劉煒，劉宏昭

?

基于結(jié)構(gòu)相似度的管道泄漏檢測(cè)定位法

劉煒1, 2，劉宏昭1

(1. 西安理工大學(xué)機(jī)械與精密儀器工程學(xué)院，陜西西安，710048；2. 陜西學(xué)前師范學(xué)院計(jì)算機(jī)與電子信息系，陜西西安，710100)

從時(shí)間序列角度出發(fā)，提出一種基于結(jié)構(gòu)相似度準(zhǔn)則的輸油管道泄漏檢測(cè)定位方法。首先采用局部投影降噪法去除動(dòng)態(tài)壓力波信號(hào)噪聲，其次驗(yàn)證并選取固定長(zhǎng)度的正常動(dòng)態(tài)壓力波信號(hào)子序列作為模板序列，并選取相同長(zhǎng)度的現(xiàn)場(chǎng)采集動(dòng)態(tài)壓力波信號(hào)作為被匹配序列，構(gòu)造兩子序列信號(hào)對(duì)應(yīng)功率譜，然后計(jì)算其歸一化功率譜之間的結(jié)構(gòu)相似度；最后，根據(jù)結(jié)構(gòu)相似度判定輸油管道是否存在泄漏現(xiàn)象，若發(fā)生泄漏，則自動(dòng)確定泄漏位置。研究結(jié)果表明：該方法可有效判定和定位輸油管道泄漏。

管道泄漏；動(dòng)態(tài)壓力波；異常檢測(cè)；模板匹配；結(jié)構(gòu)相似度

管道泄漏不僅影響生產(chǎn)、浪費(fèi)石油資源、污染環(huán)境，而且給人民生命安全、國(guó)家財(cái)產(chǎn)帶來(lái)巨大威脅，甚至影響國(guó)民經(jīng)濟(jì)可持續(xù)健康發(fā)展。輸油管道的泄漏檢測(cè)與定位[1?2]常用方法有4類(lèi)：質(zhì)量/體積平衡法、負(fù)壓波法、光纖測(cè)漏法、聲波法。它們將傳感技術(shù)、計(jì)算機(jī)技術(shù)、通信技術(shù)、信號(hào)處理技術(shù)和智能信息處理技術(shù)等結(jié)合起來(lái)。其中負(fù)壓波法和聲波法通過(guò)分析管道內(nèi)壓力信號(hào)判定泄漏，因其安裝簡(jiǎn)單、費(fèi)用低、檢測(cè)效果好被廣泛采用。信號(hào)的相關(guān)分析法[3]常與上述方法結(jié)合起來(lái)檢測(cè)和定位管道泄漏，在此基礎(chǔ)上發(fā)展了多尺度相關(guān)檢測(cè)法、廣義相關(guān)分析法、相關(guān)法與近似熵、EMD、小波包分解相結(jié)合方法、三階累積量的自適應(yīng)濾波時(shí)延估計(jì)法、復(fù)相關(guān)分析法等改進(jìn)相關(guān)分析法[4?9]，極大地提高了相關(guān)法泄漏檢測(cè)可靠性、靈敏度和有效性。在時(shí)延相關(guān)分析泄漏檢測(cè)定位法的啟發(fā)下，提出了基于模式識(shí)別原理的泄漏檢測(cè)定位方 法[10?12]，它們對(duì)獲得的信號(hào)波進(jìn)行分段處理，在不同的波形段內(nèi)選用不同的基元，形成波形結(jié)構(gòu)模式，再與標(biāo)準(zhǔn)的模式庫(kù)匹配，通過(guò)偏差來(lái)判斷是否發(fā)生了泄漏。該方法中，基元提取是關(guān)鍵。常用的基元提取方式包括分段符號(hào)法、分段積分法、多尺度小波變換法、經(jīng)驗(yàn)?zāi)B(tài)分解法等。但是，基于模式識(shí)別的泄漏檢測(cè)法存在不足，如信號(hào)表征有效性、分類(lèi)器學(xué)習(xí)非常耗時(shí)[13]等，不利于實(shí)時(shí)檢測(cè)要求。董東等[14?17]將采集信號(hào)序列看作時(shí)間序列，利用滑動(dòng)窗技術(shù)對(duì)現(xiàn)場(chǎng)采集的信號(hào)序列與無(wú)泄漏狀態(tài)下信號(hào)序列進(jìn)行Kullback信息測(cè)度計(jì)算并判斷是否有泄漏現(xiàn)象發(fā)生。該類(lèi)方法的本質(zhì)仍屬于模式匹配法，優(yōu)點(diǎn)是不需要壓力波信號(hào)特征且算法效率較高。本文作者以聲波法采集到的動(dòng)態(tài)壓力波信號(hào)序列為研究基礎(chǔ)，分析信號(hào)采集自長(zhǎng)輸直管道上下游安裝的動(dòng)態(tài)壓力傳感器，儀表輸出值反應(yīng)隨時(shí)間快速變化的壓力。實(shí)驗(yàn)信號(hào)采樣周期20 ms，即 2 min采樣6 000點(diǎn)。故文中信號(hào)為在每個(gè)采樣點(diǎn)處儀表采集到的管道內(nèi)壓力變化值。本文將采集信號(hào)視為時(shí)間序列，并計(jì)算功率譜，構(gòu)造正常壓力波信號(hào)功率譜模板，利用滑動(dòng)窗分析法和評(píng)價(jià)圖像質(zhì)量的結(jié)構(gòu)相似度準(zhǔn)則[18]，評(píng)價(jià)模板信號(hào)和待測(cè)信號(hào)的相似度，并對(duì)泄漏信號(hào)進(jìn)行定位。該方法計(jì)算簡(jiǎn)單、速度快，適合資源受限的嵌入式輸油管道泄漏檢測(cè)定位。

