摘要
近年来，我国供热管道泄漏事故频发，不仅造成了经济损失和资源浪费，还给人民的生命财产安全带来了极大威胁。采用智能化的手段进行管道泄漏监测，预防泄漏事故的发生，具有重要的经济意义和社会效益。众多管道泄漏监测方法中次声波法因其灵敏度高、适应性强等优点，成为近年来的研究热点。但目前利用次声波法进行供热管道泄漏监测存在背景噪声干扰大，信号识别困难以及定位精度较差的问题。因此，本文针对泄漏信号去噪、识别以及泄漏点定位等方面展开研究，主要工作如下: (1)对管道泄漏发声机理进行了理论分析，建立了泄漏声源数学模型，分析了泄漏信号的含噪情况。考虑传统降噪方法的不足，提出了基于互补集合经验模态分解和小波阈值去噪的联合去噪算法(CEEMD-WT),引入了样本熵对CEEMD分解后的模态分量进行筛选，将筛选出的信噪混合分量进行小波阈值去噪后与有效分量一同重构。实验证明，CEEMD-WT去噪算法相较于CEEMD、小波阈值去噪的去噪效果更好。 (2)针对泄漏信号识别问题，提出了基于改进麻雀搜索算法的BP神经网络识别模型。利用Tent混沌映射、高斯变异以及动态步长调整因子改进了麻雀搜索算法(ISSA),基于ISSA对BP神经网络进行了参数优化。提取预处理后的泄漏信号特征，构建了识别模型输入向量，实验证明了该识别模型与BP、PSO-BP、SSA-BP等模型相比，识别精度更高、稳定性更好。 (3)针对基本互相关时延估计误差较大的问题，采用广义互相关进行时延估计，对比了不同加权函数时延估计的性能，对加权函数进行了优选。进一步，利用CEEMD-WT算法去噪后的泄漏信号，结合广义互相关时延估计进行泄漏点定位，实验验证了该定位方法相较于传统定位方法具有更高的定位精度。 (4)将所提出的信号去噪、识别定位方法嵌入管道泄漏监测软件中，分别在实验室平台和供热管道现场进行了实测，取得了良好的识别及定位效果，验证了方法的有效性以及适用性。
NETL