沈偉偉

摘 要：目前管道系統(tǒng)的不確定和復(fù)雜性不斷增大，以往基于模型以及管道拓?fù)浣Y(jié)構(gòu)的診斷方法已經(jīng)不能滿足實(shí)際需求，對(duì)輸油管道的泄漏故障診斷精度及效率并不能達(dá)到預(yù)期目標(biāo)。因此，針對(duì)管道工況任務(wù)復(fù)雜且多變，且數(shù)據(jù)量大的情況，需要應(yīng)用數(shù)據(jù)驅(qū)動(dòng)的方式進(jìn)行管道建模，并且在分析原始數(shù)據(jù)的基礎(chǔ)上，挖掘數(shù)據(jù)的潛在特征，以此進(jìn)行管道泄漏故障診斷。

關(guān)鍵詞：管道系統(tǒng);故障診斷;復(fù)雜工況;數(shù)據(jù)驅(qū)動(dòng)

中圖分類號(hào)：TH133.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2019）13-0153-02

1 管道故障診斷的具體闡述

隨著目前管道系統(tǒng)日益多變且復(fù)雜的工況任務(wù)，以及設(shè)備量增加所造成的管道系統(tǒng)數(shù)據(jù)量驟增，管道系統(tǒng)的不確定和復(fù)雜性也不斷增大。所以，如何解決復(fù)雜工況條件下數(shù)據(jù)量驟增的管道泄漏故障診斷問題成為當(dāng)務(wù)之急。自編碼網(wǎng)絡(luò)是一種非監(jiān)督學(xué)習(xí)領(lǐng)域中的一種網(wǎng)絡(luò)結(jié)構(gòu)，其可以從無標(biāo)簽的樣本中學(xué)習(xí)特征，是一種基于對(duì)輸入信號(hào)重構(gòu)的一種神經(jīng)網(wǎng)絡(luò)，自編碼網(wǎng)絡(luò)可以提取出比原始數(shù)據(jù)更好的特征描述，具有較強(qiáng)的特征學(xué)習(xí)能力。相比傳統(tǒng)方法，基于深度學(xué)習(xí)的管道故障診斷方法可以避免傳統(tǒng)建模在復(fù)雜工況條件下對(duì)管道物理系統(tǒng)描述不足的弊端，并且管道故障診斷實(shí)際為多分類的問題，結(jié)合當(dāng)前管道工況任務(wù)復(fù)雜與數(shù)據(jù)量大的特點(diǎn)，所以深度網(wǎng)絡(luò)適用于現(xiàn)有管道泄漏故障診斷的研究。

綜上所述，本文提出了一種基于棧式自編碼網(wǎng)絡(luò)的管道泄漏故障診斷方法，用以實(shí)現(xiàn)復(fù)雜工況條件下的管道故障診斷。

2 基于棧式自編碼網(wǎng)絡(luò)的管道故障診斷模型

2.1 管道泄漏檢測(cè)模型

在管道泄漏檢測(cè)模型中，主要包含輸入原始數(shù)據(jù)、數(shù)據(jù)處理、特征提取、分類模型以及輸出最終預(yù)測(cè)結(jié)果五部分。

其中數(shù)據(jù)處理部分主要包含以下六部分：

（1）利用小波濾波方法對(duì)壓力與流量序列進(jìn)行濾波去噪，并在濾波降噪處理后進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理。

（2）由于壓力流量數(shù)據(jù)存在一定的相關(guān)性，所以利用KPCA對(duì)壓力、流量時(shí)間序列進(jìn)行約減，構(gòu)成約減后的時(shí)間序列矩陣。

（3）同時(shí)，為體現(xiàn)壓力、流量數(shù)據(jù)之間的時(shí)間相關(guān)性，計(jì)算步驟（2）中約減后時(shí)間序列中各個(gè)變量的DTW距離，構(gòu)成變量間距離矩陣。

（4）同理，同一時(shí)間閥門、泵機(jī)組的動(dòng)作也存在一定相關(guān)性，且同一時(shí)間所有設(shè)備并不同時(shí)動(dòng)作，換言之，同時(shí)刻只有部分設(shè)備動(dòng)作對(duì)管道狀態(tài)產(chǎn)生影響，所以利用KPCA對(duì)閥門、泵機(jī)組時(shí)間序列進(jìn)行約減，構(gòu)成約減后的時(shí)間序列矩陣。