1 動(dòng)態(tài)壓力波信號(hào)局部投影降噪方法

現(xiàn)場(chǎng)采集的動(dòng)態(tài)壓力波信號(hào)不可避免地混雜了噪聲，掩蓋了真實(shí)壓力波信號(hào)特性?，F(xiàn)有壓力波信號(hào)降噪方法，如滑動(dòng)均值濾波、小波閾值去噪法等，在去噪的同時(shí)也去掉了信號(hào)本身的部分特征。本文采用局部序列投影降噪法[19]，提高壓力波信號(hào)信噪比的同時(shí)，保留原始采集序列的一般性特征。

1.1 局部投影降噪原理

其中：V為相點(diǎn)，是相空間中的一個(gè)態(tài)；=1, 2, …,；為嵌入維數(shù)；為延遲時(shí)間。

以任意一相點(diǎn)作為參考點(diǎn)，V相空間中2個(gè)相點(diǎn)之間的歐式距離為

與V同一領(lǐng)域的相點(diǎn)滿(mǎn)足條件L＜，為根據(jù)噪聲水平估計(jì)適當(dāng)選取的初始半徑。

構(gòu)造鄰域矩陣為

在鄰域內(nèi)線性化展開(kāi)并得到

(5)

觀測(cè)相點(diǎn)s包含的噪聲在維子空間投影為

(7)

則相點(diǎn)V的修正值為

1.2 局部投影降噪算法

針對(duì)輸油管道動(dòng)態(tài)壓力波信號(hào)，本文根據(jù)局部投影降噪原理提出降噪算法，步驟如下。

步驟3：選擇維對(duì)角權(quán)重矩陣，其中，其余對(duì)角元素為1，構(gòu)造相點(diǎn)協(xié)方差矩陣的按降序排列的特征值對(duì)應(yīng)的特征向量，得到個(gè)最小特征值對(duì)應(yīng)的特征向量，按式(6)得到維零子空間噪聲特征矩陣。

步驟4：計(jì)算每一個(gè)相點(diǎn)的修正值并復(fù)原信號(hào)，利用式(8)對(duì)該相點(diǎn)進(jìn)行修正，完成對(duì)壓力波信號(hào)的一次投影降噪。

