基于敏感因子SVD的管道泄漏信号去噪研究*

朱 禹 熊 新 吴建德

(1.昆明理工大学信息工程与自动化学院 昆明 650500)(2.云南省矿物管道输送工程技术研究中心 昆明 650500)

基于敏感因子SVD的管道泄漏信号去噪研究*

朱 禹1,2熊 新1,2吴建德1,2

(1.昆明理工大学信息工程与自动化学院 昆明 650500)(2.云南省矿物管道输送工程技术研究中心 昆明 650500)

针对管道压力泄漏信号去噪的问题,提出基于敏感因子奇异值分解(Singular Value Decomposition, SVD)的管道泄漏压力信号去噪的方法。该方法首先对原始信号构造Hankel矩阵再进行SVD分解,将分解后得到的分量信号利用敏感因子找出敏感分量,最后通过定位因子选择敏感分量所对应的奇异值进行信号重构,并用该方法对矿浆管道实验平台运行中采集到的压力信号进行降噪处理。实验结果表明,该方法有效地去除矿浆管道的压力信号中的噪声,作为信号的预处理为管道泄漏检测和定位提供良好的基础。此外,该方法与小波去噪方法进行对比,结果表明,该方法具有更好的去噪效果。

敏感奇异值分解; 管道泄漏; 去噪

1 引言

近年来,管道运输因其安全性高、污染小、占地少、损耗低、运输量大、易于自动化管理等优点得到迅速发展,已然成为五大运输方式之一。考虑到管道泄漏发生时的后果很严重,包括经济、生产、自然资源和环境因素,特别是后两者都不能得到补偿,因此管道能否安全运行成为了人们关注的焦点。管道的压力信号变化是泄漏检测和分析泄漏情况的主要依据,但原始信号具有较强的噪声,有效地去除噪声后得到的信号是管道泄漏检测和定位的关键因素。

文献[1]提出一种根据不同带宽信号与噪声自相关长度的差异,利用线性增强器和预测器分别自适应抑制检测信号中的窄带噪声和宽带噪声的方法,但这种方法较难获得最优的增强器和预测器的参数。文献[2]等为了抑制了存在于压力信号中的噪声,将小波软阈值和硬阈值算法应用在压力信号的去噪中并取得良好的效果,但硬阈值法容易在重构信号中产生振荡而且容易丢失有用信号。文献[3]构造加噪信号的Hankel矩阵,然后进行SVD分解,将小于整体特征值的均值的特征值设置为零,最后通过SVD逆变换重构信号,该方法有较好的去噪效果,但是降低了实现速度。

针对上述泄漏压力信号检测方法的优缺点,本文提出基于一种敏感因子SVD的管道压力信号去噪方法。该方法对选取的压力信号构造Hankel矩阵,根据Hankel矩阵将压力信号进行SVD分解,利用敏感因子及其差分谱选择出较敏感分量,最后通过定位因子选择敏感分量所对应的突变奇异值,对其进行信号重构,该方法能更好地抑制管道的压力信号中的噪声,为检测管道泄漏检测和定位提供良好的基础。

2 材料与方法

2.1 管道噪声源分析

管道原始压力信号的噪声来源通常有以下几种： 1) 系统干扰：是由于整个系统引起的一种干扰； 2) 测量系统的本身的接触噪声；主要有压力变送器和电磁流量计接触不良引起的噪声或其内部噪声； 3) 随机尖峰和脉冲噪声对泄漏检测有很大的影响,特别是当泄漏量和压力值相对较小时,泄漏压力信号可能被尖峰和脉冲噪声淹没； 4) 环境噪声：数据采集过程中管道周围其他随机噪声。以上几种噪声中,前三种噪声都可以通过预滤波处理方法滤除或者通过设计有效的实验平台避免,第4)种噪声可认为是白噪声,而敏感SVD在去除白噪声尤其当噪声服从正态分布时效果比较理想。

2.2 敏感因子SVD算法

SVD方法分解得到的奇异值反映信号的内在属性,通过选择有效奇异值进行信号重构,可有效消除背景噪声。为了适应实际工况下压力信号的分析,本文提出了敏感SVD算法,该方法可自适应选择敏感SVD分量重构信号,以滤除噪声影响。

(1)

其中,1

原始压力信号经SVD分解所得部分分量信号包含泄漏敏感信息,而其他信号分量则是与泄漏无关的分量或噪声分量,故将敏感度引入SVD分解分量的选取中。主要通过计算原始压力信号与其SVD分量信号的相关系数及SVD分量信号与正常信号之间的相关系数来确定敏感SVD分量,敏感SVD分量选取算法如下：

