一種適應多種狀態變化的輸氣管道泄漏檢測系統及方法技術方案

一種適應多種狀態變化的輸氣管道泄漏檢測系統及方法包括一種適應多種狀態變化的輸氣管道泄漏檢測系統(簡稱本系統)及一種適應多種狀態變化的輸氣管道泄漏檢測方法(簡稱本方法)；本系統包括輸入模塊、輸氣管道傳輸機理模型、神經網絡補償模型、管道系統信號采集模塊、修正輸出處理模塊及誤差獲取模塊；本方法為建立輸氣管道數學模型、得出輸氣管道狀態空間方程、處理輸氣管道狀態空間方程的流量信號、建立RBF神經網絡以及驗證檢測模型。結合輸氣管道流動數學模型與基于知識的檢測方法，研究末端負載、管徑、管道彎曲、環境溫度、氣體波速及壓縮系數、管道水力摩阻系數等并監測輸氣管道泄漏。訓練管道模型，獲取適應管道工況變化的準確模型。

【技術實現步驟摘要】

本專利技術涉及一種適應多種狀態變化的輸氣管道泄漏檢測系統及方法，屬于自動控制及泄漏檢測技術以及氣體管道泄漏檢測領域。
技術介紹
經過幾十年的發展，國內外研究人員提出了多種管道泄漏檢測及定位方法并應用于工程實際。基于硬件的方法利用攜帶或安裝在管道上的各種不同機理的傳感器來檢測泄漏并進行定位，該方法是早期主要采用的泄漏檢測與定位的方法。目前，以軟件為主，軟、硬件相結合的基于監視控制與數據采集的泄漏檢測與定位技術受到廣泛的關注，并逐漸成為管道泄漏檢測技術的主流。基于軟件的檢測方法是依靠管道內流量和壓力的測量、質量和體積守恒、管道流動動力學模型等原理通過計算機編程來實現泄漏檢測。基于軟件的方法可分為基于信號處理的方法、基于知識的方法和基于管道數學模型的方法。基于信號處理的方法有負壓波法、質量/體積平衡法、壓力點分析法、聲波檢測法等；基于知識的方法有基于專家系統的方法、基于模式識別的方法、基于神經網絡的方法；基于數學模型的管道泄漏檢測與定位方法可分為瞬態模型法、濾波器法、系統辨識法等。申請號為201210563120.3，標題為“一種管道氣體泄漏檢測裝置”；申請號為200920293127.1，標題為“一種壓力管道泄漏測試裝置”；申請號為200620127803.4，標題為“一種地下管線泄漏檢測裝置”；申請號為200810104233.0，標題為“一種管道泄漏檢測系統”；申請號為201010002941.0，標題為“一種氣體管道泄漏檢測裝置”；申請號201220078512.6，標題為“用于氣體管道的漏點檢測定位系統”等，上述這些專利都是側重于設計利用各類傳感器和儀表檢測泄漏的裝置，屬于基于硬件的管道泄漏檢測技術。硬件檢測技術具有檢測準確、靈敏度高等優點，并且能夠確定泄漏位置和泄漏量的大小，但是硬件檢測技術具有明顯的缺點，這是因為硬件檢測需要在管線上布置大量的傳感器等硬件設備，安裝和維護成本非常巨大，并且對于埋地管線的檢測硬件檢測的復雜度將更大，目前一般不單獨作為管道檢測手段，通常配合軟件使用。申請號為201310169679.2，標題為“基于音波信號的輸氣管道泄漏檢測裝置與檢測方法”的專利，提出采用音波傳感器采集管道內流體動態壓力信號，對音波信號進行特征提取并進行泄漏判斷的方法。但音波傳感器采集到的動態壓力信號比較微弱，易受外界環境干擾，不宜遠傳。