基于同源性检验的干扰信号识别方法*

2019-12-20许春香许海涛林伟国

传感器与微系统 2019年1期

许春香，许海涛，林伟国

(1.郑州工程技术学院土木工程学院,河南郑州 450044； 2.北京化工大学信息科学与技术学院，北京 100029)

0 引言

目前，各国学者对于管道异常信号特征提取和泄漏点精确定位进行了大量的研究[1～4]。其中，基于声波的管道泄漏检测方法[5]由于具有较高的泄漏检测灵敏度和定位精度，且成本较低、容易实现，得到了更多的关注。在实际的基于声波的管道泄漏检测中,管道输送过程中由于调泵、调压、调阀等产生的干扰信号与泄漏信号具有较为相似的特征[6]。当由站点操作产生的干扰信号与泄漏信号出现在同一帧声波信号中时，泄漏信号往往被幅值较大的干扰信号淹没，信号整体相关定位的结果就会受到干扰信号的影响，如果不能对其进行有效识别并分离，极易造成定位不准甚至出现漏报和误报警。目前，干扰信号的识别方法主要包括基于模式识别的方法[7,8]和基于双传感器结构的方法[9～11]，其中模式识别的方法对干扰信号的识别难度大，不具备普遍性；而双传感器方法由于需要在管道上另行打孔装表，且其安装间距有一定要求，限制了其推广应用。

针对强干扰背景下站点干扰信号对声波泄漏检测的影响，本文提出一种基于同源性检验的干扰信号识别与分离方法。将泄漏信号和站点产生的干扰信号都归为异常信号，将由同一个信号源传播到首末站的异常信号称为同源信号。通过对首、末站声波信号中的异常信号进行一对一互相关延时估计，找出定位在站上的异常信号。以定位在站上的异常信号的传播衰减特性和互相关系数为特征，建立同源性检验支持向量数据描述(support vector data description,SVDD)模型，实现对来自站点的调泵、调压、阀门动作等干扰信号的识别和分离，消除干扰信号对互相关定位的影响，有效减少系统的误报和漏报，并提高泄漏点定位的精度。

1 同源性检验方法

对于定位在站点的同源干扰信号来说，其肯定具有2个特征：1)具有较高的波形相似性；2)满足信号的传播衰减规律。本文通过检验定位在站点的异常信号的同源性实现站上干扰信号的识别。本文中的同源性检验只针对定位在站点的首末站异常信号。

1.1 同源信号的波形相似特征

同源信号由同一个信号源产生，并安装在首末站点的声波传感器捕获，因此,同源信号具有一定的波形相似性，可由相关系数ρxy表征

(1)

式中Rxy(m)为首末站信号的互相关函数，μx和μy分别为首末站信号均值，σx和σy分别为首末站信号标准差。

对于定位在站上的首末站异常信号来说，相关系数越大说明信号越相似，但不能凭此就判定两异常信号为同源信号；相关系数较小仅能说明两异常信号不是同源信号的可能性较大。但同源信号的相关系数肯定在一个合理的范围内波动，因此,可作为信号同源性检验的一个特征。

1.2 同源信号的传播衰减特征

声波的传播规律是一个与时间和空间相关的函数，一般可描述为[12]

p=p0ej(ωt-kl)

(2)

式中p0为泄漏时刻的声压，k为波数，l为声波的传播距离，t为声波的传播时间，ω为声波的角频率。

理论上，从异常点到声波传感器的频率响应函数为

H(ω,l)=e-jωl/ceωβl

(3)

式中c为波速，β为衰减系数。

实际中，由于异常声波信号的频率集中在低频段。在低频条件下，管道满足线性声学的基本方程，可视为线性系统。根据卷积定理以及谱密度与相关函数的关系，可得到等效线性系统的幅频响应特性H(ω)

(4)

式中Sxy(ω)和Rxy(τ)为首末站异常声波信号x(t)和y(t)的互谱密度和互相关函数，Sx(ω)和Rx(τ)分别为首站异常声波信号x(t)的谱密度和自相关函数，FFT(·)为傅里叶变换函数。

在一定的传播距离l下，幅频响应H(ω)是一个随频率逐渐衰减的指数函数，但同源和非同源信号的波动特征有明显的差异。图1所示为一帧包含人工模拟泄漏信号和站上干扰信号的声波信号，其中一对一相关定位在站点的异常信号中既有非同源信号(Sx1和Sy1)也有同源信号(Sx2和Sy2)，对应的非同源信号的H1(ω)和同源信号的H2(ω)在低频段内的对比如图2所示。

图1 定位在站点的同源与非同源信号

图2 定位在站点的同源与非同源信号的H(ω)在低频段内的对比

由于背景噪声的影响H(ω)一般会在一定范围内波动，为了方便特征提取，取定位在站点的异常信号的幅频响应特性H(ω)在低频频带内的均值Hm作为判别信号同源性的另一特征

(5)

