基于自适应ICA和改进的RLS滤波器的流体管道泄漏定位方法

摘要

本发明涉及一种基于自适应ICA和改进的RLS滤波器的流体管道泄漏定位方法，属于管道泄漏检测领域。该方法包括：采用自适应CEEMDAN算法将采集到的泄漏振动信号分解为有限个IMF分量，通过计算各分量与其对应泄漏振动信号的欧氏距离滤除不相关的IMF分量，并利用筛选得到的IMF分量构造ICA中的观测信号矩阵，通过自适应ICA的最大似然估计将实时泄漏振动信号与管道的脉冲响应卷积进行强去相关和分离，得到源泄漏振动信号；利用TOPSIS算法自适应确定RLS滤波器的滤波阶数和遗忘因子；最后利用优化后的RLS滤波器对源泄漏振动信号的时延进行迭代计算，从而实现管道泄漏的定位。

说明书

技术领域

本发明属于管道泄漏检测领域，涉及一种基于自适应ICA和改进的RLS滤波器的流体管道泄漏定位方法。

背景技术

随着石油、天然气管道服役时间的增长，管道会因腐蚀或外力作用造成损伤，使得管道的健康状况逐渐恶化，传输安全不能得到保障，造成经济上的重大损失甚至危及人类的生命安全。在实际流体管道中，通过传感器采集的振动信号包含大量噪声，使得其信号自身信噪比降低，导致互相关时延估计误差大，从而影响了管道泄漏定位精度。所以需要对采集的管道泄漏振动信号进行去噪处理，提高信噪比并降低时延估计的误差，从而提高管道泄漏定位精度。孙立瑛等提出了一种基于经验模态分解(Empirical mode decomposition，EMD)的信号分析方法(孙立瑛，李一博，曲志刚，靳世久，周琰.EMD信号分析方法的声发射管道泄漏检测研究[J].振动与冲击，2007(10):161-164+195.)。该方法采用EMD将管道泄漏产生的声发射信号分解为多个平稳的固有模态函数(Intrinsic mode functions，IMF)，选择包含声发射特征的IMF分量进行重构，可以得到声发射信号的本质特征，去除噪声的干扰，再将重构的信号进行互相关分析，从而提高了管道泄漏的定位精度。但是，由于实际采集到的振动信号具有复杂性，EMD无法将具有不同特征时间尺度的成分完全分离开来，导致产生模态混叠现象，也就无法对管道泄漏进行准确定位。公开号为CN110939874A的专利申请(CN110939874A)公开了一种基于四阶累积量的管道泄漏振动信号自适应时延估计方法，首先将泄漏振动信号进行自、互四阶累积量运算得到一维切片，然后将这两个一维切片作为两个新的时域信号，采用递归最小二乘滤波器滤除相关噪声，从而提高了信噪比，减少时延估计误差，可以有效减少泄漏定位误差。但是这种方法不能消除泄漏点和传感器之间的脉冲响应对管道泄漏定位的影响，并且该方法中的递归最小二乘滤波器是根据人为经验来设置参数滤波阶数和遗忘因子，而这两个参数会影响递归最小二乘滤波器的收敛速度和跟踪性能，从而影响自适应时延估计的性能，故参数的设置不当会导致管道泄漏定位出现误差。

发明内容

有鉴于此，本发明的目的在于提供一种基于自适应独立成分分析(Independentcomponent analysis，ICA)和由优劣解距离法(Technique for order preferencebysimilarity to ideal solution，TOPSIS)改进的递归最小二乘法(Recursive leastsquare，RLS)滤波器的流体管道泄漏定位方法，用于解决实时泄漏振动信号与管道的脉冲响应发生卷积以及传统递归最小二乘滤波器中人为经验确定滤波阶数和遗忘因子所导致的泄漏定位精度不高的情况。

