刘 畅，张引弟

(长江大学石油工程学院，湖北 武汉 430100)

1 引言

管道运输是近几年发展起来的一种新型且低成本的运输方式[1，2]，在油气运输过程中主要具有连续平稳、损失偏低和质量可靠等优势。凭借上述优势管道运输被认定为天然气生产和运输的主要方式，已经成为第五大运输工具。随着人类对清洁能源的需求越来越高，高质量和高传输能力的管道传输已经成为各大天然气项目的迫切需求。但是，随着天然气输送管道使用时间的不断增加，管道泄漏成为一个十分棘手的问题。如果无法及时定位泄漏点位置，长时间的气体释放会危害人类的身体健康，同时也会给生态环境带来一定程度的威胁。

为了有效解决上述问题，相关专家针对天然气管道泄漏定位方面的内容进行了大量的研究，例如李睿[3]通过龙格—库塔法构建天然气管道泄露定位模型，通过该模型对天然气管道泄漏进行模拟，经过计算获取泄漏点位置，实现定位。李凤等人[4]主要采用负压波—声波对天然气管道泄漏进行检测和定位。在上述两种方法的基础上，本文提出一种天然气长距离输送管道多泄漏点定位方法。经实验测试证明，所提方法能够获取更加精准的定位结果，同时还能够有效减少定位响应时间。

2 天然气长距离输送管道多泄漏点定位方法

2.1 天然气长距离输送管道泄漏点特征提取

噪声的消除过程就是增强信号初始阶段有利用价值的部分，抑制无用的部分，实现去噪作用[5，6]。具体的操作流程如图1所示。

图1 小波去噪流程图

1)选取最佳小波，以此确定小波分解层次，同时依次对其进行分解。

2)设定约束条件，将满足条件的高频系数依次进行量化处理。

3)通过小波分解获取不同层次下的高低频系数，进而实现一维小波重构。

结合上述分析，优先通过LabVIEW软件和采集板卡对天然气长距离输送管道泄漏数据进行采集，同时采用小波变换方法进行去噪处理。

设定实测信号为x(t)，则对应的希尔伯特变换H[x(t)]可以表示为

(1)

希尔伯特变换即进行90°的相移，其中对应的幅频特性H(w)如式(2)所示

(2)

式中，-jsgn(w)代表一个全通滤波器；j代表滤波器的总数；w代表权值。

在传统的傅里叶分析过程中，主要通过频率来描述信号的正弦和余弦波。对于任意一个实测信号x(t)而言，均可以对其进行Hibert变换，具体的表达形式如下

(3)

式中，y(t)代表信号经过Hibert变换后得到的结果。

采用x(t)和y(t)同时组建解析函数z(t)，具体的表达形式如下

z(t)=x(t)+iy(t)=a(t)ejϑ

(4)

式中，i代表时间序列的总数；a(t)代表相位函数；ejϑ代表幅值函数。

Hilbert-Huang变换在实际操作的过程中将瞬时频率设定为表征信号突变的基本量。分析Hilbert-Huang变换原理可知[7，8]，在基本模式分量的基础上，获取对应的经验模态分解方法，具体的操作步骤如下所示：

1)获取x(t)上全部局部极值点，将最大和最小点两者进行连接，获取x(t)对应的上下包络线fmax(t)和fmin(t)，两者的平均值表示为m(t)。

2)将x(t)和m(t)两者的差值记为h1(t)，具体的计算式如下

h1(t)=x(t)-m(t)

(5)

在理想状态下，h1(t)是一个基本模态分量。需要将h1(t)视为x(t)，重复上述操作步骤，直至h1(t)满足要求形成基本模式分量c1(t)为止，具体的表达形式为

c1(t)=h1(t)

(6)

3)当分解出一个基本模态分量c1(t)之后，通过x(t)减去c1(t)，即可得到剩余信号x1(t)，具体的计算式如下

x1(t)=x(t)-c1(t)

(7)

4)将x1(t)设定为全新的x(t)，同时重复上述操作过程，经过一一分解，得到如下形式的分解结果

(8)

经过分解获取不同信号的基本模式分量集后，需要对其进行Hilbert-Huang变换，进而获取瞬时频率和信号的内在频率变化特征。根据得到的变化特征，对各个模式分量进行Hilbert-Huang变换[9，10]，最终得到变换结果。

通过上述分析可知，小波变换是进行信号处理的第一步，采用小波变换进行信号处理的主要目的是重新划分信号所在频带，同时存储频段内的有效信息，对管道泄漏信号进行特征提取。结合实际需求，进一步确定信号的分解层数，选取最佳的小波类型，有效实现信号的小波分解。

在设定的约束条件下，对信号f(t)进行小波分解，根据分解结果能够全面反映信号f(t)的各种信息。经过小波变换之后，能够获取新的高频系数，采用matlab仿真软件对信号的高低频分量进行绘制，进而获取信号的变化规律。

使用小波变换对信号进行分解的过程中，获取信号的变化规律和运行状态，根据得到的结果设定阈值门限，同时实时调整小波系数，以完成信号去噪。其中，信号分解的具体过程如下所示：

1)根据相关需求选择最佳小波系数，以此为依据确定小波分解层数。同时使用Mallat算法对天然气长距离输送管道泄露信号进行分解，最终获取对应的尺度信号和高低频系数。

