基于虚拟声波的舰艇管网泄漏检测方法研究

林伟国，吴 震，王 芳

(北京化工大学 信息科学与技术学院，北京 100029)

0 引 言

舰艇的消防系统、冷却水系统、液压系统等都是影响舰艇可靠性、生命力的重要系统。由于舰艇终年航行漂泊于水上，加上腐蚀、焊缝、颠簸等因素，舰艇管道的泄漏难以避免。特别是在战时环境下，受损管段若得不到迅速修复或者隔离，可能造成舰艇内相关设备面临瘫痪的风险，威胁舰艇运行安全。因此，舰艇管网系统在发生泄漏事故后对泄漏位置及时、准确的探测定位对于保障舰艇生命力来说具有重大意义。

舰艇管网控制的核心问题是管网泄漏的实时监测及泄漏点的精确定位。目前，对管网泄漏监测定位的研究主要是针对城市供水管网，已有大量国内外学者在这方面做了不少研究，大体可以分为基于模型的方法和基于量测的方法。在基于模型的方法中，Mashford等[1]提出了一种基于SVM的管网泄漏辨识方法，通过判别管网中各个节点实测的压力值实现泄漏量的计算和定位；Myrna V.Casillas等[2]利用时域扩展分析方法对管网实测压力与管网水利模型的预估压力的差值进行分析，进而实现供水管网的泄漏检测；Jung等[3]提出一种基于流体模型和卡尔曼滤波的泄漏检测方法，通过比较实测流量与计算流量的差异实现管网泄漏的诊断。然而，随着管网结构、传感器安装位置、实际流量或者压力的改变，流体模型也会随之发生改变，因此该类方法通用性不强。为了克服这个缺点，Loureiro等[4]提出一种基于实测流量数据的管网故障诊断方法；Misiunas等[5]提出一种基于压力数据累加和（CUSUM）的管网泄漏诊断方法；Srirangarajan等[6]提出基于压力数据多尺度小波分析的管网泄漏检测方法。其中，基于流量计量的管网泄漏检测方法中由于流量表的安装和维护费用远远高于压力表，流量测量精度又难以保证, 且无法实现泄漏点定位，因此在实际应用中大多采用基于压力信号的管网泄漏诊断。

舰艇管网的泄漏检测与定位与单一管道有很大的不同。舰艇管网通常存在管道长度短、闭环管路多、定位精度和泄漏检测灵敏度要求更高等特点，传统的负压波法由于泄漏检测灵敏度低、压力跳变点难以精确确定等原因，已经难以适用。针对舰艇管网泄漏检测中这些特点，本文提出一种基于虚拟声波的管网泄漏检测与定位方法，通过在管网的各分支节点安装压力变送器，借助压力-声波转换模型（声波信号变送器数学模型）获得虚拟声波，实现泄漏的高灵敏度检测；通过判断泄漏声波通过分支节点上各个传感器的先后顺序关系[7]，实现泄漏信号传播方向的判别，进而实现泄漏管段及漏孔的准确定位。

1 舰艇管网泄漏监测系统组成结构

一个舰艇管网泄漏监测系统组成结构如图1所示。对于图1所示的管网，分别在其节点分支管段上安装一个同一精度、同一型号的压力变送器。同一节点的相邻2个压力变送器之间的安装距离取决于泄漏信号的传播速度和采样频率。然后按照从1开始的自然数给管网内的各节点、各分支管段以及每个节点分支管道上安装的压力变送器进行顺序编号，并把各个节点的压力变送器编号顺序与数据采集通道序号一一对应。

安装在管道各个节点分支管道上的压力变送器感测管道内部的压力，然后通过电缆把4～20 mA压力信号传输到高速并行数据采集模块，采集的数据通过USB总线传输给泄漏监测服务器，由泄漏监测服务器对采集到的数据进行压力-声波转换、异常信号检测、报警和定位。

2 管网泄漏虚拟声波检测和定位方法

2.1 虚拟声波泄漏检测原理

首先建立声波信号变送器的数学模型H（z），以实时采集的压力信号P（z）为模型的输入，则模型H（z）的输出即为虚拟声波信号Y（z）。虚拟声波泄漏检测原理如图2所示。