为达到上述目的，本发明提供如下技术方案：

一种基于自适应ICA和改进的RLS滤波器的流体管道泄漏定位方法，包括以下步骤：

S1：获取流体管道的泄漏振动信号；

S2：采用自适应噪声完备经验模态分解(Complete ensemble empirical modedecomposition with adaptive noise，CEEMDAN)算法将采集到的泄漏振动信号分解为有限个IMF分量，通过计算各分量与其对应泄漏振动信号的欧氏距离滤除不相关的IMF分量，并利用筛选得到的IMF分量构造ICA中的观测信号矩阵，通过基于自适应ICA的最大似然估计方法将实时泄漏振动信号与管道的脉冲响应卷积进行强去相关和分离，提取得到源泄漏振动信号；

S3：利用TOPSIS算法自适应确定RLS滤波器的滤波阶数和遗忘因子，从而优化RLS滤波器的收敛速度和跟踪性能；

S4：利用优化后的RLS滤波器对源泄漏振动信号的时延进行迭代计算，从而实现管道泄漏的定位。

该方法有效消除了泄漏点和传感器之间的脉冲响应对管道泄漏定位的影响，提高了信噪比，并优化了RLS滤波器的收敛速度和跟踪性能，降低了泄漏振动信号的时延估计误差，从而提高了泄漏定位精度。

进一步，步骤S1中，获取流体管道的泄漏振动信号，具体包括：流体管道泄漏产生的泄漏振动信号，沿管道向两端传输，被管道两端的加速度传感器拾取经采样后得到两路泄漏振动信号x

x

x

其中，t为离散时间变量，x

进一步，步骤S2中，对泄漏振动信号x

S201：求解第一阶模态分量，将服从标准正态分布的成对的正负高斯白噪声添加到待分解信号中，即有：

x(t)+(-1)

