[发明专利]管道泄漏监测中趋势信号的消除方法及装置

说明书

本申请涉及管道泄漏监测中趋势信号的消除方法及装置，属于管道泄漏监测技术领域，本申请的方法包括，步骤1、对待处理的原始压力信号进行去噪处理，并将处理后的压力信号作为当前信号；步骤2、对当前信号进行统计特性分析，得到统计特性分析结果；步骤3、根据统计特性分析结果中目标区间个数分布曲线的区间个数，判断当前信号中是否存在趋势，当区间个数小于等于三时，判定当前信号中无趋势存在，将当前信号作为无趋势的信号，否则，对当前信号进行消除趋势处理，以处理后的信号作为新的当前信号，并跳转执行步骤2。本申请可自适应的进行信号趋势的消除，有助于更好的进行管道泄漏监测的技术实现。

技术领域

本申请属于管道泄漏监测技术领域，具体涉及一种管道泄漏监测中趋势信号的消除方法及装置。

背景技术

管道泄漏检测的相关技术中，声波法和负压波法是目前国内外应用最广的两种方法。在负压波法的实现中，涉及到相关压力(流量)信号，基于这些信号进行管道泄漏检测判断。

在管道泄漏监测中的压力(流量)信号中，压力(流量)的上升和下降是趋势性信号，但干扰信号是需要被保留并分离识别出来。产生于压力上升或下降阶段的正脉冲干扰和负脉冲性干扰，都存在着压力下降沿，这个压力下降沿的存在对泄漏的判断造成了严重的影响，极易造成误报警和漏报警的发生。只有消除了信号中的趋势使信号处于平稳状态，并最大程度地保留干扰脉冲的形状，才有利于准确判断出正脉冲型、负脉冲型干扰信号，进而降低误报警的发生。这就涉及到了如何对管道泄漏监测中趋势信号的有效消除。

现有技术中，常用的趋势项消除方法主要有差分法、滤波法、拟合法、模型法、小波法等。在此基础上，又发展出模式自适应连续小波法、变分模态分解方法(VMD)、自适应小波消趋势法、局部分解法(LMD)、集合经验模态分解法(EEMD)、改进的集合经验模态分解法(MEEMD)和基于时间序列分析(ARIMA模型)的消趋势法。

差分法就是对采集信号做差分计算，从而消除趋势项。差分法简单，但是延时常数的确定需要人工干预，且不同的延时常数其对消除趋势的影响很大。

滤波法就是对采集信号进行数字滤波，从而去除趋势项。滤波法中，滤波器的通带频率需要事先确定，不同的滤波器通带频率会得到不同的趋势消除效果，如果当前所预设的滤波器通带频率没有取得理想的趋势消除效果，在现有技术中并没有如何实现通带频率的自动调节以及如何判断趋势消除达到预期目标的相关技术公开。

拟合法(如最小二乘法，逐步回归法)，这类方法一般用于线性趋势项、高阶多项式趋势项和变幅值的周期振荡趋势。拟合法需要预先假定信号中趋势项的类型，如线性趋势、多项式或指数趋势等，要求对测试信号中包含趋势项的特征具有一定的先验知识，随着趋势项复杂程度的增加，拟合的难度也增大，对分析较复杂的实际信号不适用。

模型法，其通过某些处理方法将趋势项剔除，经处理后的信号可认为是平稳随机的，按平稳随机过程来研究。此类方法建模简单，但不能得到趋势项的具体形式，不便于进行系统分析，适用于预测目的。如基于时间序列分析(ARIMA模型)的消趋势法，其首先需要通过学习，借助时间序列分析，得到ARIMA模型及参数，导出系统的状态空间模型，采用基于FFT变换的Rife-Jane频率估计法求出信号的周期；然后利用学习阶段所得的状态空间模型及参数，利用卡尔曼滤波技术消除信号中的随机噪声，并运用加窗递推最小二乘法实时在线地消除趋势。基于模型(如ARIMA模型)的消趋势法，首先需要通过学习建立状态空间模型，其次处理方法复杂，再者加窗的窗口宽度、卡尔曼滤波器等参数的确定都会严重影响消除趋势的效果。

小波法，是近年来发展起来的一种非常有效的非平稳信号趋势项提取和剔除方法。该方法将非平稳随机信号进行分解和重构，获得趋势项序列和剔除趋势项后的零均值平稳随机信号，方法简单通用，无需趋势项的任何先验知识。基于小波变换的趋势项去除方法对小波基的选择和分解深度的确定均有严格要求，但是，小波基函数的选取和小波分解尺度的确定都需要事先预测，即小波法需要预先确定小波基函数以及分解阶数，不恰当的基函数会导致信号重构精确性下降