基于分布式光纤传感的水下输气管道泄漏检测与定位分析*

韩玲娟，王 强，杨其华，范昕炜

（中国计量学院质量与安全工程学院，杭州 310018）

基于分布式光纤传感的水下输气管道泄漏
检测与定位分析*

韩玲娟，王 强*，杨其华，范昕炜

（中国计量学院质量与安全工程学院，杭州 310018）

介绍了一种基于Sagnac/Mach-Zehnder混合干涉仪原理的分布式光纤传感水下输气管道泄漏检测及定位系统。在强干扰微小泄漏情况下，通过分布式光纤传感器获取由管道泄漏引起的光干涉信号，采用小波包方法对信号进行多层分解，提取小波包能量特征，用欧式距离法对管道泄漏与否进行聚类分析；对泄漏系统利用零点频率进行精确定位，并将基于零点频率的传统检测定位、经小波去噪和最小二乘曲线拟合处理后的检测定位及本文提出的检测定位三种方法进行对比分析，统计了系统虚警率（FAR）。实验结果表明，该系统能准确识别管道泄漏，本文提出的泄漏检测定位法虚警率最低，与经小波去噪和最小二乘曲线拟合处理后的检测定位法相比，虚警率降低了6.6%，提高了系统泄漏检测定位的可靠性。

管道泄漏检测与定位；分布式光纤传感；小波包分解；欧氏距离法；虚警率

海底输气管道泄漏的及时发现与准确定位具有重要的现实意义，由于海底复杂的环境因素，时常会发生管道泄漏状况。而一旦发生泄漏事故，必将造成一系列严重后果，因此如何保障水下输气管道的安全运行引起了广泛关注。

近几年，分布式光纤传感器［1］已广泛应用于油气管道泄漏检测系统中，其中，陈伟民［2］等基于双Sagnac/Mach-Zehnder分布式光纤传感系统进行了油气管道预警分析，定位精度达149 m；陈朋超［3］等提出了一种改进型双Mach-Zehnder干涉仪原理的分布式光纤管道安全预警系统，提高了系统保护距离和定位精度；宋牟平［4］等提出了一种将正交偏振控制引入基于布里渊光时域分析的分布式光纤传感器中，实现了25 km普通单模光纤的分布式传感；白莉［5］等基于多传感器数据融合的思想，提出了基于分布式检测和决策融合的海底管线检漏模型；Huang Shih-chu［6］等人提出了一种Sagnac/Mach-Zehnder混合干涉感测系统，利用基于零点频率的定位算法进行天然气管道泄漏检测与定位，具有较高的泄漏定位精度；胡正松［7］等在改进的Sagnac/Mach-Zehnder混合干涉测量系统上，将基于零点频率的传统检测定位法进行了小波去噪和最小二乘曲线拟合处理，提高了零点频率的辨识性；黄悦［8］等基于Sagnac/Mach-Zehnder混合干涉仪原理的分布式光纤泄漏检测系统，研究了不同环境以及不同泄漏点位置对检测系统的影响，平均定位精度达1.44%；周琰［9］等提出了一种基于Mach-Zehnder光纤干涉仪原理的分布式光纤管道泄漏检测及定位技术，有效提高了系统的灵敏度和定位精度。

本文基于Sagnac/Mach-Zehnder混合干涉仪原理的分布式光纤传感检测系统进行水下输气管道泄漏检测及定位实验，利用小波包能量谱作为聚类分析的特征向量，用欧氏距离法对管道有无泄漏进行判别，并利用零点频率进行泄漏点的精确定位，并将基于零点频率的传统检测定位、经小波去噪和最小二乘曲线拟合处理后的检测定位及本文提出的检测定位三种方法进行对比分析，统计了系统虚警率。

1 分布式光纤传感检测系统

1.1 系统组成

本实验基于Sagnac/Mach-Zehnder混合干涉仪原理，采用分布式光纤传感对水下输气管道进行泄漏检测及定位实验，装置详见文献［7］，其结构如图1所示。

图1 分布式光纤传感器检测系统组成

检测系统包括：光源（ASE）、光环行器（CIR）、光电探测器、2×2光耦合器（DC1）、1×2光耦合器（DC2）、相位调制器、偏振控制器、延迟光纤（A）、感测光纤（L1、L2）、法拉第旋转镜、数字式相位载波（PGC）解调模块、数据采集模块等。

1.2 检测原理

当管道发生泄漏时，泄漏气体与泄漏孔壁的摩擦在管壁上产生高频应力波，其对布放在管壁外表面的感测光纤产生扰动。由光源产生的激光通过光环形器进入2×2光耦合器DC1被分成1：1的两路光信号，沿图2所示的光路径传播，最终又回到DC1处进行干涉耦合。