步驟5：重復(fù)計(jì)算步驟1至步驟4，直至信噪比達(dá)到最大，均方根誤差達(dá)到最小為止。

某輸油管道長(zhǎng)30 km，上、下游動(dòng)態(tài)壓力傳感器采樣周期20 ms，采集原始動(dòng)態(tài)壓力波信號(hào)序列如圖1(a)和1(b)所示。采用局部降噪方法所得去噪后壓力波信號(hào)序列如圖1(c)和1(d)所示。

2 結(jié)構(gòu)相似度評(píng)價(jià)原理

為了評(píng)價(jià)圖像質(zhì)量問(wèn)題，文獻(xiàn)[21]給出了結(jié)合圖像灰度亮度比較、對(duì)比度比較以及結(jié)構(gòu)比較的結(jié)構(gòu)相似評(píng)價(jià)準(zhǔn)則。

2.1 亮度比較

(a) 上游動(dòng)態(tài)壓力波信號(hào)；(b) 下游動(dòng)態(tài)壓力波信號(hào)；(c) 上游去噪后壓力波信號(hào)；(d)下游去噪后動(dòng)態(tài)壓力波信號(hào)

圖1 輸油管道泄漏動(dòng)態(tài)壓力波信號(hào)

Fig. 1 Dynamic pressure wave signals of leaking oil pipeline

2.2 對(duì)比度比較

(10)

(12)

2.3 結(jié)構(gòu)比較

其中：

(14)

2.4 結(jié)構(gòu)相似度

結(jié)構(gòu)相似度的取值由上述3個(gè)分量的積得到：

(15)

3 基于結(jié)構(gòu)相似度的輸油管道泄漏檢測(cè)定位法

將評(píng)價(jià)圖像質(zhì)量的有參考模型評(píng)價(jià)法(即結(jié)構(gòu)相似度評(píng)價(jià)準(zhǔn)則)引入輸油管道上下游動(dòng)態(tài)壓力波信號(hào)序列分析中，提出一種充分挖掘壓力波信號(hào)幾何結(jié)構(gòu)特征的輸油管道泄漏信號(hào)檢測(cè)定位方法。

首先，取上下游長(zhǎng)度為1的正常信號(hào)模板序列r() (=1, 2;=1, 2, …,1)，計(jì)算其傅里葉變換信號(hào)功率譜pr() (=1, 2;=1, 2, …,1)，并將其歸一化處理為

其中：=1, 2;=1, 2, …,1。

分別計(jì)算其均值和方差為

；=1, 2 (19)

其次，取現(xiàn)場(chǎng)采集所得上下游壓力波信號(hào)去噪后序列x() (=1, 2;=1, 2, …,)，取長(zhǎng)度為1的子序列x,j() (=1, 2;=1, 2, …,?1;=1, 2, …,1)，其中。計(jì)算其信號(hào)子序列功率譜為px,j() (=1, 2;=1, 2, …,?1;=1, 2, …,1)，將其歸一化處理為

其中，=1, 2;=1, 2, …,?1;=1, 2, …,1。

分別計(jì)算其均值和方差為：

(22)

其中：=1, 2;=1, 2, …,?1。

最后，分別計(jì)算上下游動(dòng)態(tài)壓力波信號(hào)子序列與正常壓力波信號(hào)模板序列的結(jié)構(gòu)相似度：

(23)

其中：=1, 2;=1, 2, …,?1；；。

4 測(cè)試及分析

本文所出的基于結(jié)構(gòu)相似準(zhǔn)則的輸油管道泄漏檢測(cè)定位方法，從3方面進(jìn)行測(cè)試：1)可行性和有效性；2) 可靠性和魯棒性；3) 定位的準(zhǔn)確性。

