一种新的燃气泄漏检测方法

齐元利 马 燕 张相芬 李顺宝 张玉萍

(上海师范大学信息与机电工程学院，上海 200234)



一种新的燃气泄漏检测方法

齐元利 马 燕 张相芬 李顺宝 张玉萍

(上海师范大学信息与机电工程学院，上海 200234)

为了检测城市管道燃气泄漏，搭建了燃气管道运输试验平台采集燃气信号。由于泄漏声发射信号模式复杂、内容多样、变化迅速，分别采用小波分解与小波重构的方式对信号进行分解处理，并根据原信号突出特征重构信号。考虑到泄漏信号与非泄漏信号的模式复杂程度不同，提出了基于近似熵的判别方法。试验结果表明，两种信号的近似熵值差距明显，可以作为区分两种信号的依据，同时说明近似熵的方法可以用于燃气泄漏检测。

天然气 燃气泄漏 声发射 离散小波变换 小波分解 小波重构 近似熵 信号采集

0 引言

相对于其他燃料，具有绿色环保、经济实惠、安全可靠等特点的天然气的使用越来越普及。如今，天然气已经通过燃气管道走进千家万户，给人们的生活带来了很大便利。同样，天然气的易燃易爆性和一定的毒害性等性质，也使天然气的使用存在一定安全隐患，这就需要解决燃气泄漏的检测问题[1]。不管燃气以何种方式泄漏，由于压强的作用，管道部分区域应力集中，燃气和管道之间会快速释放能量并产生瞬态弹性波，这种弹性波被称为声发射信号[2]。声发射信号使管道材料产生振动，从而将信息传递到管道表面。该振动可以由声发射传感器获取，经过放大处理后，可以记录或显示很多信号特征。声发射信号的产生具有多样性、突发性以及不确定性，经由介质传递和传感器频响特性影响之后，更难以利用理论加以计算，由此，声发射信号表现出非线性的动力学特性[3]。

根据已有的相关研究发现[4]，将声发射信号进行小波重构后，分析重构后的信号可以更好地反映声发射信号的特性。近似熵可以描述声发射信号的复杂性，能够预测信号新模式产生的概率[5]。近似熵越大，说明信号越容易产生新的模式，信号自身越复杂。信号的复杂度也可以作为区分信号的一个依据。所以，本文使用小波重构和近似熵结合的方法，进行燃气泄漏检测。

1 方法介绍

①小波变换及重构。

给定一个平方可积空间信号χ(t)，记作χ(t)∈L2(R)，则小波变换可定义为:

(1)

(2)

(3)

相应的离散小波变换WTx(j,k)为：

(4)

式中：WTx(j,k)被称为离散小波系数，简称小波系数。

对应地，小波重构[5]公式为：

(5)

上式得到的时间信号χ(t)称为小波变换的单支重构信号。

小波变换的单支重构保证了尺度系数的不变性。针对平移因子进行积分，得到尺度值不变而平移因子变化下的单支时间信号。单支重构的意义在于将信号按照一定的频率值分解成一系列的时间信号，这样就可以排除其他频率成分信号的干扰[6]。

②小波基的选取。

小波基需要具有时域的紧支性以及在频域急剧衰减的能力，以此来获取声发射信号的突发部分信息和分析频域衰减带来的信息。

声发射信号传感器采集到的声发射信号数据量一般比较大，考虑到信号的处理速度，采用离散小波变换而不是连续小波变换。

声发射信号会表现出大量的类似冲击信号的特性，波形中包含一些近似指数衰减类型的波形信号，因此所采用的小波基也需要具有类似的特质。

选择的小波基必须具有一定阶次的消失矩，以此来获得声发射信号的奇异特性。

在信号处理经常用到的几种小波基中，Daubechies小波既能在时域表现紧支性，又在频域表现快速衰减特性；同时时域波形表现出震荡衰减特性，并且有一定范围的消失矩。根据大量试验结果比较分析，本文选择使用Daubechies小波。

③近似熵。

近似熵用来描述数据结构或数据维数发生变化时能够产生新模式的可能性，亦即产生新信号模式的可能性或概率[7-9]，所以是一个非负数。它以一种定量的方式描述信号在时间序列上的复杂程度。简单来说，如果某数据段的近似熵值越大，表明该数据段在时间序列上的随机性或不规则性越强，越不具有某种周期性，且越具有较高复杂度的数据结构；反之，数据段的熵值越小，说明数据更有可能具备周期性，数据结构也更简单、单一[10]。

将数据组成m维向量，即：

X(i)=[χ(i)χ(i+1)…χ(i+m-1)]

(6)

(7)

对m维向量的每一个i计算X(i)与除自身外的所有矢量X(j)(i=1,2,…,N-m+1)间的距离。

(8)

输出近似熵，即

(9)

近似熵是一个纯粹的标量，没有任何量纲。它的计算结果和m、r有很大关系。

根据多次试验表明，当m=2、r=(0.1～0.25)STD(STD为序列的标准差)时，近似熵计算结果呈现出理想的统计特征。近似熵在抗瞬态干扰方面有较强能力，同时包含着大量时间模式的信息，既体现数据结构复杂度和新模式产生概率之间的关系[12]，又体现数据在结构上的复杂性。近似熵只用很短的数据序列即可取得很好的效果，对随机过程和确定性过程都适用。

2 试验分析

①声发射检测系统。

该试验平台由一条直管和一条支管组成，直管和支管构成一条回路。试验管道全长9 m，可用来安放传感器的管道分别为AB段和CD段，总长为8 m。试验管径为DN20，检测平台设计的最大压力为1.6 MPa。声发射检测试验平台如图1所示。

