路敬祎,李佳丽,侯轶轩,王冬梅,侯 男

(1.东北石油大学 三亚海洋油气研究院,海南三亚 572024;2.东北石油大学 人工智能能源研究院,黑龙江大庆 163318;3.东北石油大学 电气信息工程学院,黑龙江大庆 163318;4.黑龙江省网络化与智能控制重点实验室,黑龙江大庆 163318)

0 引言

近年来,随着我国经济的增长,石油、天然气等的储运量也不断增加,管线运输行业得到了迅速的发展。然而,长期使用后,因腐蚀、焊接、第三方损坏等因素,必然会引起管道运行异常,这样不仅会造成能源、经济、环境等方面的损失,还会威胁到工作人员的生命安全。因此,如何定位油气管道泄漏点[1-4]已成为国内外有关领域的迫切研究内容。我国自20世纪80年代开始,管道泄漏检测技术得到快速发展。目前,管道泄漏检测技术可以划分为三大类:人工巡检法、硬件检测法和软件检测法[5-6]。不仅如此,随着信息传输技术和电子计算机技术的不断发展,管道泄漏检测技术也逐步开始信息化和自动化的改革,将传统的泄漏检测方法与人工智能、物联网等新兴技术融合起来是一大标志。然而,在油气管道泄漏检测过程中,采集的泄漏信号会受到噪声信号的影响,这样不但会引发其误报警、漏报警,而且还会造成监测系统定位不准确的问题。因此,对所采集到的信号进行去噪处理,从而在复杂的环境与条件下,对管道泄漏点进行精确的辨识与定位,始终是该领域的重难点。

HUANG等[7]提出了一种新型的、根据信号自身的尺度特征来进行分解的去噪方式,称为经验模态分解(Empirical Mode Decomposition,EMD),其优点是基函数可以一开始就确定。……