4.1 方法的可行性和有效性測(cè)試

輸油管道無(wú)泄漏現(xiàn)象發(fā)生時(shí)，輸油管道上下游傳感器采集壓力波信號(hào)序列去噪結(jié)果如圖2所示。

現(xiàn)場(chǎng)采集輸油管道上下游泄漏動(dòng)態(tài)壓力波信號(hào)及去噪結(jié)果如圖1所示。該組壓力波信號(hào)中的上游信號(hào)采樣點(diǎn)次數(shù)為4 300~5 200之間發(fā)生異?，F(xiàn)象，下游采樣點(diǎn)次數(shù)為4 400~5 300之間發(fā)生異常現(xiàn)象，表明采樣點(diǎn)次數(shù)為4 300~5 300之間的時(shí)間段內(nèi)輸油管道發(fā)生了泄漏。分別選取圖2中1=50的上下游信號(hào)序列作為模板，采用滑動(dòng)窗法依次和圖1所示信號(hào)進(jìn)行歸一化功率譜之間的結(jié)構(gòu)相似度匹配，獲得結(jié)果如圖3所示。

(a) 上游動(dòng)態(tài)壓力波去噪信號(hào)；(b) 下游動(dòng)態(tài)壓力波去噪信號(hào)

(a) 上游壓力波信號(hào)結(jié)構(gòu)相似匹配結(jié)果；(b) 下游壓力波信號(hào)結(jié)構(gòu)相似匹配結(jié)果

由圖3可見(jiàn)：上游壓力波信號(hào)異常發(fā)生在采樣點(diǎn)次數(shù)為4 811，下游壓力波信號(hào)異常發(fā)生在采樣點(diǎn)次數(shù)為5 039。其檢測(cè)發(fā)生異常位置與真實(shí)壓力波信號(hào)發(fā)生異常范圍相吻合，表明本文所建議的歸一化功率譜結(jié)構(gòu)相似檢測(cè)法是有效的。

4.2 該方法的可靠性和魯棒性

為了研究正常壓力波信號(hào)選取差異對(duì)檢測(cè)定位的影響，以圖1所示的輸油管道發(fā)生泄漏時(shí)上下游動(dòng)態(tài)壓力波信號(hào)為例，探討不同正常壓力波信號(hào)模板子序列對(duì)檢測(cè)定位的影響。

對(duì)圖2所示的正常壓力波信號(hào)，任意選取不同時(shí)間采樣的長(zhǎng)度1等于50個(gè)采樣點(diǎn)的子序列100個(gè)作為匹配模板序列，用于圖1所示上下游動(dòng)態(tài)壓力波泄漏信號(hào)檢測(cè)和定位分析。通過(guò)大量測(cè)試發(fā)現(xiàn)，正常無(wú)泄漏模板子序列的選取對(duì)泄漏事件的前后端壓力波信號(hào)檢測(cè)和定位的準(zhǔn)確性無(wú)影響。

為了研究正常壓力波信號(hào)模板子序列長(zhǎng)度對(duì)泄漏檢測(cè)定位的影響，選取不同長(zhǎng)度的輸油管道無(wú)泄漏上下游壓力波信號(hào)模板子序列，對(duì)圖1所示的泄漏動(dòng)態(tài)壓力波信號(hào)進(jìn)行檢測(cè)定位測(cè)試，結(jié)果如表1所示。

表1 不同長(zhǎng)度壓力波信號(hào)模板的定位結(jié)果

由表1可見(jiàn)：正常壓力波信號(hào)模板子序列長(zhǎng)度對(duì)結(jié)構(gòu)相似準(zhǔn)則檢測(cè)定位結(jié)果有一定影響。大量測(cè)試結(jié)果表明：若模板子序列長(zhǎng)度1大于100時(shí)，其結(jié)構(gòu)相似準(zhǔn)則檢測(cè)定位結(jié)果基本穩(wěn)定。另外，無(wú)論是模板子序列長(zhǎng)度1選取小于等于50，還是大于100，其結(jié)構(gòu)相似準(zhǔn)則檢測(cè)定位法所對(duì)應(yīng)的最佳位置都屬于泄漏信號(hào)發(fā)生時(shí)所對(duì)應(yīng)的采集點(diǎn)數(shù)集合。一般而言，為了保證檢測(cè)定位結(jié)果的準(zhǔn)確性和可靠性，可考慮選取模板子序列長(zhǎng)度1為50~90之間的典型值如50，60，70和80，可以避免子序列長(zhǎng)度過(guò)長(zhǎng)導(dǎo)致計(jì)算量太大的不足。另外，將正常壓力波信號(hào)看作非線性時(shí)間序列，正常壓力波信號(hào)模板子序列長(zhǎng)度的最佳理論值應(yīng)是最小嵌入維數(shù)，可采用關(guān)聯(lián)維數(shù)法、互信息量法和Chao算法等[21?22]確定，但不利于嵌入式在線監(jiān)測(cè)系統(tǒng) 需要。