式中FR为频率分辨率(FR=fs/NF，fs为采样频率，NF为傅里叶变换的数据点数)，fL和fH分别为被选频带的边界频率，round(·)为四舍五入取整函数。

1.3 同源信号检验模型

本文将定位在站点的异常信号的相关系数及反映其传播衰减特性的幅频响应H(ω)在低频段内的均值作为特征值，利用SVDD方法建立同源性检验模型。

SVDD的基本思想在于建立一个封闭紧凑的超球体，将目标类样本全部或尽可能多地包含在该超球体内，形成中心为a，半径为R的超球体[13,14]，为了增强其分类的鲁棒性，引入松弛因子ξ，则超球体应满足

(6)

式中C为惩罚因子(常数)，起控制对错分样本惩罚程度的作用;S为样本个数。

SVDD决策函数定义为

(7)

式中xi,xj为支持向量；x为待测试向量；αi,αj为拉格朗日乘子；R为SVDD超球体半径；K(·)为核函数；f(·)为SVDD决策结果；若f(·)<0，即认为样本为同源性信号。

2 同源性检验方法实现

2.1 异常信号提取及一对一延时互相关定位

由于声波信号为正负相间的双极性信号，根据信号的过零点对一帧信号作正负区间划分(如图3所示)，可以得到NC个区间信号。将每个区间信号当作一个独立的信号，则一帧信号由NC个区间信号叠加而成

(8)

式中Si(n)=Dp(n)·[u(n-SS(j))-u(n-SE(j))]，u(·)为阶跃函数。SS(j)和SE(j)分别为每个区间的起始和结束时间，j为区间序号，j=1,…,NC。

图3 信号区间划分示意

在信号区间划分的基础上，采用基于迭代计算的异常信号自适应提取方法[15]可以到异常信号的个数和位置(包括区间信号的峰值Peak(j)及其位置PeakPos(j))，从而为一对一互相关定位创造条件。

图4所示为提取得到的首末站异常信号，其同极性异常信号一对一互相关定位关系如表1所示，其中符号“√”表示相关计算。

图4 提取得到的异常信号

2.2 同源性检验模型的建立

基于SVDD的同源性检验模型建立过程如下：

1)根据异常信号检测和互相关定位结果，选取同源信

表1 异常信号的一对一互相关计算关系

号样本S组。

2)根据式(1)计算同源样本信号的互相关系数极值CP作为特征一，Feast(1)=CP。

3)根据式(4)计算同源信号的幅频响应特性H(ω)。在选定的频带fL～fH内，根据式(5)计算H(ω)的均值Hm，作为特征二。由于Hm在均值Sm上下波动，按式(9)作归一化处理

(9)

式中sp为一常数，根据均值Hm的波动范围确定，S为同源信号的样本数。

构建特征向量Feat=[Feat(1),Feat(2)]。

4)选取合适的核函数K(·)，由S组特征向量训练SVDD模型，最终得到SVDD同源性检验模型。

2.3 案例学习

本文以某原油输送管道为例，其上游输送工艺如图5所示，泵a为大泵，泵b，c为小泵。在A，B两罐都满罐条件下，由大泵进行输送；当两罐液位接近1/2时，改为两个小泵进行输送。由于两小泵在输送过程中不可能始终保持同步，因此，在输送过程中每天会产生多达上百次的干扰信号，严重影响泄漏检测和定位。该原油输送管道的相关参数管道总长X为15.6 km,管道直径D为250 mm，首站压力为2.80 MPa，末站压力为0.67 MPa，声波速度c为1 194(m/s),人工模拟泄漏点距首站的距离为6.0 km,人工模拟泄漏孔径为5 mm,采样频率为50 Hz。

图5 原油输送管道上游输送工艺

根据异常信号提取及一对一互相关定位选取同源信号样本55组；然后分别计算特征值Feat(1)和Feat(2)，其中频带fL～fH的选取范围在1 Hz左右，当fL=0.2 Hz，fH分别取0.3，0.6，0.9，1.2，1.5 Hz时，其对应的Hm分布的均值和标准差分别为：1.505 9,0.671 6;1.421 1,0.506 6;1.414 9,0.481 0;1.384 6,0.386 5;1.449 2,0.478 0。

可以看出，当fH=1.2 Hz时，Hm分布曲线的标准差最小，即幅频响应曲线波动最小，因此，本文中选取的fL～fH为0.2～1.2 Hz，其对应的Hm分布曲线如图6所示，Hm在均值Sm(1.384 6)附近波动，且波动范围在0.54～2.23之间，取sp=3。同源信号样本特征CP和Hm(归一化后)如图7。

图6 同源信号样本特征Hm的分布曲线

图7 同源信号样本特征值

以上述55组同源信号样本的特征向量为输入，建立SVDD同源性检验模型。本文选取惩罚因子为1，即默认样本中不含非同源数据，以0误差将样本包围，实现同源信号和非同源信号的硬间隔分类。采用高斯核函数，当核函数中σ由0.01～1.00之间变化时，超球体半径R及支持向量的个数如图8所示。一般来说支持向量不宜过多，且超球体半径要适中，超球体半径过大容易造成漏报警，过小则容易造成误报警。综合考虑选定超球体半径R=0.514 6，对应核参数σ=0.76，此时支持向量数为4个。