由Sagnac干涉原理知，只有路径一和路径二满足零光程差条件能发生干涉现象。沿路径一与路径二传播的光经泄漏点被调制两次，所得到的输出电场表达式［10］为：

路径一：

图2 光传播路径

路径二：

将干涉信号利用PGC解调后，输出干涉项表达式［8］为：

式中：τT为光通过整个光路所需的时间，τd为光通过延迟光纤所需的时间，τx为光从泄漏点传播到法拉第旋转镜所需的时间。

干涉信号经傅立叶等变换，得泄漏点定位公式（见文献［6］）：

式中：fs为频谱图中首个零点频率值，LS为泄漏点到法拉第旋转镜的距离，n为光纤纤芯折射率，c为光速；通过频域分析，利用首个零点频率进行泄漏定位。

2.3 系统虚警率

由于海底环境复杂，输气管道距离长，口径大，当发生微小泄漏时，很难判别管道泄漏与否。虚警是指检测系统把管道无泄漏状态误判为泄漏状态的过程，过多的虚警必然导致管道泄漏检测结果的不可信。管道泄漏检测系统在一定时间内发生的虚警数与同一时间内管道泄漏总数之比称为虚警率，其数学表达式［12］为：

式中：Nf为管道真实泄漏次数，Nfa为虚警次数，N为指示管道泄漏总次数。

3 干涉信号特征提取与分类

3.1 特征提取

水下输气管道出现泄漏时，在泄漏点处会产非线性、宽频谱的声信号，其泄漏频谱为连续与离散信号的叠加［12］，在各频带上能量分布不同。

3.2 欧式距离法分类

聚类分析是一种定量研究分类问题的多元统计方法。其原理是基于数学公式计算各向量间的距离，按样本间亲疏程度划分类别。将n个样本视作m维空间中n个点，则样本间的亲疏程度可用m维空间中两点距离来衡量。di,j表示样品 xi与 xj的距离，欧式距离［14］公式为：

若两样本间距离di,j越小，相似性越大，则为一类；反之则归为另一类。

4 实验与分析

4.1 实验检测装置

在实验室环境下进行水下输气管道泄漏检测及定位实验，选取外径40 mm，壁厚3 mm，长为1.2 m的管道，在管道中部开设一直径为2.5 mm的小孔模拟泄漏孔，通过高压气源输送1 MPa的气体；将折射率为1.458的单模光纤作为传感光纤，采用PE包覆层覆盖，用环氧树脂耦合剂可靠的贴覆在管壁外表面，采用同轴式布放于管壁泄漏孔附近，延迟光纤为2 000 m，测量光纤为8 000 m；ASE输出的最大光功率为15.8 dB，光谱范围1 528 nm～1 564 nm，波长范围1250 nm～1650 nm；实验通过采用美国NI公司的数据采集卡和虚拟仪器软件Labview对检测信号进行采集和分析。

4.2 干涉信号的小波能谱分析与分类

在实验室环境下，为模拟水下复杂环境存在的强干扰状况，产生不同流速的水流冲刷管道，针对水下输气管道在强干扰条件下微小泄漏和无泄漏两种情况进行泄漏检测及定位实验。利用PGC解调电路对干涉信号进行解调，通过Labview采集解调后光干涉信号，采样频率为200 kHz，采样点数为8 192，取其中两组典型解调后光干涉信号时域图。

图3（a）、3（b）分别是有泄漏（泄漏点位置为3 984m）和无泄漏原始信号时域图。由图3（a）、3（b）可知，在强干扰微小泄漏条件下，从原始干涉信号时域波形图较难判别管道泄漏与否。因此需对信号进行处理，根据小波包能量谱提取方法，对泄漏点位置为3 984 m、5 984 m、7 984 m及无泄漏四种光干涉信号进行三层小波包分解，得8个子频带，各频带分别为0～25 kHz、25 kHz～50 kHz、50 kHz～75 kHz、75 kHz～100 kHz、100 kHz～125 kHz、125 kHz～150 kHz、150 kHz～175 kHz、175 kHz～200 kHz，并提取各子带能量，如图4所示。

图3 光干涉信号时域波形图

图4 水下输气管道干涉信号对比能谱图

从图4（a）～4（c）可看出，在水下输气管道发生泄漏时，三个子图频带1上的能量均占绝大部分，其余7个子带能量所占比例较少；从图4（d）可看出，在水下输气管道未发生泄漏时，8个子频带能量几乎均匀散布在各个子带，与有泄漏能谱图有一定区别。