4.3 結(jié)構(gòu)相似準(zhǔn)則檢測(cè)定位法的準(zhǔn)確性

從圖1所示的壓力波信號(hào)波形曲線來(lái)看：輸油管道上下游檢測(cè)點(diǎn)距離，輸油管道泄漏位置距離上游壓力波信號(hào)采樣點(diǎn)實(shí)際值為0.5+100 (m)，若匹配模板子序列長(zhǎng)度1為50個(gè)采樣點(diǎn)時(shí)，采用結(jié)構(gòu)相似準(zhǔn)則定位法檢測(cè)到輸油管道泄漏位置距上游壓力波信號(hào)采樣點(diǎn)為0.5+228 (m)，于是獲得結(jié)構(gòu)相似準(zhǔn)則定位法誤差為128 m。若選取典型長(zhǎng)度為50，60，70，80和90的模板子序列，圖1所示的動(dòng)態(tài)壓力波信號(hào)采用結(jié)構(gòu)相似準(zhǔn)則泄漏定位(其定位結(jié)果如表1所示)誤差最大值為128 m，最小值為109 m。若模板序列長(zhǎng)度為200個(gè)采樣點(diǎn)時(shí)，其結(jié)構(gòu)相似準(zhǔn)則泄漏定位誤差為101 m。為30 km時(shí)，選取典型模板長(zhǎng)度所對(duì)應(yīng)相對(duì)誤差最大值為0.43%，最小值為0.36%。

5 結(jié)論

1) 從模板序列匹配角度出發(fā)，提出基于信號(hào)序列功率譜特征的幾何結(jié)構(gòu)相似準(zhǔn)則輸油管道泄漏檢測(cè)定位方法。

2) 通過(guò)實(shí)驗(yàn)驗(yàn)證任意時(shí)刻采樣長(zhǎng)度為50個(gè)采樣點(diǎn)的信號(hào)均可作為模板信號(hào)。

3) 實(shí)驗(yàn)驗(yàn)證提出方法簡(jiǎn)單、可靠、實(shí)用，不僅豐富了相關(guān)性理論在輸油管道泄漏檢測(cè)定位中的應(yīng)用，而且對(duì)于實(shí)際輸油管道在線監(jiān)測(cè)具有一定經(jīng)濟(jì)價(jià)值。

[1] ELLUL I R. Advances in pipeline leak detection techniques[J]. Pipes and Pipelines International, 1989, 34(3): 7?12.

[2] ELLUL I R. Advance in pipeline leak detection[J]. Pipeline Engineering,ASME,1991, 34: 15?19.

[3] GAO Y, BRENNAN M J, JOSEPH P F, et al. A model of the correlation function of leak noise in buried plastic pipes[J]. Journal of Sound and Vibration, 2004, 277(1/2): 133?148.

[4] 葛傳虎, 王桂增, 葉昊, 等. 基于廣義相關(guān)分析的泄漏定位[J]. 信息與控制, 2009, 38(2): 194?198, 205. GE Chuanhu, WANG Guizeng, YE Hao, et al. Leak location based on generalized correlation analysis[J]. Information and Control, 2009, 38(2): 194?198, 205.

[5] 楊進(jìn), 文玉梅, 李平. 基于相關(guān)分析和近似熵的管道泄漏聲信號(hào)特征提取及辨識(shí)方法[J]. 儀器儀表學(xué)報(bào), 2009, 30(2): 272?279. YANG Jin, WEN Yumei, LI Ping. Feature extraction and identification of leak acoustic signal in water distribution[J]. Journal of Projectiles, Rockets, Missiles, and Guidance, 2009, 30(2): 272?279.

