基于数据融合的输油管道漏油检测系统的设计

马骏驰，杨桂花，郝淑娟

(大庆师范学院 物理与电气信息工程学院，黑龙江 大庆 163712)

0 引言

目前，针对管道泄漏检测与定位这一问题，国内外所采用的方法可以分为直接检漏技术和间接检漏技术两大类，其中间接检漏技术主要有负压力波检漏法、流量平衡检漏法、压力梯度法、声信号分析法和统计检漏法等。由于采用单一检测手段存在时间与空间上的局限性，因此可将信息融合技术应用于管道泄漏检测与定位系统中，采用一定的信息融合方法得出准确的报警信息[1-2]。

信息融合方法主要用在数据采集层和数据的传输过程当中，数据采集层使用贝叶斯估计数据融合算法，用于减少传感器网络的信息冗余，减少能量的消耗，延长网络的工作时间；数据的传输过程中采用模糊推论数据融合方法，用于减小传输数据，提高数据的准确性和稳定性[3]。

1 输油管道漏油检测系统设计原理

本输油管道漏油检测系统设计框图如图1所示，系统的前端传感器能对输油管道当中的流量、液压参数进行探测和采集，经数据融合处理之后，将输油管道泄漏点定位信息通过GSM无线模块进行无线传输，远程监测端可采用手机客户端或上位机数据管理软件接收信息，从而达到远程无线监测的目的。

图1 系统设计原理图

3 数据融合算法研究

通常，数据传输的方法是从终端节点直接输送原始数据到传输模块节点上并转发。为了提高GSM网络的鲁棒性和准确性，需要在监测区域内安置大量监测节点，而大量监测节点会导致重叠现象，因此各节点的信息可能是非常相似或相同的。原始数据的冗余不仅会浪费有限的电池能量，还会占用通信的带宽。更重要的是，频繁的渠道竞争会降低信息收集的效率。鉴于这种情况，我们在数据采集和传输阶段提出了相应的数据处理方法，具体介绍如下：

3.1 数据预处理算法

系统设计中，考虑到用大量节点检测一个参数的应用中，传感器获得信息的过程必然存在一些干扰误差，因此在对传感器测得数据进行数据融合之前，必须保证测量数据的一致性，即验证传感器的一致性。在保留“一致性传感器”数据时，我们使用分散的方法消除从错误的情况下传感器获取的误差数据。假设有M个传感器测量一参数，测量得到N个数据。这些数据从大到小的顺序为：X1，X2,…,Xn，中位数为Xm，Xm表示为式(1)。

(1)

定义1：下四分之一点N0是在区间[Xm+1，Xn]的中间；上四分之一点N1是在区间[X1，Xm-1]中间；置信阈值DS=N1-N0。因此，无效数据定义的区间为：

|Xi-Xm|>βDS；i=1，2，…n

(2)

式(2)中的β是个常量，它的值与测量精度有关，在本设计中将它设定为1。

实际的测试过程中，我们从10个传感器的监测值中获得100个数据样本。通过分析100个样本，我们排除了21%的过失误差值，有效地排除不相干数值的干扰，使样本信息数据减少到79个。经过多组测试发现，中位数Xm和置信阈值DS的选择与极限点的尺寸无关，与传感器的分布有关，这些传感器在有效范围内获取的数据没有可疑数值，具有鲁棒性。

3.2 基于贝叶斯估计理论的数据融合算法

数据融合的主要思想：从不同的节点去除无效和信誉差的数据，结合信息处理提高共通效率。在数据应用层提出一种基于贝叶斯估计理论的数据融合算法，该方法认为通过贝叶斯估计能使描述事件的数据合并为一个最佳的数据，从而减少传感器网络信息的冗余。而我们恰好可将处理后的数据作为最后的结果发送到收集节点[4]。

贝叶斯定理描述如下：

(3)

(4)

上述方程是关于μ的二次函数。P(μ|X0，X1，…，Xi)符合正态分布，如果假设它符合正态分布N(μN，σN2)，那么可以得出：

(5)

(6)

因此，μ的贝叶斯估计(最优融合数据)为：

(7)

因此，通过该算法设置融合数据，可以得到最优的融合数据。

3.3 模糊推理算法

为了更好的为用户提供收集的结果和准确可靠的监测信息，前端传感器依据贝叶斯估计算法最优数据融合的理论，除去了一定量的冗余信息，而在数据通信过程中还会有一些冗余产生，所以在远程相互作用之前，使用数据融合的模糊推理决策方法，通过提高数据的标准达到最大的数据融合。模糊推理融合方法原理如图2所示：