2.2 异常信号诊断

把干扰信号和泄漏信号都定义为异常信号，管网泄漏检测问题首先转化为节点的异常信号检测问题。引入节点异常信号判别矩阵的概念，假设当前所监测管网中共有n个节点，且该管网节点中最大分支数为d，则节点异常信号判别矩阵A可用n×（d+1）阶矩阵A=（ai,j）表示，如图3（a）所示。其中行号对应节点序号，每行的第1～d列对应每个节点的压力变送器序号（即高速同步采样模块的采样通道序号）。当第i行第j列配置了压力变送器时, ai,j=1（1＜j≤d），反之为0。ai,d+1是节点i的“异常信号标志位”。对于实时采集的各路压力信号, 通过公式Y（z）=P（z）*H（z）获得虚拟声波信号，然后采用基于迭代计算的异常信号无模型提取方法[8]对各路虚拟声波信号进行异常信号判断。当与节点i相关联的所有分支管道上压力变送器对应的虚拟声波信号中都检测到异常信号时，则认为该节点检测到了异常信号，其值为1；否则为0。在每次对应节点异常信号诊断之前，“异常信号标志位”都会被初始化为0。只有当2个及以上相邻节点都检测到异常信号时，才需要进行泄漏定位和报警。对应图1所示的管网，其初始的节点异常信号判别矩阵A如图3（b）所示。

2.3 异常信号传播方向判别与泄漏定位

为了达到识别干扰信号和确定泄漏管段的目的，当有大于等于2个以上相邻节点都检测到异常信号时，就需要确定异常信号的传播方向，只有当确定异常信号是从相邻节点对应管段的中间位置传入节点时，才能确定泄漏发生于当前管段, 为此引入异常信号传播方向判别矩阵的概念。

假设所监测管网中共有m条分支管段，则该管段相关节点的异常信号传播方向判别矩阵B则可以用阶矩阵B=（bi,j）表示，其中2*m为行数，d为节点最大分支数。如图4（a）所示。矩阵B是一个关联矩阵，它将所监测管网中的各管段、各节点以及各采集通道对一一对应起来。其中矩阵B的第1列（bi,1）为管段序号，第2列（bi,2）为bi,1管段对应的节点序号，由于每条管段对应2个节点，因此连续2行对应同一管段；第3列为所述节点分支管段上安装的压力变送器个数bi,3。

其后的bi,4～bi,2d+1为用于判断异常信号传播方向的采样通道序号，每个节点共需bi,3-1个“采样通道对”用于异常信号传播方向判断。如第4列bi,4与第5列bi,5为所述节点异常信号传播方向判断所需的2个压力变送器对应的一对采样通道序号；并且bi,4, bi,6,…bi,2d为相同的采样通道序号，对应于当前行中与bi,2节点序号相连管段上的压力变送器。bi,5, bi,7, …bi,2d+1分别为当前节点其他分支管段上安装的压力变送器对应的采样通道序号。对于管段分支数小于d的节点，其对应 bi,（2dd+2）, …, bi,（2d+1）位置以 0 赋值, 其中dd=bi,3为对应节点相邻的分支管段数。

其后的bi,2d+2～bi,3d对应存储的是由该（bi,3–1）个“采样通道对”对应信号计算得到的异常信号传播方向判别结果；bi,2d+2～bi,3d在每次异常信号传播方向判别前，其值均会被初始化为0；当由相应采样通道的“信号对”得出异常信号传播方向是由当前行中bi,1管段中间传播进入节点方向时（即流入节点方向时），定义异常信号传播方向为–1；反之，则为+1。对于bi,6～bi,2d+1中不对应实际信号采样通道的列位置（对应管段分支数小于d的中间节点），其相应的异常信号传播方向判断结果赋值为0。在bi,3d+1中存储所有异常信号传播方向判别结果值的累加和；对于管段分支数小于d的中间节点，其方向判别结果累加和值bi,3d+1需要乘上一个系数值：（d–1）/（bi,3–1）。

矩阵B中各元素值取值范围如下：bi,1∈[1, m], bi,2∈[1, n], bi,3∈[2, d], bi,4～bi,2d+1的取值范围为[1,n*d）。矩阵B形式如图4（a）所示, 对应图1所示管网结构，其相应的初始状态下异常信号传播方向判断矩阵B如图4（b）所示。

在矩阵B中，按照管段序号（bi,1）进行索引，若同一管段序号所关联的2个节点，其方向判别结果的累加和值bi,（3*d+1）均为“-（d-1）”，则认为该管段（即管段序号bi,1）发生泄漏。应用相关计算方法计算出该（bi,1）管段所对应的2个信号采样通道（序号为bi,4和b（i+1）,4）所对应的虚拟声波信号的时间差，应用直管段定位公式即可定位泄漏位置。

3 管网泄漏检测及定位实验

基于虚拟声波的管网泄漏检测及定位实验在图1所示的管网平台上进行，该管网管道全长98 m，管径为DN65的镀锌管，以水作为测试介质。在图1所示CH1-CH14位置共安装14只精度等级为0.065%的霍尼韦尔STG74 L压力变送器；并在L1～L7位置设置了7个球阀用于产生模拟泄漏。以16位A/D、1 000 Hz采样率实时、同步采集各通道压力信号，图5所示为L7位置模拟产生3 mm孔径泄漏时各个通道采集到的经过适当滤波后的压力信号。由于管道长度较短，各个压力变送器都感测到了泄漏信号。

