杜 颖, 李 宏, 刘庆强, 路敬祎, 李 富

(1. 东北石油大学 a. 电气信息工程学院； b. 人工智能能源研究院； c. 黑龙江省网络化重点实验室, 黑龙江 大庆 163318;2. 大庆钻探工程公司 钻井一公司, 黑龙江 大庆 163318)

0 引 言

天然气和石油作为最常用的能源主要通过管道运输, 而管道埋在地下会因为腐蚀、 老化等原因导致管道泄露, 管道泄漏不仅会造成严重经济损失, 污染环境, 严重时会发生爆炸造成人员伤亡[1-3]。因此管道泄露信号检测一直是研究的重点。管道泄露信号是非平稳信号且含有大量背景噪声, 在信号处理方面学者们也提出很多方法, 比如快速傅里叶变换(FFT: Fast Fourier Transform )、 小波变换(WT: Wavelet Transform)、 奇异值分解(SVD: Singular Value Decomposition)、 经验模态分解(EMD: Empirical Mode Decomposition)、 变分模态分解(VMD: Variational Mode Decomposition)等方法。傅里叶变换不适用于非平稳信号处理, 小波变换过分依赖小波基的选择, EMD在分解过程中产生模态混叠和端点效应[4-5]。VMD是Dragomiretskiy等[6]提出的一种自适应分解, 通过迭代搜索最优解获得中心频率和带宽, 进而获得模态函数, 有效抑制模态混叠。单纯VMD分解去噪效果不是最佳, 学者们提出许多与VMD结合的去噪法。王秀芳等[7]提出VMD和能量值相结合的去噪法, VMD分解得到K个模态, 计算每个模态的概率密度函数的能量值, 通过评估两个相邻能量值之间的变化选取有效模态重构信号。周怡娜等[8]提出一种基于云相似度测量的VMD去噪方法, 对信号进行VMD分解计算各模态与原信号之间的云相似度值, 区分有效分量和噪声, 对噪声分量进行小波去噪, 将滤波后的分量与有效分量重构得到去噪信号。……