[6] 毛海杰, 李煒, 馮小林. 基于EMD和相關(guān)分析的管道泄漏定位檢測(cè)研究[J]. 科學(xué)技術(shù)與工程, 2010, 10(19): 4628?4632. MAO Haijie, LI Wei, FENG Xiaolin. Investigation of method for pipeline leak detection and location based on EMD and cross-correlation[J]. Science Technology and Engineering, 2010, 10(19): 4628?4632.

[7] 張景川, 曾周末, 張兆偉. 基于小波包分解的多尺度互相關(guān)管道定位方法[J]. 納米技術(shù)與精密工程, 2011, 9(2): 162?167. ZHANG Jingchuan, ZENG Zhoumo, ZHANG Zhaowei. A location method for pipeline based on wavelet packet decomposition with multi-scale cross-correlation analysis[J]. Nanotechnology and Precision Engineering, 2011, 9(2): 162?167.

[8] 封皓, 靳世久, 曾周末, 等. 基于三階累積量及自適應(yīng)濾波時(shí)延估計(jì)的管道定位方法[J]. 振動(dòng)與沖擊, 2011, 30(9): 207?210. FENG Hao, JIN Shijiu, ZENG Zhoumo, et al. Location method for pipeline vibration based on third-order cumulant and adaptive filter time delay estimation[J]. Journal of Vibration and Shock, 2011, 30(9): 207?210.

[9] 劉一辛, 吳臣勇. 輸氣管道泄漏定位的復(fù)相關(guān)迭代算法[J]. 科技創(chuàng)新導(dǎo)報(bào), 2012(15): 51. LIU Yixin, WU Chenyong. Complex correlation iterated algorithm of Transport pipe leak location[J]. Science and Technology Innovation Herald, 2012(15): 51.

[10] 崔謙, 靳世久, 李一博. 模糊聚類(lèi)分析方法在管道泄漏檢測(cè)系統(tǒng)中的應(yīng)用研究[J]. 電子測(cè)量與儀器學(xué)報(bào), 2006, 20(2): 60?62. CUI Qian, JIN Shijiu, LI Yibo. Application and research of fuzzy cluster analysis in oil pipeline leak detection system[J]. Journal of Electronic Measurement and Instrument, 2006, 20(2): 60?62.

[11] 王明達(dá), 張來(lái)斌, 梁偉, 等. 基于獨(dú)立分量分析和支持向量機(jī)的管道泄漏識(shí)別方法[J]. 石油學(xué)報(bào), 2010, 34(1): 659?663. WANG Mingda, ZHANG Laibin, LIANG Wei, et al. Pipeline leakage detection method based on independent component analysis and support vector machine[J]. Acta Petroleum Sinica, 2010, 34(1): 659?663.

[12] 趙偉, 曾周末, 靳世久, 等. 基于歸一化小波能量系數(shù)的管道安全識(shí)別算法[J]. 納米技術(shù)與精密工程, 2012, 10(2): 147?153. ZHAO Wei, ZENG Zhoumo, JIN Shijiu, et al. Recognition algorithm based on normalized wavelet energy coefficients for the safety of pipeline[J]. Nanotechnology and Precision Engineering, 2012, 10(2): 147?153.

[13] 李煒, 張美玲, 毛海杰. 基于模糊RBF神經(jīng)網(wǎng)絡(luò)的管道泄漏檢測(cè)方法[J]. 蘭州理工大學(xué)學(xué)報(bào), 2009, 35(6): 79?83. LI Wei, ZHANG Meiling, MAO Haijie. Detection method of pipeline leak based on fuzzy RBF neural network[J]. Journal of Lanzhou University of Technology, 2009, 35(6): 79?83.

