基于奇异值特征的管道压力波识别方法.pdfVIP

石 油 机 械 CHINAPETROLEUMMACHINERY 2009年 第37卷 第 12期 ●检测诊断 基于奇异值特征的管道压力波识别方法 王明达 张来斌 梁 伟 费盼峰 (中国石油大学 (北京)机 电工程学院) 摘要 在输油管道泄漏诊断过程中，提取压力波动信号的哪种特征参数作为识别依据是提高 管道泄漏诊断准确率的关键。为此提出一种基于奇异值分解的压力波动信号特征提取方法，并通 过构建BP神经网络对其分类，判断管道所处工况状态。在不影响识别效果的前提下，对奇异值 向量进行适当降维压缩，能达到消除压力信号噪声和减少识别运算量的 目的。试验表 明，采用引 入 “动量项”的BP神经网络压力波识别分类器识别准确率高。基于奇异值特征与BP神经网络的 管道压力波识别方法运算速度快，能满足管道泄漏监测在线运行的要求，有较高的应用价值。 关键词 奇异值特征 管道压力波 Hankel矩阵构造 BP神经网络 0 引 言 输油管道泄漏不仅会造成人员伤亡和财产损 失，还会带来严重的环境污染问题。 目前，在管道 泄漏诊断中广泛采用的是负压波监测法，该方法在 压力较平稳 的管道上应用效果较好 ，其核心是对因 _l__……一要墨堡墼 堡璺曼墼里………一j 工况操作所产生的各种异常压力波的识别。其中， 图1 基于奇异值特征的压力波识别流程 提取压力波的哪些特征参数作为识别依据 ，是提高 1．1 压力波 Hankel矩阵构造 管道泄漏诊断准确率的关键 。 通常处理的管道压力信号为固定长度的一维时 利用奇异值特征作为模式识别的特征参量是由 间序列，设其 向量表达式为 X= [。， ，…， 洪子泉首先提出来的，并在人脸 图像识别中得到应 ]，则其 Hankel矩阵可以构造为 ¨3J： 用 ¨J。他认为图像矩阵的奇异值代表了该图像的 代数特征，同类 图像的奇异值具有 良好的稳定性， 可以将此作为不同图像分类识别的依据。因此，若 把管道压力波序列构造成适当的矩阵，对压力波的 识别问题也就转化为对图像矩阵的识别 问题 。 借此思路，笔者将输油管道压力波序列构造成 Hankel矩阵，提取该矩阵的奇异值特征，并利用 1．2 矩阵奇异值分解概念 BP神经网络作为分类器对其进行识别。 若有实矩阵A∈R～ ，则存在 2正交矩阵 U∈ R～ 和 V∈R 使得下式成立： 1 压力波信号奇异值特征提取 UAV=diag(1，2，…，Op)=A (2) 即满足A=UA ，该分解过程称为矩阵4的奇异 基于奇异值特征的压力波识别流程见图1。 值分解 。其 中P=min (m，n)，为矩阵A 的秩， ％基金项 目：国家863计划项 目 “基于双扭环机制的输油管线泄漏诊断的新装置与方法研究” (2008AAO6Z209)；教育部新世纪优秀人 才支持计划资助项 目 “成品油输送管线泄漏的精确识别与定位方法 ”(NCET一05一Ol1O)。 2009年 第37卷 第12期 王明达等：基于奇异值特征的管道压力波识别方法 一 69一 1 ≥ 2≥…≥ 。≥0， (i=1，2，…，P)为 A 构成的。针对管道压力波的识别问题，网络训练主 的奇异值，是 或AA的特征值的平方根，即