[发明专利]一种基于偏度、峰度信号特征的音波泄漏监测方法

说明书

本发明涉及一种基于偏度、峰度信号特征的音波泄漏监测方法，主要由采集待识别音波信号、小波去噪预处理、偏度、峰度特征提取、SVM分类建模、音波识别结果组成。在管道的各个站点安装现场数据采集处理器，直接监控、采集模拟音波信号。管道内输送介质发生泄漏所产生的瞬间音波震荡，通过算法、泄漏信号的时间差，判断泄漏位置。

技术领域

本发明涉及音波、泄漏监测、特征提取等相关领域，尤其涉及一种气体 管道泄漏监测识别系统。

背景技术

基于音波分析管道泄漏监测是一种常规、有效的方法，但是传统方法中 一般利用阈值来判断是否产生泄漏状况，该过程无法应对复杂工况，容易引起误 报警。因此，我们开发了基于峰度、斜度信号特征的音波泄漏监测方法。通过采 集一定数量的分析样本构成训练样本，通过统计模式算法获取内在空间结构信息， 利用“物以类聚”原则对泄漏和非泄漏状况进行有效区分，提高音波在线监测效 果。

发明内容

本发明涉及一种基于偏度、峰度信号特征的音波泄漏监测方法，在管道 的各个站点安装现场数据采集处理器，直接监控、采集模拟音波信号。管道内输 送介质发生泄漏所产生的瞬间音波震荡，通过算法、泄漏信号的时间差，判断泄 漏位置。

该方法的主要创新点如下：1、传统泄漏监测方法需要利用大量泄漏信号 建立数据库模型，实际应用中获取泄漏信号需要付出极大的代价。本发明专利中 充分利用信号的偏度、峰度信息建立数据库模型，克服了泄漏信号样本不足的问 题，有效提高了模型的丰富度。2、发明专利利用支持向量机(SVM)算法建立是 否泄漏的判别模型。该算法是在统计学习理论基础上专门针对小样本学习的有效 模型，该模型在泄漏样本和非泄漏样本之间寻求最大的分类间隔，可以极大的提 高泄漏事件的识别结果。

附图说明

下面结合附图和具体实施方式对本发明进行详细说明。

图1管道泄漏监测识别系统总图

图2音波泄漏识别过程图

图3平稳工况音波信号样本图

图4泄漏音波信号样本图

图5提取的偏度、峰度特征图

具体实施方式

音波监测系统主要由服务器、工作站、现场音波数据采集处理器、GPS天 线、音波传感器等组成。现场数据采集处理器负责将实时采集的音波信号转化 为数字信号便于处理，GPS接收器用以校准各设备的时钟，保持各站点设备时钟 同步。

泄漏信号在传播的过程中会受到各种噪声干扰，需要进行数据平滑。由 于小波变换具有多分辨率特性，因此Dolphin智能音波泄漏监测系统采用小波去 噪的方法对泄漏信号进行预处理。

小波函数ψ(t)，它局部地存在于时域(空域)轴上，其波形可在特定的 位置上发生变化：当对低频信号分析时，小波函数可以放大a倍；当对高频信号 分析时，小波函数可以缩小a倍，可表示为：

设x(t)∈L²(R)是平方可积，ψ(t)是小波基，则

式中，x(t)内积表达式是WT_x(a，τ)＝x(t)，ψ_aτ(t)。

该方法首先对信号进行小波分解(公式(2))，并重构经过阈值处理的小 波系数。其原理为：变换后信号能量集中在小波系数值大的域集中。经分解后， 信号的小波系数幅值大于噪声系数，因此，采用阈值法可以去除大部分噪声干扰。 保留信号系数。

音波信号有量纲特征值常因工况变化而变化，给泄漏监测带来一定困难， 因而时常使用多种无量纲指标，包括峰度、斜度等。