申請號為201310523173.7，標題為“一種管道泄漏實驗裝置及實驗方法”的專利，提出采用溫度計、體積流量計和壓力表等儀器，通過比較流體穩態泄漏速率計算值和測量值得到流體穩態泄漏速率修正模型，研究在不同工況下流體泄漏特征與規律，為管道維護和泄漏檢測提供依據。申請號為200610172271.0，標題為“基于人工神經網絡的管道泄漏的檢測方法”的專利，提出了采用神經網絡進行泄漏檢測，利用神經網絡法較強的適應性和預測能力，但缺乏物理基礎，對訓練樣本以外的數據，預測效果不佳，有時甚至與實際工業過程矛盾。申請號為201010004704.8，標題為“輸氣管道泄漏檢測定位裝置及其檢測定位方法”的專利，提出建立管內氣體流動的瞬態數學模型并采用特征線法進行求解，利用模型中壓力、流量計算值與壓力、流量傳感器實測值的誤差來判斷泄漏，由于機理模型在求解過程中需要進行一些簡化和近似，因此必然會帶來誤差。綜上所述，以上涉及氣體管道泄漏檢測方法和技術大多是通過壓力、流量、溫度、音波等各類傳感器檢測信號并進行信號特征分析提取泄漏信息的裝置和方法，各種泄漏檢測方法各有優缺點，單一一種泄漏檢測方法很難在各個性能指標上均達到良好的效果，如果將多種方法進行有機結合，取長補短，將可以提高泄漏檢測與定位的性能。本申請基于神經網絡的方法和基于管道數學模型的方法相結合，解決以下兩個方面的問題：一方面，本申請僅采用高精度壓力傳感器采集壓力信號，減少設備初期投資，節約成本；另一方面，將具有較好物理基礎的模型法與具有較強的適應性和預測能力神經網絡相結合，提高輸氣管道泄漏檢測精度。本申請致力于將“基于氣體管道流動數學模型的方法”同“基于知識的檢測方法”相結合，優勢互補，研究輸氣管道在末端負載變化、管徑發生變化、管道發生彎曲以及環境溫度、氣體波速、氣體壓縮系數、管道水力摩阻系數等參數變化的多種狀態下檢測模型的適應性，用于輸氣管道的監測及泄漏檢測，提出一種輸氣管道建模及泄漏檢測方法。
技術實現思路
本申請目的在于克服基于硬件的輸氣管道泄漏檢測技術成本高、運行維護困難以及基于傳統的輸氣管道傳輸機理模型適應性差、精度低的現狀，提出一種適應多種狀態變化的輸氣管道泄漏檢測系統及方法。本申請提出一種適應多種狀態變化的輸氣管道泄漏檢測系統及方法，包括一種適應多種狀態變化的輸氣管道泄漏檢測系統(簡稱本系統)及一種適應多種狀態變化的輸氣管道泄漏檢測方法(簡稱本方法)；其中，本系統包括：輸入模塊、輸氣管道、輸氣管道傳輸機理模型、神經網絡補償模型、管道系統信號采集模塊、修正輸出處理模塊及誤差獲取模塊；其中，所述的輸入模塊包括實際系統輸入、輸氣管道傳輸機理模型輸入及神經網絡補償模型輸入；其中，系統輸入、輸氣管道傳輸機理模型輸入及神經網絡補償模型輸入三者可以相同，也可以不同；實際系統輸入為管道的初始條件和邊界條件以及輸氣管道的各個參數；其中，所述的輸氣管道傳輸機理模型(后續簡稱“機理模型”)，其建立過程為：對氣體在輸氣管道中傳輸的連續性方程和運動方程進行推導和簡化，建立輸氣管道穩態和動態數學模型，并對輸氣管道非線性偏微分形式的數學模型進行求解，建立氣體管道狀態空間方程，并對模型中流量信號進行處理；其中，所述的神經網絡補償模型(后續簡稱“神經網絡”)，其建立過程為：由于RBF(Radial Basis