長距離輸水管道漏損及水錘壓力在線監(jiān)測系統(tǒng)(也稱電學式管道泄漏監(jiān)測系統(tǒng))需要解決的核心難點是既需要高靈敏快速地檢測到微小泄漏引起的微弱音波(噪聲)信號,同時也需要區(qū)分泄漏引起的音波和管道日常運行中的背景噪聲以及操作干擾,避免干擾信號引起的誤報警。因此,管道泄漏監(jiān)測問題可以歸結(jié)為模式識別問題,如何有效的建立管道泄漏噪聲(音波)信號及各種干擾信號的模型?如何從各種信號中識別出泄漏信號?
為了提高系統(tǒng)靈敏度,降低由于干擾噪聲引起的誤報,電學式智能管道泄漏監(jiān)測系統(tǒng)采用智慧傳感器(高頻壓力計+水聽器)技術(shù)及前端處理技術(shù)以獲取高質(zhì)量的音波(噪聲)信號、信號處理技術(shù)抑制背景噪聲和操作干擾、人工智能技術(shù)和模式識別技術(shù)以準確的識別微小泄漏信號同時拒絕各種干擾噪聲(音波)信號。管道漏損及水錘壓力在線監(jiān)測系統(tǒng)采用基于噪聲(音波)數(shù)據(jù)庫模型的識別器實時監(jiān)測管道運行狀況。
開放式、模塊化軟硬件架構(gòu):
系統(tǒng)采用B/S架構(gòu)且符合SOA架構(gòu)的體系結(jié)構(gòu)設計:該系統(tǒng)可以容忍故障,但不會影響用戶體驗、安全性或造成數(shù)據(jù)丟失。所有服務器和服務都處于持續(xù)監(jiān)控中,以防未授權(quán)訪問、內(nèi)存問題、磁盤空間問題和操作系統(tǒng)補丁。如果某個系統(tǒng)發(fā)生故障,該高可用性架構(gòu)將觸發(fā)備用系統(tǒng),代替該故障系統(tǒng),從而可以減少對整體系統(tǒng)的影響。
傳感器及前端處理模塊:
主要作用是實時將管道中的噪聲信號轉(zhuǎn)換為電信號,并傳輸?shù)焦艿佬孤┍O(jiān)測系統(tǒng)信號采集處理終端。在微小泄漏(泄露)孔徑的情況下,系統(tǒng)信號采集處理終端采用定制的傳感器,有效的解決了微弱信號的捕捉、放大和噪聲抑制問題。
噪聲信號處理:
管道背景噪聲影響泄漏噪音(音波)信號質(zhì)量。在嚴重的情況下,管道泄漏噪音(音波)信號將完全被噪聲淹沒。管道泄漏監(jiān)測系統(tǒng)采用科學的背景噪聲功率譜估計算法,有效地估計管道運行過程中的平穩(wěn)和非平穩(wěn)背景噪聲,然后利用維納濾波器抑制背景噪聲。系統(tǒng)采用主傳感器獲取主信號,同時采用多個傳感器采集參考干擾信號,利用自適應濾波器濾除干擾噪聲。
水力模型:
建立受水廠與管理站之間輸水水力計算模型,其原理與模型主要包括的內(nèi)容應如下。
管道輸水系統(tǒng)的管網(wǎng)水力學模型通常采用曼寧公式計算,即針對管網(wǎng)(包括管段、閥門、水泵、水塔等)的動態(tài)信息和靜態(tài)信息,建立管網(wǎng)的狀態(tài)方程(包括連續(xù)性方程、能量方程和管段水頭損失方程),然后求得管網(wǎng)中各管段的流量、流速、水頭損失,各節(jié)點壓力,以及各水源的供水量和供水壓力。ZUI后將所得的計算結(jié)果與監(jiān)測數(shù)據(jù)相比較,如果誤差不滿足要求,則相應修正模型的相關參數(shù)。
輸配水力模式其實質(zhì)是對輸水管網(wǎng)的計算機模擬,模型需包括以下和實際設施對應的對象:節(jié)點、管段、閥門、水泵、水池。此外,模型還需要和供水管道漏損及水錘壓力在線監(jiān)測系統(tǒng)進行對接,獲得系統(tǒng)測流、測壓裝置的檢測數(shù)據(jù)。
模式識別及快速自適應訓練:
長距離輸水管道漏損及水錘壓力在線監(jiān)測系統(tǒng)選擇不同頻帶的低頻噪聲能量作為特征向量。波形特征向量經(jīng)過能量壓縮、信息壓縮之后,作為實時識別器的輸入。
管道泄漏安全監(jiān)測系統(tǒng)基于噪聲(音波)數(shù)據(jù)庫模型的識別器實時處理并甄別管道的運行狀態(tài)。采用噪聲(音波)數(shù)據(jù)庫模型來描述泄漏音波及各種干擾信號模型,解決了模型建立、模型訓練、實時識別以及在嵌入式系統(tǒng)上的識別器優(yōu)化等一系列問題,從而有效地識別出泄漏噪聲信號及干擾信號。
實際管道的運行狀況千差萬別,壓力、溫度、流體特性以及背景噪聲都各不相同,準確快速地適應調(diào)整識別模型將進一步提升識別系統(tǒng)的性能。管道漏損及水錘監(jiān)測系統(tǒng)采用快速適應性訓練技術(shù)對原始噪聲(音波)數(shù)據(jù)庫模型進行訓練。經(jīng)過現(xiàn)場快速適應訓練之后,實時識別器的模型能夠更好的適應管道的現(xiàn)場運行狀況,從而進一步提升識別精度。