2)优先设定阈值的取值范围，然后根据设定的范围对细节系数依次进行调整。

3)将高低频两个部分的小波系数进行分解，通过分解结果完成一维小波重构，最终提取天然气长距离输送管道泄露特征。

2.2 天然气长距离输送管道多泄漏点定位

神经网络是对信息进行分布式存储和并行处理的网络，是由多个不同神经元共同组成的，各个神经元都是通过变换函数确定的。神经元的本质是针对输入和输出构建一个黑箱模型，全面反映各个函数之间的对应关系，模型的应用效果主要取决于网络结构和激活函数。

人工神经网络的应用领域十分广泛，同时获取了十分显著的研究成果。其具有智能分析和控制等功能，本文以广义神经网络为基础，对天然气长距离输送管道多泄漏点进行定位，广义神经网络主要由输入层、隐含层和输出层几个部分组成，其核心为：优先由径向基函数来构建隐含层节点，将输入向量在网络输入空间中直接映射已经建立好的隐含层，有效实现向量从低维到高维的转换，同时满足不同线性问题求解。

选择最佳的激活函数能够有效降低神经网络训练时间，构建稳定性和可靠性比较高的网络模型，同时将各个类型的函数设定为激活函数。本文选择非线性函数f(x)，具体的表达形式如式(9)所示

(9)

式中，k代表大于0的常数。

一般情况下，选择高斯函数设定为广义神经网络的基函数。其中，广义神经网络中输出值和输入值两者间的关系如式(10)所示

(10)

式中，p代表网络中全部节点数量；m代表传输管道中的异常信号；n代表天然气传输管道中的压缩因子；wij代表气体的流动速度；σ代表管道内的最高温度；ci代表气体常数。

多层感知器和径向基神经网络均是通过网络输入和输出获取对应的非线性关系，以更好完成非线性函数的逼近。由于描述天然气长距离输送管道多泄漏信号传输的过程中，采用数学模型进行计算获取的结果较为精准。所以利用数学模型获取实际传输时间差和理论时间差两者的差值。其中，模型输入为理论时间，输出则为管道不同点的坐标位置。以此为依据，构建基于广义神经网络的天然气长距离输送管道多泄漏点定位模型。当管道出现泄漏点时，可以通过计算得到实际时间差，同时将其输入到已经建立好的模型中，获取泄漏点位置。

在上述分析的基础上，以下结合广义神经网络构建天然气长距离输送管道多泄漏点定位模型，通过模型实现定位[11，12]，具体的操作流程如图2所示：

图2 天然气长距离输送管道多泄漏点定位流程

1)设定天然气管道发生泄漏的位置在上游测点的xL处，将step作为步长，从泄漏位置开始依次进行递增。step的取值越小，说明定位结果越准确；反之，则说明定位结果不准确。组建模拟泄漏位置序列xL[0，step，2*step，L]，同时将其设定为神经网络输入。

2)根据实际对象选择对应的定位模型，如果是输气管道，直接使用输气管道定位模型PH，具体计算过程如式(11)所示

(11)

如果是输油管道，直接使用输油管道定位模型，通过计算得到泄漏声波的传播速度∂p(P，T)和管道沿线的分布情况R，具体如式(12)所示

(12)

式中，Z(P，T)代表天然气传输过程中管道产生的压强；P代表天然气密度；RM代表通用气体的常数；M代表气体的质量。

3)在上述操作步骤的基础上，通过理论时间差计算公式获取和模拟泄漏位置所对应的理论时间序列，将其设定为网络的输入。

4)将理论时间差序列作为网络的输入，xL代表输出，建立理论时间差和泄露位置之间的关系。

5)当然气长距离输送管道多泄漏点发生泄漏时，计算实际泄漏信号被上下游捕捉到的实际时间差，构建天然气长距离输送管道多泄漏点定位模型，将实际时间差输入到模型中完成泄漏点定位。

3 仿真研究

为了证明所提天然气长距离输送管道多泄漏点定位方法的有效性，进行实验漏测试。优先利用瞬时模拟计算模型获取泄漏点在不同泄漏量条件下运输管道起点和终点流量之间的关系，具体实验结果如图3和图4所示。

图3 不同泄漏点对起点流量的影响

图4 不同泄漏点对终点流量的影响

分析图3和图4中的实验数据可知，随着泄漏量的持续增加，管道起始点的流量呈上升趋势；而终点流向呈直线下降趋势。

为了验证所提方法的有效性，将文献[3]方法和文献[4]方法作为对比方法，将三种方法的定位响应时间设定为测试指标，具体的实验结果如表1所示：

表1 不同方法的泄漏点定位响应时间对比结果

分析表1中的实验数据可知，采用所提方法进行泄漏点定位的时间比较短，且明显优于另外两种方法。主要是因为所提方法在进行多泄漏点定位的过程中，对泄漏点的特征进行提取，有效地简化了定位流程，进而达到缩短定位响应时间的目的。

为了验证所提方法的定位性能，以下实验测试重点对比三种不同方法的定位误差和定位相对误差。其中，两项测试指标的取值越小，说明定位结果越准确。利用图5给出详细的实验对比结果。

图5 不同方法的定位结果对比

分析图5中的实验数据可知，所提方法能够更加精准地定位天然气长距离输送管道发生泄漏的位置，避免重大事故的发生。而另外两种方法的定位结果不是十分理想，由此验证了所提方法的应用效果。

4 结束语

针对已有方法存在的不足，提出一种天然气长距离输送管道多泄漏点定位方法。经实验测试证明，所提方法能够有效降低定位响应时间，同时还能够获取精准的天然气长距离输送管道多泄漏点定位结果。管道泄漏定位技术在管道安全领域占据十分重要的地位，是一项十分复杂的工作，现阶段所提方法仍然存在不足，后续将对其进一步进行完善。