng)絡(luò)的第三個(gè)輸入元素；其中，k 為對(duì)應(yīng)不同泄漏壓力的編號(hào)。
[0040]所述步驟3中除了調(diào)節(jié)模擬泄漏單元內(nèi)的氣體壓力來(lái)獲得不同條件下的氣體泄漏 信號(hào)的特征之外，還可通過(guò)改變溫度、泄漏孔徑的方式來(lái)獲得不同條件下的泄漏信號(hào)的特 征。
[0041 ]所述步驟3中，特征向量算法公式如下：
[0042] (1)平均最大峰值算法公式：
[0043]
[0044] Xlki=mean Pik[m]
[0045] 其中，m為一段泄漏信號(hào)某個(gè)區(qū)間的序號(hào);a[j]為第j個(gè)采樣點(diǎn)的信號(hào)幅值;N為總 的數(shù)據(jù)采樣點(diǎn)個(gè)數(shù);PJtm]為不同壓力下第i通道第m區(qū)間泄漏信號(hào)最大峰值;；為不同泄 漏壓力下第i通道信號(hào)峰值。
[0046] (2)小波包分解算法公式：
[0047]
[0048]其中，di+ι,ι,η為上層小波包分解結(jié)果;di,j,2n與di,j,2n+i為下一級(jí)分解結(jié)果；i為尺度 指標(biāo);j為位置指標(biāo);η為頻率指標(biāo);1為變量;ho和hi為分解采用的多分辨率濾波器系數(shù)。不同 泄漏壓力下(3,0)節(jié)點(diǎn)小波包能量：
[0049]
[0050]其中di, j為三層小波包節(jié)后(3，0)節(jié)點(diǎn)中各采樣點(diǎn)的信號(hào)幅值。
[00511 (3)功率譜峰值算法公式：
[0052] 采樣數(shù)據(jù)為x(n)，它的Fourier變換和功率譜密度估計(jì)^,(/；)存在以下關(guān)系：
[0053]
[0054] 其中N為x(n)的長(zhǎng)度，f = k' Δ f，F(xiàn)FT[x(n)]為采樣數(shù)據(jù)x(n)的Fourier變換，f '為 泄漏信號(hào)的特征頻率。
[0055]如圖3所示，本發(fā)明實(shí)施例的基于泄漏信號(hào)特征量提取流程圖，該流程圖主要包括 以下內(nèi)容：
[0056]特征量提取分為三部分，第一部分，將泄漏信號(hào)均分為三段，求取每個(gè)區(qū)間的最大 峰值，之后將三個(gè)區(qū)間的最大峰值求平均;第二部分，用FFT對(duì)泄漏信號(hào)進(jìn)行功率譜分析，求 取泄漏信號(hào)特征頻率對(duì)應(yīng)的功率譜峰值;第三部分，運(yùn)用dbl小波基對(duì)泄漏信號(hào)進(jìn)行3層小 波包分解，得到(3，0)節(jié)點(diǎn)的分解結(jié)果，求取(3，0)節(jié)點(diǎn)的能量，即（3，0)節(jié)點(diǎn)的小波包能量。 [0057]如圖4所示，本發(fā)明實(shí)施例的基于RBF組合神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖，該結(jié)構(gòu)圖主要包括以 下內(nèi)容：
[0058]該RBF組合神經(jīng)網(wǎng)絡(luò)由三個(gè)子網(wǎng)絡(luò)，每個(gè)子網(wǎng)絡(luò)有三層，分別為輸入層、模糊層、輸 出層;其中輸入層為三個(gè)輸入，輸出層為一個(gè)輸出。
[0059] 對(duì)應(yīng)的輸入為7\= , A' .? /^ ]，輸出為源泄漏點(diǎn)的位置L。
[0060] 所述步驟5中，RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)描述如下：
[0061]
[0062]
[0063] 其中，Cj為第j個(gè)隱層節(jié)點(diǎn)的輸出權(quán)重，Rj(X)為第j個(gè)隱層節(jié)點(diǎn)的高斯函數(shù)，mjeR N 為第j個(gè)中心，為第j個(gè)標(biāo)準(zhǔn)差。
[0064] 所述步驟6中，計(jì)算泄漏位置L的相對(duì)平均誤差公式：
[0065] i 一 U八
[0066]其中，L(i)為預(yù)測(cè)值，Lo(i)為實(shí)測(cè)值，N為測(cè)試的總樣本數(shù)。
[0067]所述步驟4中，構(gòu)造特征向量^=[.\%；(^,；^]，對(duì)特征向量進(jìn)行歸一化處理，
其中，能量Ek為五