（5）同理，計(jì)算步驟（4）中約減后時(shí)間序列中各個(gè)變量的DTW距離，構(gòu)成變量間距離矩陣。

（6）將以上步驟形成的矩陣與向量進(jìn)行組合，結(jié)合管線長(zhǎng)度、直徑、油品溫度，形成最終的一維向量形式數(shù)據(jù)。

2.2 管道泄漏定位模型

在管道泄漏定位模型中，管線其他數(shù)據(jù)與泄漏點(diǎn)位置不相關(guān)，所以僅適用管線兩端壓力數(shù)據(jù)、溫度數(shù)據(jù)、管線長(zhǎng)度、直徑作為網(wǎng)絡(luò)模型的輸入數(shù)據(jù)。

其中數(shù)據(jù)處理主要包含以下兩個(gè)部分：

（1）利用小波濾波方法對(duì)壓力與流量序列進(jìn)行濾波去噪，并進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理。

（2）將壓力數(shù)據(jù)、管線長(zhǎng)度、直徑、油品溫度，形成一維向量形式數(shù)據(jù)。

3 基于棧式自編碼網(wǎng)絡(luò)的管道故障診斷算法設(shè)計(jì)

3.1 基于棧式自編碼網(wǎng)絡(luò)的管道故障診斷模型訓(xùn)練

將所有自編碼器級(jí)聯(lián)形成棧式自編碼網(wǎng)絡(luò)，首先使用訓(xùn)練好的自編碼器參數(shù)初始化棧式自編碼網(wǎng)絡(luò)參數(shù)，然后利用管道故障樣本對(duì)棧式自編碼網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其采用與自編碼器相似的訓(xùn)練方式進(jìn)行訓(xùn)練。

自編碼器的損失函數(shù)中的標(biāo)簽實(shí)際為其自身的輸入值，而級(jí)聯(lián)后形成的棧式自編碼網(wǎng)絡(luò)的樣本標(biāo)簽為真實(shí)的管道數(shù)據(jù)標(biāo)簽，即管道的運(yùn)行狀態(tài)與管道泄漏點(diǎn)的位置，其中，管道泄漏檢測(cè)模型訓(xùn)練樣本的標(biāo)簽為：管道泄漏，工況調(diào)整，正常運(yùn)行;自編碼網(wǎng)絡(luò)的參數(shù)初始化并不需要隨機(jī)初始化，而是利用自編碼器訓(xùn)練好的參數(shù)作為棧式自編碼網(wǎng)絡(luò)的參數(shù)初始值。

3.2 基于棧式自編碼網(wǎng)絡(luò)的管道故障診斷算法

訓(xùn)練完成基于棧式自編碼網(wǎng)絡(luò)的管道泄漏故障診斷模型后，再利用該模型進(jìn)行管道泄漏故障檢測(cè)與泄漏點(diǎn)定位。首先，依照所述的數(shù)據(jù)處理方法，對(duì)輸入數(shù)據(jù)進(jìn)行處理，并形成管道故障診斷樣本。然后，利用管道泄漏故障檢測(cè)模型，對(duì)管道運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)。在檢測(cè)到管道發(fā)生泄漏故障時(shí)，再利用管道泄漏定位模型對(duì)管道泄漏點(diǎn)的位置進(jìn)行定位。最終，模型輸出管道是否發(fā)生泄漏故障，以及發(fā)生泄漏時(shí)泄漏點(diǎn)的具體位置，以此實(shí)現(xiàn)管道泄漏故障的實(shí)時(shí)診斷功能。

4 仿真分析

為驗(yàn)證本文設(shè)計(jì)的管道故障診斷算法的有效性，本文采用真實(shí)管道數(shù)據(jù)進(jìn)行實(shí)驗(yàn)仿真。輸油站場(chǎng)的數(shù)據(jù)采樣頻率為10Hz，在進(jìn)行管道泄漏故障診斷過程中，根據(jù)輸油現(xiàn)場(chǎng)實(shí)際泄漏故障情況，本文采用2min做為管道泄漏樣本時(shí)長(zhǎng)。針對(duì)所設(shè)計(jì)的管道故障診斷模型，管道樣本分為有標(biāo)簽樣本和無標(biāo)簽樣本兩種，經(jīng)過預(yù)處理后的數(shù)據(jù)組成輸入樣本，泄漏檢測(cè)模型輸入樣本維度為：1*2400;泄漏定位模型輸入的樣本維度為：1*1200。