图2 模糊推理融合原理图

其中，模糊推理决策方法包括输入和输出的模糊化、成员功能设置和决策规则推理等。模糊推理决策方法被定义为：在多传感器信息融合情况下，若A是可能产生决策的事件点，B为传感器设置点，A和B的关系矩阵为RA·B。元素μij表示传感器i推断决定是j的可能性，X表示每个传感器事件发生判断的可信度。通过模糊变换可得到Y，Y表示事件决策的概率。假设有M个传感器观察一个事件，而关于此事件有N种可能的决策情况，则：

A：{Y1/决定1，Y2/决定2，…，Yn/决定n}；
B：{X1/传感器1，X2/传感器2，…，Xm传感器m}。

传感器用来判断每个对于隶属函数A的定义的决定，假设传感器i确定的系统结果是μi1决定1、μi2决定2、μi3决定3……μin决定n，0≤μx≤1 ；结果的可能性j是μij，用矢量表示μi1，μi2，μi3，…，μin，传感器M组成的关系矩阵A×B为

(8)

各传感器的可靠程度确定隶属度B：X={X1/传感器1，X2/传感器2，…，Xm/传感器m}；然后根据Y=X*RAB，通过模糊变换，结果能够得到Y=(Y1，Y2，…，Yn)。综合判断之后得出不同的决策结果Y的可能性。最后，根据一定的规则对所有可能的选项判断并得出最佳结果。

4 实验

测量结果认为基于贝叶斯估计的数据融合理论比其他方法更接近被测量的真值。在实际应用中，大量的测量参数是分散的，基于贝叶斯估计的数据融合算法能更好地提高测量值的准确性[5]。之后我们在仿真试验情况下，利用模糊推理融合算法对这些测量值处理，并最终得出输油管道漏油信息。以下为实验数据：

液压传感器的隶属函数值为μ1，确定漏油的数值为μ11=0.4，不漏油的数值μ12=0.6。流量传感器的隶属函数值为μ2，确定漏油的数值为μ21=0.65，不漏油的数值μ22=0.35，因此可以得出

(9)

传感器的加权X=(0.4，0.6)，根据方程Y=X*RAB，可以得出结果。Y1代表漏油，Y2代表不漏油。做模糊变换我们能得出Y1=0.39，Y2=0.61。所以可以得到它可以推断漏油的可能性，当漏油事件发生时传感器数据达到一些参数的极限值，并给予警告标志。

为了减少了单传感器因错误数据产生的误报事件，因此进一步压缩数据，提高数据的准确性，可靠性。通过无线通信模块将数据提供到远程用户上，完成实时远程监测。

5 结语

本文基于GSM技术远程漏油监控无线传感器网络的建立，对数据融合算法在数据处理中的应用进行了深入探讨，可以得到如下结论：

1)它是获取一致性数据策略的分布式方法，它可以提高不确定性的适应性。并可以提供有效的数据；

2)它是贝叶斯估计理论数据融合方法测量获得接近真实值的数据测量；

3)模糊推理数据融合的结果与单一的传感器检测结果相比，前者有更高的准确性和可信度。但该方法设置各种参数需要反复实验验证，才能获得最佳参数配置。

通过分配方法和贝叶斯估计理论数据融合的结合，我们可以得到一个接近真值的最优融合数据，提高了数据采集系统的精度，可以降低网络信息冗余，提高数据的可靠性，延长网络寿命。在某种程度上，它扩大了GSM应用范围，提高了系统的整体性能。

[参考文献]

[1] 赵江,王昭雷,赵英宝.基于信息融合的管道泄漏检测应用研究[J].工业控制计算机，2007,20(12):19-20.

[2] 李红岩.长距离输油管道泄漏检测技术[J].油气田地面工程，2009,28(1)：74-75.

[3] Yi Zhang,Peng Xiong.Design of remote home environment monitoring and health care monitoring system based on data confusion[C].International Conference on Automation and Logistics Chongqing,2011：35-39.

[4] 张镇,李著信.基于Bayes方法的冻土地区输油管道可靠性评价[J].油气田地面工程,2009,27(5):26-27.

[5] Fu Hua,Du Xiaokun.Bayes estimation theory based on the data fusion method[J].Control Theory and Applications,2005,24(4):10-12.