根据图4对比能谱图可知，发生泄漏时，在泄漏点处会产生0～50 kHz的宽频声信号，当泄漏点位置分别为3 984 m、5 984 m、7 984 m时，由定位公式（5）可知泄漏频率为0～25 kHz的连续变量（泄漏信号有效频带范围），因此频谱能量主要集中在频带0～25 kHz上，25 kHz以上的各子频带能量均匀分散且很弱；在无泄漏时，由于不同流速水流冲刷管道过程产生的强干扰会对目标泄漏信号产生较严重的干扰，干扰信号频率不是单一频率成分，是各种噪声频率的输出组合，信号能量在频带0～200 kHz内分散分布。

利用欧式距离法对水下输气管道泄漏与否进行聚类分析，以小波包能量谱作为特征向量，对泄漏点位置分别为3 984 m、5 984 m、7 984 m及无泄漏各采集10组数据（共4×10组），取有泄漏25组和无泄漏5组（共30组）向量作为训练样本，其余10组（5组有泄漏和5组无泄漏，共2×5组）向量作为测试样本。识别结果如图5所示，从图5中可以看出欧式距离法能够准确识别管道泄漏。

图5 管道有泄漏和无泄漏聚类结果

4.3 泄漏定位及虚警率分析

经欧式距离法定性判别水下输气管道泄漏与否后，需精确定位泄漏点位置。泄漏定位算法是将干涉信号通过傅立叶变换进行频谱分析，寻找首个零点频率利用定位公式（5）计算泄漏点位置。图6（a）、6（c）为采集的经PGC解调后基于零点频率的传统检测定位信号频谱；图6（b）、6（d）为小波去噪和最小二乘曲线拟合处理后的检测定位信号频谱。对测量光纤为8 000 m，进行泄漏定位实验，其中有泄漏（泄漏点位置为7 984 m）和无泄漏信号频谱分析如图6所示。

从图6（a）、6（c）可知，在传统检测定位信号频谱图中，波谷较明显，但零点频率和虚警频率附近混杂大量噪声，无法清晰辨识；从图6（b）、6（d）可看出，经小波去噪和曲线拟合处理后零点频率的辨识性得到了提高，在图6（b）中，零点频率为 fs=6.508kHz，由定位公式（5），可算出泄漏点距法拉第旋转镜为7 904 m，绝对误差为-80 m，相对误差为1.01%；在图6（d）图中在 fs=12.86kHz处有明显的低峰值点，此最低点为虚警频率，由定位公式（5）算出虚警位置为4 000 m。

图6 零点频率定位分析

从图6可知，水下输气管道泄漏检测系统采用基于零点频率的传统检测定位方法，虽波谷较明显，但零点频率和虚警频率辨识非常困难；经小波去噪和最小二乘曲线拟合处理后的检测定位方法，虽去除了大量噪声信号，一定程度上提高了零点频率的辨识性，但不稳定，且仍无法去除某些强干扰和杂波噪声导致的虚警频率，此时虚警率极高，极大降低了系统的可靠性。

为统计系统虚警率，本实验采用泄漏点位置为3 000 m～8 000 m之间的各100组数据（50组有泄漏和50组无泄漏）进行虚警率分析。从表1可知，采用基于零点频率的传统检测定位方法，虚警率最大，高达34.7%；采用处理后的检测定位方法，此时虚警率最高达9.0%；当采用本文所提出的检测定位方法，虚警率最低，在泄漏点位置为6 000 m时达2.4%，相比经小波去噪和最小二乘曲线拟合处理后的检测定位法相对虚警率降低了6.6%，极大提高了泄漏检测系统可靠性。

表1 三种检测定位方法的虚警率实验数据

5 结论

本文基于Sagnac/Mach-Zehnder混合干涉仪原理的分布式光纤传感泄漏检测系统，模拟水下输气管道泄漏检测及定位实验，采用测量光纤为8 000 m，取泄漏点位置为3 984 m、5 984 m、7 984 m各20

组采样数据（10组有泄漏和10组无泄漏），利用小波包对干涉信号进行多层分解，提取能量特征，用欧式距离法对管道泄漏与否进行聚类分析；泄漏系统利用零点频率进行强干扰情况下的精确定位，并将基于零点频率的传统检测定位、经小波去噪和最小二乘曲线拟合处理后的检测定位及本文提出的检测定位三种方法进行对比分析，统计了系统虚警率。实验结果表明，利用欧氏距离法能够准确识别管道微小泄漏；三种泄漏检测定位法中，本文所述检测定位法虚警率最低，与经小波去噪和曲线拟合处理后的检测定位法相比虚警率降低了6.6%，提高了系统泄漏检测的可靠性。

［1］ 贾振安，王虎，乔学光，等.基于分布式光纤布里渊散射的油气管道应力监测研究［J］.光电子激光，2012，23（3）：534-537.