3) 通过1)、2)所求两个相关系数αn、βn得故障相关系数λn如下：

(2)

4) 计算管道压力信号SVD分量信号的泄漏敏感因子ηn如下：

(3)

5) 将所得敏感因子ηn按照从大到小的顺序进行排列,得到新的序列如下：

(4)

6) 算相邻敏感因子的差值,构造敏感因子差分谱,自适应找出最大差值所对应的序列号m,那么前m个SVD分量信号即为泄漏敏感信号,

7) 由于敏感因子从大到小排列打乱了奇异值顺序,故定义定位因子,并通过定位因子找出前m个敏感SVD分量信号所对应的奇异值进行信号重构,以去除噪声影响,提取泄漏信息。

本文对选取的压力信号构造Hankel矩阵并进行SVD分解,将SVD分解得到分量信号利用敏感因子找出敏感分量,最后通过定位因子找出敏感分量所对应的奇异值,将其进行信号重构。该方法的流程图如图1所示。

通过上述步骤,分解后的信号利用敏感因子及其差分谱选择出较敏感分量,进行信号重构,即可得真实有用的信号。

图1 SVD处理流程图

2.3 评价指标

采用信噪比(SNR)和均方根误差(RMSE)等指标作为去噪效果的评价指标,计算公式如下：

(5)

(6)

式中,x为原始压力信号,y为去噪后的压力信号。RMSE越小表示模型偏差越小；SNR越大表示信号去噪效果越好。

2.4 实验平台

针对研究生以及工程技术人员对管道压力信号的获取、处理以及综合利用方法缺乏试验条件的现状,设计满足于研究生教学和科研所需要的采集管道压力与信号处理实验平台。该平台不仅可以提供矿浆管道输送中各种动态信号,还具有数据采集和分析处理、闭环控制等功能,该实验平台可以有效避免前三种噪声影响。

该系统运行时,可通过调节可控制泄漏阀Ⅰ、Ⅱ的开关和开度大小进行泄漏实验。因此可以在该试验系统上模拟出各种不同情况下的管道泄漏。

3 实验与仿真

为确定本文方法在管道压力信号去噪中的有效性,实验分别对清水泄漏和矿浆泄漏的时域采样压力信号进行分析,并通过与小波变换进行对比以验证本文算法的有效性与可行性。

1、储水桶 2、矿浆桶3、矿水池 4、电动机5、矿浆泵6、刀板阀Ⅰ 7、刀板阀Ⅱ8、刀板阀Ⅲ 9、刀板阀Ⅳ 10、刀板阀V 11、刀板阀VI 12、阀门(12) 13、压力传感器Ⅰ 14、压力传感器Ⅱ 15、压力传感器Ⅲ 16、压力传感器Ⅳ 17电磁流量计Ⅰ 18、电磁流量计Ⅱ 19、可控制泄漏阀Ⅰ 20、可控制泄漏阀Ⅱ图2 管道实验平台

3.1 清水实验

实验开始将所有实验设备复位,在电动刀板阀组全部为关闭状态下运行电源部分,PLC可编程逻辑控制器通过低压配电柜控制刀板阀组的打开和关闭。打开储水桶(1)输出端的刀板阀Ⅱ(7),桶中清水进入管道等待进入主管道,打开矿浆泵(5)输出端的刀板阀Ⅰ(6),在电动机(4)工作的情况下,矿浆泵(5)获得能量并开始工作,则清水进入主管道；清水在矿浆泵(5)的推动下通过主管道环管的最高点和最低点,进行单点泄漏时打开可控制泄漏阀Ⅰ(19),关闭可控制泄漏阀Ⅱ(20)PLC可以通过压力传感器Ⅰ(13)、压力传感器Ⅱ(14)获得多组数传送到上位机得出清水运行参数。

对压力变送器采集到的数据进行敏感SVD去噪。通过奇异值贡献率自适应确定Hankel矩阵维数,当m≥6时,随着m值的增大,奇异值均趋近于零,因此可取m=6构建Hankel矩阵进行敏感SVD分析；分解所得SVD分量信号如图3所示。对SVD分量信号进行敏感度评估,敏感因子及其差分谱如图4所示。根据敏感因子差分谱准则,选择前五个分量作为敏感分量；由于敏感因子从大到小排列打乱了奇异值顺序,故本文通过定位因子来确定这四个分量所对应的奇异值,定位因子图谱如图5所示,敏感分量所对应奇异值在原序列中的位置为1、3、4、6,因此选择这四个奇异值进行信号重构,重构信号如图6。