針對(duì)所設(shè)計(jì)的管道故障診斷模型，管道樣本分為有標(biāo)簽樣本和無標(biāo)簽樣本兩種，泄漏檢測(cè)模型輸入樣本維度為：1*2400;泄漏定位模型輸入的樣本維度為：1*1200。自編碼器的特征表達(dá)能力如圖1所示。

針對(duì)管道泄漏檢測(cè)模型，本文采用模型分類的綜合F1-Measure與模型訓(xùn)練時(shí)間模型效果進(jìn)行衡量。首先，假設(shè)本文設(shè)計(jì)的管道泄漏檢測(cè)模型將管道運(yùn)行狀態(tài)分為兩類：正類別與其他類別。由此假設(shè)，管道泄漏檢測(cè)模型結(jié)果可以分為三種：正常運(yùn)行與其他類別、工況調(diào)整與其他類別、管道泄漏與其他類別。

針對(duì)管道泄漏定位模型，由于泄漏定位模型最終采用的是自編碼網(wǎng)絡(luò)與回歸模型相結(jié)合的方式，所以對(duì)于泄漏定位模型仍然使用均方誤差來衡量模型的定位效果，并且使用回歸曲線來定性的衡量泄漏定位模型的定位效果，效果圖如圖2所示。

5 結(jié)語

本文針對(duì)輸油管道工況日益復(fù)雜的情況，從多源管道數(shù)據(jù)的角度出發(fā)，提出了基于棧式自編碼網(wǎng)絡(luò)的復(fù)雜工況條件下的管道故障診斷方法。在復(fù)雜工況條件下，基于棧式自編碼網(wǎng)絡(luò)的管道泄漏檢測(cè)方法優(yōu)勢(shì)尤為明顯。因?yàn)樵谠摋l件下，棧式自編碼網(wǎng)絡(luò)相對(duì)于其他方法能夠更好的擬合管道數(shù)據(jù)，并且從數(shù)據(jù)中提取有效的特征進(jìn)行管道泄漏檢測(cè)，因此，相較于普通的機(jī)器學(xué)習(xí)算法和傳統(tǒng)的負(fù)壓波算法，其泄漏檢測(cè)準(zhǔn)確率有非常顯著的提升。實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)的基于棧式自編碼網(wǎng)絡(luò)的管道泄漏檢測(cè)方法在本次實(shí)驗(yàn)管段上，復(fù)雜工況條件下泄漏檢測(cè)準(zhǔn)確率達(dá)到94.75%，定位平均相對(duì)誤差可降至1.45%，管道故障診斷指標(biāo)明顯優(yōu)于其他方法。

參考文獻(xiàn)

[1] 許倩文，吉興全，張玉振，李軍，于永進(jìn).棧式降噪自編碼網(wǎng)絡(luò)在變壓器故障診斷中的應(yīng)用[J].電測(cè)與儀表，2018，55（17）：62-67.

[2] 楊夢(mèng)鐸，欒詠紅，劉文軍，李凡長(zhǎng).基于自編碼器的特征遷移算法[J].智能系統(tǒng)學(xué)報(bào)，2017，12（06）：894-898.

[3] 胡旭光，馬大中，孫秋野，王占山，李曉瑜.基于要素矩陣觸發(fā)的管道異常分布式檢測(cè)[J].控制理論與應(yīng)用，2017，34（08）：1035-1045.

[4] 馬大中，胡旭光，孫秋野.基于大維數(shù)據(jù)驅(qū)動(dòng)的油氣管網(wǎng)泄漏監(jiān)控模糊決策方法[J].自動(dòng)化學(xué)報(bào)，2017，43（08）：1370-1382.

[5] 劉金海，馮健.基于模糊分類的流體管道泄漏故障智能檢測(cè)方法研究[J].儀器儀表學(xué)報(bào)，2011，32（01）：26-32.

[6] 劉金海.基于混沌時(shí)間序列分析的輸油管道泄漏故障診斷方法研究[D].東北大學(xué)，2009.

[7] 馮健，張化光.管道監(jiān)控技術(shù)現(xiàn)狀與發(fā)展趨勢(shì)[J].信息技術(shù)，2003（12）：41-43.