[14] 董東, 王桂增, 方崇智. 基于Kullback信息測(cè)度的長(zhǎng)輸管線的故障診斷[J]. 清華大學(xué)學(xué)報(bào)(自然科學(xué)版), 1989, 29(4): 37?44. DONG Dong, WANG Guizeng, FANG Chongzhi. Fault diagnosis for transort pipelines based on Kullbaclk information[J]. Journal of Tsinghua University (Science and Technology), 1989, 29(4): 37?44.

[15] WANG Guizeng, DONG Dong, FANG Chongzhi. Leak detection for transport pipelines based on autoregressive modeling[J]. IEEE Transaction on Instrument and Measure, 1993, 42(1): 68?69.

[16] THEODOR D P. Detection and diagnosis of model parameter and noise variance changes using sliding windows approach[J]. Recent Patents on Signal Processing, 2011, 1(1): 80?87.

[17] LIU S, YAMADA M, COLLIER N, et al. Change-point detection in time-series data by relative density-ratio estimation[J]. Neural Networks, 2013, 43: 72?83.

[18] ZHOU W, BOVIK A C, SHEIKH H R. Image quality assessment:from error visibility to structural similarity[J]. IEEE Transaction on Image Processing, 2004, 13(4): 600?612.

[19] 葉迎春, 張來(lái)斌, 梁偉. 天然氣管道泄漏音波序列局部投影降噪研究[J]. 中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010, 34(1): 118?124. YE Yingchun, ZHANG Laibin, LIANG Wei. Study of noise reduction of natural gas pipe line leakage acoustic series by local projection[J]. Journal of China University of Petroleum, 2010, 34(1): 118?124.

[20] SMITH L A. Intrinstic limits on dimension calculations[J]. Phys Lett A, 1988, 133(6): 283?288.

[21] SHI Jingzhuo, ZHAO Fujie, SHEN Xiaoxi, et al. Chaotic operation and chaos control of travelling wave ultrasonic motor[J]. Ultrasonics, 2013, 53(6): 1112?1123.

[22] 郭興明, 張文英, 袁志會(huì), 等. 基于EMD關(guān)聯(lián)維數(shù)和多重分形譜的心音識(shí)別[J]. 儀器儀表學(xué)報(bào), 2014, 35(4): 827?833. GUO Xingming, ZHANG Wenying, YUAN Zhihui, et al. Heart sound recognition based on EMD correlation dimension and multi-fractals spectrum[J]. Chinese Journal of Scientific Instrument, 2014, 35(4): 827?833.

(編輯 楊幼平)

Pipeline leak detection and location method based on structural similarity criteria

LIU Wei1, 2, LIU Hongzhao1

(1.School of Mechanical and Precision Instrument Engineering, Xi’an University of Technology, Xi’an 710048, China;2. Computer Science and Electronic Information Department, Shaanxi Xueqian Normal University, Xi’an 710100, China)

From the perspective of time series, a pipeline leak detection and location method based on structural similarity criteria was proposed. Firstly, the dynamic pressure wave signal noise was removed by local projection noise reduction method; secondly, the template sequence was validated and selected through the normal dynamic pressure wave signal subsequence with fixed length, and the matched sequence was selected by on-site acquisition dynamic pressure wave signal at the same length with which two sub-sequence signal corresponding power spectrums were calculated, and then the structural similarities between the normalized power spectrum were computed; finally, pipeline leaks based on the similarity of structure were determined if leaks occurred and the location of the leak was automatically determined. The results show that this method can determine and locate pipeline leak effectively.

pipeline leaking; dynamic pressure wave; anomaly detection; template matching; structural similarity criteria

10.11817/j.issn.1672-7207.2017.01.019

TE973

A

1672?7207(2017)01?0134?07

2016?01?20；

2016?03?14

陜西省教育廳科研計(jì)劃項(xiàng)目(16JK1184)；陜西學(xué)前師范學(xué)院科研基金資助項(xiàng)目(2016YBKJ074) (project(16JK1184) supported by the Education Department of Shaanxi Province；Project(2016YBKJ074) supported by Study Fund of Shaanxi Xueqian Normal University)

劉煒，博士，講師，從事信號(hào)分類(lèi)識(shí)別研究；E-mail: yoyotianxia@163.com