根据图2所示的管道泄漏虚拟声波检测方法中声波信号变送器的组成结构，以声波传感器的灵敏度Ks=53 480 pC/105Pa代替声波传感器数学模型；当电压一级放大、电压二级放大和V/I转换电路的总增益为K=6；通带频率为0.03～20.4 Hz；离散化采样频率fs=1 000 Hz时，得到对应的声波信号变送器的离散化数学模型为：

把滤波后的各通道压力信号输入到式（1）所示的声波泄漏监测仪数学模型，得到对应各个通道的虚拟声波如图6所示。

对图6所示各路虚拟声波信号采用文献[8]所述异常信号无模型检测方法依次检测各路虚拟声波中是否存在异常信号。根据异常信号判别矩阵A中各压力信号采样通道与各节点的关联关系，对同一节点上的各路虚拟声波信号，清除非异常信号或在时间上没有重叠的异常信号，最终得到各路异常信号如图6的曲线所示，同时将矩阵A中该节点相应的“异常信号标志位”置1，其对应的节点异常信号判别结果如式（2）矩阵中第4列所示。

遍历矩阵A中的“异常信号标志位”为1的列，以其所在行号（对应节点序号i）为索引，在矩阵B中找到相应的节点，并根据与该节点相关联的“采样通道对”，计算该节点的异常信号传播方向及其累加和值bi,（3*d+1），结果如式（3）矩阵中第8～10列所示。

图7所示为L7位置发生模拟泄漏时，根据参考文献[7]所述方法获得的异常信号通过节点2中三路压力变送器的先后顺序关系。遍历矩阵B（式（3））中第10列可以发现：第7管段的节点2和节点5其对应的异常信号传播方向结果的累加和值均为-2，从而可以确定，管段7发生了泄漏。

运用上述方法，在0.25～0.35 MPa的管道压力下，以2～3 mm的泄漏孔径模拟泄漏，在图1所示7个模拟泄漏位置各重复了20次实验，异常信号传播方向和泄漏管道定位100%准确。上述实验结果表明：采用本文提出的基于虚拟声波的管网泄漏检测定位方法切实可行。

4 结 语

本文提出了一种基于虚拟声波的管网泄漏检测和定位的新方法，以实测压力为输入，通过压力-声波转换模型后，获得相应的虚拟声波信号。然后通过异常信号提取及异常信号传播方向判别实现泄漏管段的定位，最后通过相关定位实现泄漏孔的定位。本文提出的管网泄漏检测方法实现了压力传感器和声波传感器的有效融合，既克服了负压波法泄漏检测灵敏度低、定位误差大的缺点，又克服了实际声波信号变送器由于电气参数无法保证完全一致导致异常信号传播方向判断准确性差的缺点。模拟实验表明本文提出的基于虚拟声波的管网泄漏检测方法稳定可行。限于篇幅的关系，本文没有涉及多漏点和更小泄漏量条件下的泄漏检测和定位问题，这些问题有待后续进一步探讨。

参考文献：

[1]MASHFORD J, DE SILVA D, MARNEY D, et al. An approach to leak detection in pipe networks using analysis of Monitored pressure values by support vector machine[C]// International Conference on Network and System Security. IEEE, 2009:534-539.

[2]CASILLAS M V, GARZA-CASTANON L E, PUIG V.Extended-horizon analysis of pressure sensitivities for leak detection in water distribution networks: Application to the Barcelona network[C]//8th IFAC Symposium on Fault Detection, Supervision and Safety of Technical Processes.2012:401-409.

[3]JUNG D, LANSEY K. Burst detection in water distribution system using the extended Kalman filter[J]. Procedia Engineering, 2014, 70(2):902-906.

[4]VITORINO D. Water distribution systems flow monitoring and anomalous event detection: A practical approach[J]. Urban Water Journal, 2015, 13(3):1-11.

[5]MISIUNAS D, VÍTKOVSKÝ J, OLSSON G, et al. Failure monitoring in water distribution networks.[J]. Water Science &Technology A Journal of the International Association on Water Pollution Research, 2006, 53(4-5):503-11.

[6]SRIRANGARAJAN S, ALLEN M, PREIS A, et al. Waveletbased burst event detection and localization in water distribution systems[J]. Journal of Signal Processing Systems, 2013,72(1):1-16.

[7]林伟国, 王晓东, 戚元华,等. 管道泄漏信号和干扰信号的数字化判别方法[J]. 石油学报, 2014, 35(6):1197-1203.

[8]WANG F, LIN W, HE Z, et al. Adaptive abnormal signal extraction based on iterative computations[C]// Chinese Control and Decision Conference. IEEE, 2016:6994-6999.