图3 SVD分解分量

图4 敏感因子

图5 定位因子

图6 敏感SVD去噪后压力信号

图7 小波去噪后信号

为了验证本文敏感SVD去噪方法的有效性,将该方法与小波变换进行了比较,采用信噪比(SNR)和均方根误差(RMSE)作为去噪效果的评价指标,其计算结果如表1所示。

表1 敏感SVD去噪与小波去噪对比

从图6、图7和表1中可以看出,管道中介质为清水时,小波去噪效果不如敏感SVD方法去噪效果,敏感SVD去噪效果优异而且能够很好地反映原始信号,减小了均方根误差,同时也增强了信号的信噪比。

3.2 矿浆泄漏实验

进行单点泄漏时打开可控制泄漏阀Ⅰ(19),关闭可控制泄漏阀Ⅱ(20)进行浆体泄漏实验,在同一转速下改变可控制泄漏阀,通过改变泄漏阀的开度模拟缓慢泄漏和大泄漏；PLC可以通过压力传感器Ⅰ(13)、压力传感器Ⅱ(14)和电磁流量计Ⅰ(17)获得多组数传送到上位机；关闭可控制泄漏阀Ⅰ(19),当管道内浆体达到稳流时,打开可控制泄漏阀Ⅱ(20),通过改变泄漏阀的开度模拟缓慢泄漏和大泄漏；PLC可以通过压力传感器Ⅰ(15)、压力传感器Ⅱ(16)和电磁流量计Ⅰ(18)获得多组数据传送到上位机；进行多点泄漏时,同时打开可控制泄漏阀Ⅰ(28)、可控制泄漏阀Ⅱ(29),通过改变泄漏阀的开度模拟缓慢泄漏和大泄漏；PLC可以通过压力传感器Ⅰ(13)、压力传感器Ⅱ(14)、压力传感器Ⅲ(15)、压力传感器Ⅳ(16)、电磁流量计Ⅰ(17)和电磁流量计Ⅱ(18)获得多组数据传送到上位机,进行分析处理。

在该平台中进行矿浆满管流实验时,为更好地凸显泄漏时压力变化,进行间断性泄漏实验,对采集到的压力数据进行敏感SVD去噪。通过奇异值贡献率自适应确定Hankel矩阵维数,当m≥6时,随着m值的增大,奇异值均趋近于零,因此可取m=6构建Hankel矩阵进行敏感SVD分析；分解所得SVD分量信号如图8所示。对SVD分量信号进行敏感度评估,敏感因子及其差分谱如图9所示。根据敏感因子差分谱准则,选择前两个分量作为敏感分量；由于敏感因子从大到小排列打乱了奇异值顺序,故本文通过定位因子来确定这两个分量所对应的奇异值,定位因子图谱如图10所示,可见敏感分量所对应奇异值在原序列中的位置为1、5,因此选择这四个奇异值进行信号重构,重构信号如图11。

图8 SVD分解分量

图9 敏感因子

图10 定位因子

图11 敏感SVD去噪后压力信号

为了验证本文敏感SVD去噪方法的有效性,将该方法与小波变换进行了比较,采用信噪比(SNR)和均方根误差(RMSE)作为去噪效果的评价指标,其计算结果如表2所示。

表2 敏感SVD去噪与小波去噪对比

从图11、图12和表2中可以看出,管道中介质为矿浆时,敏感SVD去噪效果优异而且能够很好地反映原始信号,减小了均方根误差,同时也增强了信号的信噪比。小波去噪效果不如敏感SVD方法去噪效果。

图12 小波去噪后压力信号

4 结语

本文提出了敏感SVD消除管道压力信号中噪声的方法,对原始信号构造Hankel矩阵并进行SVD分解,将分解后得到的分量信号利用敏感因子找出敏感分量；最后通过定位因子选择敏感分量所对应的奇异值进行信号重构。实验结果表明,该方法在去噪中取得了更为令人满意的效果,缩小了泄漏时压力信号的均方根误差,提高了信噪比。作为信号的预处理方法有利于准确检测泄漏发生和实现定位。

[1] 文玉梅,谢仁峰,杨进,等.管道泄漏检测中的噪声自适应抑制[J].仪器仪表学报,2012, 33(10):2228-2233. WEN Yumei, XIE Renfeng, YANG Jin. Adaptive Noise Suppression in Pipeline Leak Detection[J]. Chinese Journal of Scientific Instrument, 2012,33(10):2228-2233.