[0068]此實(shí)施例僅為本發(fā)明較佳的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此， 任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換， 都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍 為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種基于RBF神經(jīng)網(wǎng)絡(luò)的氣體管道泄漏定位實(shí)驗(yàn)裝置，其特征在于，包括：依次相連 的壓縮機(jī)、過(guò)濾器、第一球閥、高壓緩沖罐、氣液分離器、第二球閥、第一基體管道、模擬泄漏 單元、第二基體管道、第三球閥、回收罐;所述基體管道與模擬泄漏單元之間通過(guò)法蘭連接， 模擬泄漏單元密封于保護(hù)罩內(nèi)，模擬泄漏單元為一筆直管道，其一端設(shè)有泄漏點(diǎn)，泄漏點(diǎn)的 另一側(cè)等間距安裝有五個(gè)等精度聲發(fā)射傳感器，模擬泄漏單元末端設(shè)有溫度傳感器、壓力 傳感器，模擬泄漏單元包括加熱層和保溫層;保護(hù)罩內(nèi)的各種傳感器通過(guò)保護(hù)罩外的采集 卡與分析器相連;保護(hù)罩頂部連接有導(dǎo)流管。2. -種基于權(quán)利要求1所述實(shí)驗(yàn)裝置的氣體管道泄漏定位方法，其特征在于，包括： 步驟1:測(cè)量設(shè)置在實(shí)驗(yàn)裝置的模擬泄漏單元末端的氣體溫度和氣體壓力； 步驟2:采集五個(gè)等精度聲發(fā)射傳感器信號(hào)，并通過(guò)五個(gè)信號(hào)通道傳輸?shù)讲杉ǎ? 步驟3、調(diào)節(jié)模擬泄漏單元內(nèi)的氣體壓力，提取在不同泄漏壓力下五個(gè)信號(hào)通道所采集 到的氣體泄漏信號(hào)的特征； 步驟4、構(gòu)造特征向量，并對(duì)其進(jìn)行歸一化處理； 步驟5、將歸一化后不同泄漏壓力下的特征向量作為RBF組合神經(jīng)網(wǎng)絡(luò)的輸入，以泄漏 定位值L作為RBF組合神經(jīng)網(wǎng)絡(luò)的輸出變量，建立RBF組合神經(jīng)網(wǎng)絡(luò)模型，選取訓(xùn)練樣本進(jìn)行 網(wǎng)絡(luò)訓(xùn)練； 步驟6:將不同泄漏壓力下的測(cè)試樣本輸入訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)泄漏點(diǎn)定位，并 計(jì)算定位誤差。3. 根據(jù)權(quán)利要求2所述方法，其特征在于，所述步驟3包括： 將五個(gè)信號(hào)通道采集到的泄漏信號(hào)劃分成多個(gè)段，找到每段的最大峰值，將各段的最 大峰值求平均，來(lái)作為不同泄漏壓力下第i個(gè)信號(hào)通道采集到的泄漏信號(hào)的最大峰值Ζ1?， 并作為RBF組合神經(jīng)網(wǎng)絡(luò)的第一個(gè)輸入元素； 將原始信號(hào)進(jìn)行傅立葉變換得到不同泄漏壓力下第i信號(hào)通道功率譜在泄漏頻率處的 功率譜峰值，并作為RBF組合神經(jīng)網(wǎng)絡(luò)的第二個(gè)輸入元素； 將原始信號(hào)經(jīng)過(guò)運(yùn)用dbl小波基進(jìn)行三層小波包分解，得到不同泄漏壓力下第i信號(hào)通 道(3，0)節(jié)點(diǎn)的小波包能量X2;，:并作為RBF組合神經(jīng)網(wǎng)絡(luò)的第三個(gè)輸入元素；其中，k為對(duì) 應(yīng)不同泄漏壓力的編號(hào)。4. 根據(jù)權(quán)利要求2所述方法，其特征在于，所述步驟3中除了調(diào)節(jié)模擬泄漏單元內(nèi)的氣 體壓力來(lái)獲得不同條件下的氣體泄漏信號(hào)的特征之外，還可通過(guò)改變溫度、泄漏孔徑的方 式來(lái)獲得不同條件下的泄漏信號(hào)的特征。
【文檔編號(hào)】G01M3/24GK105864643SQ201610173805
【公開(kāi)日】2016年8月17日
【申請(qǐng)日】2016年3月24日
【發(fā)明人】韓曉娟, 趙澤昆, 蔡麗娟, 劉大賀
【申請(qǐng)人】華北電力大學(xué), 交通運(yùn)輸部水運(yùn)科學(xué)研究所