Bootstrap與模糊聚類方法在管道泄漏檢測系統(tǒng)中的應用研究.pdf

1、長輸管道以高效、便捷、環(huán)保等特點已成為與鐵路、公路、航空、水運并行的五大運輸手段之一。然而由于不可避免的老化、腐蝕及人為損壞等原因，管道泄漏頻頻發(fā)生，所產生的經濟損失和環(huán)境污染也十分嚴重。因此管道泄漏的實時檢測已成為世界重要的研究課題。由于基于硬件的方法不能連續(xù)檢測，而基于單一檢測方法的軟件系統(tǒng)在檢測的實時性、可靠性、精確性、靈敏性等綜合性能方面，很難達到令人滿意的效果。因此近年來，隨著SCADA系統(tǒng)在油氣管道行業(yè)的廣泛應用，基于信息處

2、理的多種檢測方法復合的軟件技術已成為學術界關注的熱點和發(fā)展的潮流。本文在前期研究工作的基礎上，主要進行了以下工作： 首先，通過對不同采樣頻率的管道小泄漏、調泵調閥壓力波形的分析，確定了能反映小泄漏、調泵調閥基本結構和特征的系統(tǒng)采樣頻率，并對相應的負壓波信號進行了歸一化處理。 其次，針對管道泄漏診斷過程中，負壓波信號出現(xiàn)不同形式的信息缺失問題，利用小樣本統(tǒng)計的Bootstrap方法，對觀測樣本進行模擬采樣并進行統(tǒng)計分析，為

3、正確區(qū)分小泄漏與正常工況變化所產生的負壓波模式提供了大量有效的數(shù)據(jù)樣本，從而建立了不同工況下的標準樣本庫。 再次，從不同工況下的標準樣本庫中，可靠提取反映樣本特征的若干指標或參數(shù)，構成指標向量，并將其作為模糊c均值聚類的輸入。利用模糊聚類算法對提取的特征值進行迭代運算，最終獲得不同工況下的模糊聚類中心，從而有效識別管道小泄漏與正常工況變化的運行模式，降低了小泄漏時系統(tǒng)誤報警。仿真實驗表明該方法應用在管道泄漏診斷中是簡單實用和可行