其中，k∈{1，2}，i＝1,2,3,...,N，k为系数，ε为噪声的标准差，n

S202：对添加噪声后的信号进行EMD分解，得到多个IMF分量；再对多个IMF分量求平均值，得到的均值

再求第二阶模态分量，将成对高斯白噪声加入到第一阶剩余分量r

重复上述步骤直到剩余信号不可分，最终得到n个模态分量，即为：

IMF

故管道泄漏振动信号x

其中，

S203：通过计算各IMF分量与其对应泄漏振动信号的欧氏距离来滤除不相关的模态分量，从而消除泄漏信号中的外部噪声，如下式(13)：

将两泄漏信号各自通过欧氏距离筛选得到的m个IMF分量构造为ICA中的观测信号矩阵，则有X

进一步，步骤S2中，采用的基于自适应ICA的最大似然估计方法，具体包括以下步骤：

S211：假设源信号有概率密度函数p

其中，W＝A

由于没有先验知识，只知道源信号之间相互独立，所以无法确定的p

S212：对于各模态分量构造的观测信号，有对数似然函数：

其中，T'为独立同分布观测数据的样本数；

然后，对似然函数L(W)做最大化处理，即可获得关于W的最佳估计；其中，最大化处理采用的是梯度下降法，将式(16)对W求导，结果如下所示：

当迭代出分离矩阵W时，即可得到S＝WX，从而可以还原出无管道脉冲响应的独立源信号，再对其进行ICA逆变换并累加，最后得到无管道脉冲响应的源泄漏振动信号z

进一步，步骤S3中，利用TOPSIS算法自适应确定RLS滤波器的滤波阶数和遗忘因子，具体包括以下步骤：

S31：构建决策矩阵：将收敛速度、均方偏差和失调量对参数滤波阶数(遗忘因子)的贡献值定义为决策矩阵；

S32：构造规范矩阵：对决策矩阵进行归一化处理，得到规范矩阵Z；

S33：构造加权矩阵：进一步确定各个量化评估指标的权重系数，并对步骤S32中的规范矩阵Z进行加权，得到加权矩阵Z

S34：寻找最优、最劣方案：最优方案

S35：确定最优解集：利用欧氏距离计算评估指标对最优、最劣方案的距离，并进一步得到不同参数值设置的相对接近程度作为参数的综合评估值，以确定参数的最优值。

进一步，步骤S4中，优化后的RLS滤波器的自适应时延估计，具体包括以下步骤：

S41：根据步骤S3中确定的滤波阶数和遗忘因子的最优值来设置RLS滤波器的参数，并进行初始化处理，如下式所示：

w(0)＝0，P(0)＝δ

其中，w表示权向量，P表示逆相关矩阵，δ表示正则化参数，当信噪比较高时，取小正数，当信噪比较低时，取大正数。

S42：将步骤S212中得到的源泄漏振动信号z

y(n)＝w

则有误差：

e(n)＝d(n)-y(n) (20)

经过如式(21)表示的中间变量矩阵k(n)，有权向量w(n)如式(22)所示：

w(n)＝w(n-1)+k(n)e(n) (22)

通过式(19)～(22)的多次迭代运算获得滤波器权系数曲线，然后根据式(23)和(24)得到峰值偏移得到时延估计τ；

D＝arg{max[w(n)]} (23)

τ＝D/f

其中f

进一步，步骤S4中，实现管道泄漏的定位，具体包括：在输水管道上进行了多次泄漏声波波速标定，将标定得到的声波波速c和第一传感器与第二传感器之间的距离L代入式(25)确定泄漏点位置；

其中，其中l

本发明的有益效果在于：本发明通过自适应ICA的最大似然估计法将实时泄漏信号与管道的的脉冲响应卷积进行强去相关和分离，并提取到源泄漏振动信号，提高了信噪比，然后利用TOPSIS算法自适应确定RLS滤波器的滤波阶数和遗忘因子，将RLS滤波器的收敛速度、均方偏差和失调量作为量化评估指标，利用TOPSIS算法对参数滤波阶数和遗忘因子进行评估，以确定二者的最优值，从而解决传统RLS滤波器因参数设置不合适所导致的收敛速度慢和跟踪性能差的问题，利用优化后的RLS滤波器对源振动信号的时延进行迭代计算，可以降低时延估计误差。由此，通过该方法可以消除泄漏点和传感器之间的脉冲响应对管道泄漏定位的影响，提升RLS滤波器的收敛速度和跟踪性能，提高管道泄漏定位精度。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明基于自适应ICA和改进的RLS滤波器的流体管道泄漏定位方法流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

流体管道泄漏产生的振动信号在沿着管道传输时，会与泄漏点和传感器之间的脉冲响应发生卷积，在此过程中还会产生外部噪声干扰，最终被管道两端加速度传感器拾取，对其进行采样后，两路泄漏振动信号分别表示为x

步骤1：获取供水管道泄漏振动信号；

流体管道泄漏产生的泄漏振动信号，沿管道向两端传输，被管道两端的加速度传感器拾取经采样后得到两路泄漏振动信号x

x

x

其中，t为离散时间变量，x

步骤2：利用CEEMDAN算法构造观测信号；

对步骤1中获取泄漏振动信号x

首先求解第一阶模态分量，将服从标准正态分布的成对的正负高斯白噪声添加到待分解信号中，即有：

x(t)+(-1)

其中，k∈{1，2}，i＝1,2,3,...,N，k为系数，ε为噪声的标准差，n

然后对添加噪声后的信号进行EMD分解，得到多个IMF分量；再对多个IMF分量求平均值，得到的均值

再求第二阶模态分量，将成对高斯白噪声加入到第一阶剩余分量r

重复上述步骤直到剩余信号不可分，最终得到n个模态分量，即为：

IMF

故管道泄漏振动信号x

其中，

然后通过计算各IMF分量与其对应泄漏振动信号的欧氏距离来滤除不相关的模态分量，从而消除泄漏信号中的外部噪声，如式(13)所示：

将两泄漏信号各自通过欧氏距离筛选得到的m个IMF分量构造为ICA中的观测信号矩阵，则有X

步骤3：自适应ICA算法的最大似然估计；

ICA是一个不断迭代优化的过程，可以实现从观测信号中分离出各独立成分，并使其最大程度接近各源信号。假设S(t)＝[s

X＝AS (15)