[2] 周诗岽,吴明,王俊.基于小波分析的管道泄漏负压波信号滤波研究[J]. 石油机械,2004, 32(5):10-12. ZHOU Shidong, WU Ming, WANG Jun. Investigation on Negative Pressure Signal Filtering of Pipeline Leakage Based on Wavelet Algorithm[J]. China Petroleum Machinery,2004,32(5):10-12.

[3] 王益艳.基于特征均值的SVD信号去噪算法[J].计算机应用与软件,2012,29(5):121-123. WANG Yiyan. Mean Value of Eigenvalue-Based SVD Signal De-noising Algorithm[J]. Computer Applications and Software,2012,29(5):121-123.

[4] Luo W, Zhang K, Yang Y. Research of Oil Pipeline Leakage Signal Denoising[J]. Science Technology & Engineering, 2011.

[5] 王大军,黄登山,汤春荣,等.基于奇异值分解处理相干信号的新方法[J].西北工业大学学报, 2009,27(4). WANG Dajun, HUANG Dengshan, TANG Chunrong. A Modified Singular Value Decomposition Algorithm for Estimating Coherent Signals[J]. Journal Of Northwestern Polytechnical University,2009,27(4).

[6] LEHTOLA L, KARSIKAS M, KOSKINEN M, et a1. Effects of noise and filtering on SVD-based morphological parameters of the T wave in the ECG[J]. Journal of Medical Engineering and Technology, 2008, 32(5): 400-407.

[7] 谷立臣,闫小乐,刘泽华.小波变换的流体压力信号自适应滤波方法研究[J].振动、测试与诊断, 2009, 29(2):205-208. GU Lichen, YAN Xiaole, LIU Zehua. Adaptive Filtering Method for Fluid Pressure byUsing Wavelet Transform[J]. Journal of Vibration, Measurement & Diagnosis,2009,29(2):205-208.

[8] HanW. A new denoising algorithm for MFL data obtained from seamless pipeline inspection[J]. Russian Journal of Nondestructive Testing, 2008, 44(3):184-195.

[9] 孙娟,唐慧强.一种基于小波的奇异信号检测方法[J].武汉理工大学学报,2004,26(8):84-86. SUN Juan, TANG Huiqiang. A Method of Singular Signal Detecting Based on Wavelet[J]. Journal of Wuhan University of Technology,2004,26(8):84-86.

[10] 刘金海,冯健,马大中.流体管道压力信号的高精度实时滤波方法[J].东北大学学报:自然科学版, 2013, 34(1):9-12. LIU Jinhai, FENG Jian, MA Dazhong. A High Accurate and Real Time Filter Method for Pressure Signal of Fluid Pipeline[J]. Journal Of Northeastern University：Nature Science,2013,34(1):9-12.

Pipeline Leak Signal De-noising Based on Sensitive Factor SVD

ZHU Yu1,2XIONG Xin1,2WU Jiande1,2

(1. Faculty of Information Engineering & Automation, Kunming University of Science and Technology, Kunming 650500)(2. Engineering Research Center for Mineral Pipeline Transportation, Kunming 650500)

Considering the problems of great difficulties in resolving pipeline pressure leak signal de-noising, a new method based on singular value decomposition(SVD) is proposed. First, Hankel matrix in original signal is built. Then SVD decomposition of the selected signals is done. The component signals obtained by decomposition are used to find out the sensitive component by using the sensitive factor. At last, the corresponding singular values of the sensitive components are reconstructed by the located factor. The experimental results show that this method, used as a pretreatment of signals, effectively removes the noise of pressure factor of mineral pipeline, which provides a good foundation for pipeline leak detection and location. Furthermore, a comparison is made between wavelet de-nosing and singular value decomposition, the method used in this paper has better de-noising effects.

sensitive factors SVD, pipeline leak, de-noising Class Number TP393

2016年10月11日,

2016年11月22日

朱禹,男,硕士研究生,研究方向:管道泄漏检测。熊新,男,高级工程师,硕士生导师,研究方向:检测技术。吴建德,男,教授,博士生导师,研究方向:矿物管道输送实时检测与控制。

TP393

10.3969/j.issn.1672-9722.2017.04.037