［2］ 陈伟民，吴俊，谭靖，等.双马赫-曾德尔分布式光纤传感系统定位技术［J］.光学学报，2007，27（12）：2128-2132.

［3］ 陈朋超，蔡永军，李俊，等.基于改进型马赫-曾德干涉仪原理的管道安全预警系统研究［J］.传感技术学报，2009，22（11）：1661-1664.

［4］ 宋牟平，鲍翀，叶险峰.基于正交偏振控制的布里渊光时域分析长距离分布式光纤传感器［J］.中国激光，2010，37（3）：757-762.

［5］ 白莉，岳前进，李洪升.噪声干扰条件下长输管道检漏的一致最大功效检验［J］.石油学报，2004，25（2）：108-11.

［6］ Huang Shihchu，Lin Wuwen，Tsai Mengtsan.Fiber Optic in-Line Distributed Sensor for Detection and Localization of the Pipeline Leaks［J］.Sensors and Actuators A：Physical，2007，135（2）：570-579.

［7］ 胡正松，杨其华，乔波.干涉型分布式光纤水下长输气管道泄漏检测系统设计［J］.激光与光电子学进展，2012，49（7）：69-73.

［8］ 黄悦，王强，杨其华，等.水下天然气管道分布式光纤泄漏检测系统实验分析［J］.激光与光电子学进展，2014，51（11）：106-111.

［9］ 周琰，靳世久，张昀超，等.分布式光纤管道泄漏检测和定位技术［J］.石油学报，2006，27（2）：121-124.

［10］杭利军，何存富，吴斌，等.新型分布式光纤管道泄漏检测技术及定位方法研究［J］.光学学报，2008，28（1）：123-127.

［11］张晓勇，罗来源.一种被动声呐信号检测的低虚警率方法［J］.声学学报，2013，38（4）：467-471.

［12］Wassef W A，Bassim M N，Houssny-Emam M，et al.Tangri.Acoustic Emission Spectra due to Leaks from Circular Holes and Rectangular Slits［J］.Acoustical Society of America（S1557-0215），1985，77（3）：916-923.

［13］邢秀玉，刘鸿宇，黄武.基于加速度的小波能量特征及样本熵组合的步态分类算法［J］.传感技术学报，2013，26（4）：545-549.

［14］张庆庆，许月萍，牛少凤，等.变权欧式距离模型在水质综合评价中的应用［J］.中山大学学报：自然科学报，2010，49（4）：141-145.

韩玲娟（1991-），女，安徽安庆人，硕士研究生，主要从事检测技术方面的研究，1026187092@qq.com；

王 强（1976-），导师，通讯作者，男，湖北应城人，博士，教授，主要从事结构健康检测方面的研究，qiangwang@cjlu.edu.cm。

Leak Detection and Localization Analysis of Underwater Gas Pipeline Based on Distributed Fiber Optic Sensing*

HAN Lingjuan，WANG Qiang*，YANG Qihua，FAN Winwei
（College of Quality and Safety Engineering，China Jiliang University，Hangzhou 310018，China）

For underwater gas pipeline leakage point detection and localization，a distributed optical fiber sensor system was proposed based on a hybrid configuration of Sagnac/Mach-Zehnder interferometer.Tiny leakage signals were covered by strong interferences，and optical interferometric signals caused by pipeline leakage can be obtained by the distributed optical fiber system.Wavelet packet is used to deal with interferometric signals，and signals were decomposed into different frequency bands to extract energy features.Those features were clustered with Euclidean distance to discriminate pipeline leakage.The leakage point can be captured from null frequency spectrum.Three leakage localization methods（the traditional detection based on null frequency，the detection of wavelet de-noising and least squares curve fitting process，the proposed method）performances were compared，and the false alarm rate （FAR）is calculated.The experimental results show that the system can identify leakage point accurately.The proposed method owns the lowest FAR in three methods.Compare to the wavelet de-noising and least squares curve fitting method，the FAR of proposed method is reduced about 6.6%，and it improves the reliability of leakage detection and localization system.

pipeline leakage detection and localization；distributed optical fiber sensor；wavelet packet decomposition；Euclidean distance method；false alarm rate EEACC：7230E

TE973

A

1004-1699（2015）07-1097-06

10.3969/j.issn.1004-1699.2015.07.026

项目来源：国家自然科学基金项目（51374188）；浙江省自然科学基金项目（LR13E040001）；质检公益性行业科研专项项目（201310152）

2015-02-04 修改日期：2015-03-28