Function，RBF)神經網絡既有生物背景又可以以任意精度逼近非線性函數，并且只要中心點選擇適當，只需要很少的神經元就可獲得很好的逼近效果，還具有唯一最佳逼近點的優點，本申請選取RBF神經網絡，確定網絡拓撲結構、網絡輸入向量和目標向量，建立神經網絡模型補償；并且在負載改變時的不同工況下進行網絡訓練和測試，補償輸氣管道傳輸機理模型因為多種狀態變化所帶來的誤差；其中，所述的管道系統信號采集模塊是指采用安裝在管道沿線各節點上的高精度壓力傳感器，對沿輸氣管道傳輸方向上各個節點壓力信號進行采集，即獲取本系統中壓力信號實測值；其中，所述的修正輸出處理模塊是指將輸氣管道傳輸機理模型的計算輸出值與神經網絡補償模型的輸出進行求和：其中，機理模型為主模型，神經網絡為補償模型，用于補償輸氣管道傳輸機理模型存在的誤差，主模型和補償模型結合，建立輸氣管道的混合模型，可以更好地監測輸氣管道運行狀態并判斷泄漏的發生，從而有效提高檢測精度；其中，所述的誤差獲取模塊計算輸氣管道各節點壓力傳感器實測值與機理模型計算輸出值之間的誤差，該誤差作為神經網絡訓練的輸出向量；誤差獲取模塊還計算壓力信號實測值與補償后輸氣管道的混合模型輸出值之間的誤差，該誤差平方和最小作為網絡訓練的目標值，該值接近于0或者越小越好；一種適應多種狀態變化的輸氣管道泄漏檢測系統各模塊的連接關系如下：輸入模塊與輸氣管道傳輸機理模型、神經網絡補償模型和管道系統信號采集模塊相連，修正輸出處理模塊與輸氣管道傳本文檔來自技高網...

【技術保護點】
一種適應多種狀態變化的輸氣管道泄漏檢測系統及方法，其特征在于：包括一種適應多種狀態變化的輸氣管道泄漏檢測系統(簡稱本系統)及一種適應多種狀態變化的輸氣管道泄漏檢測方法(簡稱本方法)；其中，本系統又包括：輸入模塊、輸氣管道、輸氣管道傳輸機理模型、神經網絡補償模型、管道系統信號采集模塊、修正輸出處理模塊及誤差獲取模塊。

【技術特征摘要】
1.一種適應多種狀態變化的輸氣管道泄漏檢測系統及方法，其特征在于：包括一種適應多種狀態變化的輸氣管道泄漏檢測系統(簡稱本系統)及一種適應多種狀態變化的輸氣管道泄漏檢測方法(簡稱本方法)；其中，本系統又包括：輸入模塊、輸氣管道、輸氣管道傳輸機理模型、神經網絡補償模型、管道系統信號采集模塊、修正輸出處理模塊及誤差獲取模塊。2.如權利要求1所述的一種適應多種狀態變化的輸氣管道泄漏檢測系統，其特征還在于：所述的輸入模塊包括實際系統輸入、輸氣管道傳輸機理模型輸入及神經網絡補償模型輸入；其中，系統輸入、輸氣管道傳輸機理模型輸入及神經網絡補償模型輸入三者可以相同，也可以不同；實際系統輸入為管道的初始條件和邊界條件以及輸氣管道的各個參數。3.如權利要求1所述的一種適應多種狀態變化的輸氣管道泄漏檢測系統，其特征還在于：所述的輸氣管道傳輸機理模型(后續簡稱“機理模型”)，其建立過程為：對氣體在輸氣管道中傳輸的連續性方程和運動方程進行推導和簡化，建立輸氣管道穩態和動態數學模型，并對輸氣管道非線性偏微分形式的數學模型進行求解，建立氣體管道狀態空間方程，并對模型中流量信號進行處理；所述的神經網絡補償模型(后續簡稱“神經網絡”)，其建立過程為：由于RBF(Radial Basis Function，RBF)神經網絡既有生物背景又可以以任意精度逼近非線性函數，并且只要中心點選擇適當，只需要很少的神經元就可獲得很好的逼近效果，還具有唯一最佳逼近點的優點，本申請選取RBF神經網絡，確定網絡拓撲結構、網絡輸入向量和目標向量，建立神經網絡模型補償；并且在負載改變時的不同工況下進行網絡訓練和測試，補償輸氣管道傳輸機理模型因為多種狀態變化所帶來的誤差。