图1 声发射检测试验平台示意图

本次试验平台所采用的声发射信号采集系统是由北京声华兴业科技有限公司生产的SAEU2S声发射系统，其基本工作原理如图2所示。

图2 声发射系统工作原理图

试验过程：将声发射传感器放置到AB段管道，打开空气压缩机和管道阀门形成一个气流通路，使传感器捕捉到声发射信号。

试验环境：该试验在安静的试验室内进行，经过在噪声环境下采集数据并比对，发现普通环境噪声不会给数据的分析带来误差，可以忽略。

试验记录：声发射信号经由传感器显示波形如图3所示。

图3 经传感器的声发射信号波形

②数据分析。

首先针对泄漏与非泄漏情况下采集到的声发射信号进行小波变换，分别提取其细节特征，并使用小波重构出新的信号，来更好地进行信号分析。将在燃气泄漏和不泄漏两种情况下分别采集到的信号用“db10”小波进行5层小波信号分解。由信号分解可知，试验采集到声发射信号的信息绝大部分蕴藏在小波分解得到的第一层、第二层和第三层细节信号中，因此，在进行信号的重构时，只采用前三层的细节信号，重构后的信号如图4所示。

图4 信号重构图

将采集到的序列取信号长度为20 000点，取长度2 000为一个矩形数据窗口，对窗口内的数据进行小波重构。针对重构之后得出的小波系数，计算它们的近似熵，重复以上步骤直到遍历最后一个数据。试验所得该段数据近似熵如图5所示，它说明了该段数据随着时间变化的信号复杂度变化情况。

由试验结果可知，在第七个和第八个数据窗口内数据的近似熵急剧增加，说明该段数据维数变化大、结构复杂，很有可能在此处出现燃气泄漏。为了验证设想，在保证其他条件不变的情况下，以燃气无泄漏和燃气有泄漏为变量采集数据，重新计算并比较近似熵如图6所示。

图5 重构后小波系数近似熵示意图

图6 泄漏与非泄漏情况下近似熵示意图

③试验结论。

由以上试验和数据分析可知，燃气泄漏和非泄漏情况下的信号经过小波变换处理后，其近似熵差距明显，可以作为燃气泄漏的一个判断指标。

3 结束语

本文将小波变换和近似熵相结合，引入到燃气泄漏检测领域，同时将近似熵的物理意义转化到实际应用中，为燃气泄漏检测提供了新的思路和方法。试验结果表明，本文介绍的小波重构与近似熵结合的燃气泄漏检测方法方便可行、效果明显，而且成本较低。

[1] GAO BK,SHI G J,WANG Q.Leakage detection of natural gas pipeline based on neural networks and data Fusion[C]//HarBin，China，Information and Control,2013:11171-1175.

[2] Cicero FF Costa FIllo,Roberlonio de O.Melo Marly G F C.An Improved System for Detecting Natural Gas Leaks[C]//London,UK,Science and Information Conference,2013:443-446.

[3] MOSTAFAPOUR A ,DAVOUDI S.Analysis of leakage in high pressure pipe using acoustic emission method[J].Applied Acoustics,2013,74(1),336-344.

[4] DAN X，DENG J.Acoustic emission detection and classification using wavelet-based power-law detector[J].UItransonics Symposium，2011,44(3)：1072-1075.

[5] 林丽，赵德有.近似熵在声发射信号处理中的应用[J]，振动与冲击，2008，27(2)：99-102.

[6] LU C X,TAN Y H,LIAO K.Cycle slip processing based on wavelet reconstruction for single-frequency GPS signal in kinetic precise point positioning[C]//IEEE,2013:2527-2532.

[7] 于凤芹.实用小波十讲[M].西安：西安电子科技大学出版社，2013.

[8] 熊小伏，林金洪.基于小波重构的电力电缆故障测距方法[J]，电网技术，2003，27(6):36-38.

[9] KANTERS K,SOLOMON S,HCHON K.Automatic selection of the threshold value for approximate Entropy[C]//IEEE Transactionson Biomedical Engineering,2008:1966-1972.

[10]FU L,HE Z Y.MAI R K.Approximate entropy and its application to fault detection and identification in power swing[C]//IEEE,2009:1-8.

[11]WANG B C,REN Z H.Application of complexity and approximate entropy on fault diagnoses[C]//ICNC,2010:3274-3277.

[12]董国亚,吴祈耀.应用近似熵对睡眠脑电进行分期的研究[J]，北京生物医学工程，1999(4):197-202.

A New Method of Gas Leakage Detection

In order to detect the leakage of urban gas pipelines,the experimental platform of gas pipeline transportation is built to collect the gas signal.Due to the acoustic emission signal of leakage is featuring complex patterns,diverse contents and rapid changes,the signal is decomposed and processed by using wavelet decomposition and wavelet reconstruction respectively; and the characterized reconstructed signal is highlighted in accordance with the original signal.Considering the difference complexity of patterns of leakage signal and non-leakage signal,the discrimination method based on approximate entropy is proposed.The experimental results show that the obvious gap exists between the approximate entropy values of two kinds of signals,thus these can be used to distinguish two kinds of signals; the method of approximate entropy can be used for gas leakage detection.

Natural gas Gas leakage Acoustic emission Discrete wavelet transform Wavelet decomposition Wavelet reconstruction Approximate entropy Signal acquisition

齐元利(1990—)，男，现为上海师范大学计算机技术专业在读硕士研究生；主要从事信号处理方向的研究。

TH7;TP212

A

10.16086/j.cnki.issn 1000-0380.201611007

修改稿收到日期：2016-01-05。