式中,X是观测矩阵，A为混合矩阵，S为源信号矩阵。

ICA实现的是在源信号矩阵S和混合矩阵A都未知时，由观测矩阵X估计出分离矩阵W，用输出矩阵Y估计出源信号S，即

Y＝WX＝WAS (16)

为了提取到源振动信号，需要估计出管道的脉冲响应，本发明采用基于最大似然估计的ICA算法。

首先，ICA的观测矩阵已经由步骤2筛选得到的各模态分量所构造确定，即X

其中，W＝A

由于没有先验知识，只知道源信号之间相互独立，所以无法确定的p

对于各模态分量构造的观测信号，有对数似然函数：

其中，T'为独立同分布观测数据的样本数。

然后，只需对此似然函数做最大化处理，即可获得关于W的最佳估计。其中，最大化处理采用的是梯度下降法，将式(18)对W求导，结果如下所示：

当迭代出分离矩阵W时，即可得到S＝WX，从而可以还原出无管道脉冲响应的独立源信号，再对其进行ICA逆变换并累加，最后得到无管道脉冲响应的振动信号z

步骤4：利用TOPSIS算法确定RLS的滤波阶数和遗忘因子；

由于RLS算法中的滤波阶数和遗忘因子是依靠人为经验确定的，这将导致基于RLS算法的自适应时延估计方法产生误差。本发明利用TOPSIS算法确定参数滤波阶数和遗忘因子的最优设置，以降低时延估计误差。

将RLS算法的收敛速度、均方偏差和失调量作为量化评估指标，用于对参数滤波阶数和遗忘因子的评估。将参数滤波阶数(遗忘因子)的值作为一个方案，各量化评估指标作为方案的属性，从而将参数优化问题转变成多目标决策问题，其具体流程如下：

(1)构建决策矩阵：将收敛速度、均方偏差和失调量对参数滤波阶数(遗忘因子)的贡献值定义为决策矩阵X＝(x

(2)构造规范矩阵：对决策矩阵进行归一化处理，得到矩阵Z。

(3)构造加权矩阵：进一步确定各个量化评估指标的权重系数，并对(2)中的规范矩阵进行加权，得到加权矩阵Z

(4)寻找最优、最劣方案：最优方案

(5)确定最优解集：利用欧氏距离计算评估指标对最优、最劣方案的距离，并进一步得到不同参数值设置的相对接近程度作为参数的综合评估值，以确定参数的最优值。

根据以上算法流程确定RLS算法中的滤波阶数和遗忘因子的最优值，从而实现对RLS滤波器收敛速度和跟踪性能的优化。

步骤5：利用改进的RLS滤波器自适应时延估计；

首先，根据步骤4中确定的滤波阶数和遗忘因子的最优值来设置RLS滤波器的参数，并进行初始化处理，如下式所示：

w(0)＝0，P(0)＝δ

其中，w表示权向量，P表示逆相关矩阵，δ表示正则化参数，当信噪比较高时，取小正数，当信噪比较低时，取大正数。

然后，将步骤3中得到的源泄漏振动信号z

y(n)＝w

则有误差：

e(n)＝d(n)-y(n) (22)

经过如式(23)所表示的中间变量矩阵k(n)，有权向量w(n)如式(24)所示：

w(n)＝w(n-1)+k(n)e(n) (24)

通过式(21)～(24)的多次迭代运算获得滤波器权系数曲线，然后根据式(25)和(26)，其中f

D＝arg{max[w(n)]} (25)

τ＝D/f

在实际泄漏检测中，通常采用实验的方式对充水管道中泄漏声波的传播速度进行标定，在输水管道上进行了多次泄漏声波波速标定，测得泄漏声波波速的均值，并以此作为泄漏声波的传播速度c。将标定得到的声波波速c和两传感器之间的距离L代入式(27)即可确定泄漏点位置。

其中，l

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。