4.如權利要求1所述的一種適應多種狀態變化的輸氣管道泄漏檢測系統，其特征還在于：所述的管道系統信號采集模塊是指采用安裝在管道沿線各節點上的高精度壓力傳感器，對沿輸氣管道傳輸方向上各個節點壓力信號進行采集，即獲取本系統中壓力信號實測值；所述的修正輸出處理模塊是指將輸氣管道傳輸機理模型的計算輸出值與神經網絡補償模型的輸出進行求和：其中，機理模型為主模型，神經網絡為補償模型，用于補償輸氣管道傳輸機理模型存在的誤差，主模型和補償模型結合，建立輸氣管道的混合模型，可以更好地監測輸氣管道運行狀態并判斷泄漏的發生，從而有效提高檢測精度。其中，所述的誤差獲取模塊計算輸氣管道各節點壓力傳感器實測值與機理模型計算輸出值之間的誤差，該誤差作為神經網絡訓練的輸出向量；誤差獲取模塊還計算壓力信號實測值與補償后輸氣管道的混合模型輸出值之間的誤差，該誤差平方和最小作為網絡訓練的目標值，該值接近于0或者越小越好。5.如權利要求1所述的一種適應多種狀態變化的輸氣管道泄漏檢測系統，其特征還在于：各模塊的連接關系如下：輸入模塊與輸氣管道傳輸機理模型、神經網絡補償模型和管道系統信號采集模塊相連，修正輸出處理模塊與輸氣管道傳輸機理模型、神經網絡補償模型、管道信號采集模塊和誤差獲取模塊相連，誤差獲取模塊與管道信號采集模塊和修正輸出處理模塊相連。6.如權利要求1所述的一種適應多種狀態變化的輸氣管道泄漏檢測方法，其特征在于：具體步驟如下：步驟一、考慮到安裝流量計會破壞原流場而影響測試精度，還會造成壓力損失，在搭建一種適應多種狀態變化的輸氣管道泄漏檢測系統時，采用精度較高的壓力傳感器取代常規的管道泄漏檢測系統中的流量計，統一采集輸氣管道各個節點上的壓力信號；步驟二、將步驟一采集到的初始時刻輸氣管道各節點上的壓力值作為初始條件，輸氣管道首末端壓力傳感器在各個時刻采集到的壓力值作為邊界條件，初始條件和邊界條件以及管道的各個參數作為本系統已知的輸入條件；步驟三、基于輸氣管道傳輸連續性方程、運動方程和狀態方程建立輸氣管道傳輸機理模型；步驟四、建立神經網絡補償模型，并補償因為近似和簡化對機理模型帶來的誤差；經過上述步驟一到步驟四即完成了一種適應多種狀態變化的輸氣管道泄漏檢測方法。7.如權利要求6所述的一種適應多種狀態變化的輸氣管道泄漏檢測方法，其特征在于：步驟三輸氣管道傳輸機理模型的建立，其具體步驟如下：步驟3.1推導和簡化處理輸氣管道傳輸機理模型的連續性方程和運動方程，并結合氣體狀態方程，建立輸氣管道的動態偏微分方程形式的簡化數學模型；其中，所述的連續性方程為： ∂ p ∂ t + a 2 A ∂ q m ∂ x = 0 ]]>其中，所述的運動方程為： 1 A ∂ q m ∂ t + ∂ p ∂ x + p g a 2 s i n θ + λa 2 q m | q m | 2 DA 2 ...

【專利技術屬性】
技術研發人員：王軍茹，付興建，劉麗華，曹榮敏，王巧玲，
申請(專利權)人：北京信息科技大學，
類型：發明
國別省市：北京;11