CN102193082A - 三传感器多尺度约束管网漏点定位的装置 - Google Patents

Abstract

三传感器多尺度约束管网漏点定位的装置，涉及管网漏点定位的装置，解决了管网漏点定位不准确的问题，它包括三个加速度传感器、三个前置放大器、三个带通滤波器、三个后置放大器、高速数据采集卡、结果显示装置、信息存储装置和信号处理装置，三个加速度传感器放置于要测量管网的三个不同的测点上，三个加速度传感器的输出端分别连接在对应的前置放大器的输入端，三个前置放大器的输出端分别连接在对应的带通滤波器的输入端，三个带通滤波器的输出端分别连接在对应的后置放大器的输入端，三个后置放大器的输出端分别连接在高速数据采集卡的一个输入端，信号处理装置的输出端连接在信号存储装置的另一个输入端，适用于管网漏点定位。

Description

三传感器多尺度约束管网漏点定位的装置

技术领域

本发明涉及管网漏点定位的装置。

背景技术

相关仪的标准配置是：一台主机，两台无线电发射机，和两个高灵敏度加速度传感器，把两个传感器放置在管道的暴露点上，在测试时一般间距可控制在100米左右(间距和管径，材质有关)。当管道漏水时，在漏口处会产生漏水声波，并沿管道向远方传播，当把漏水声波传到不同传感器时，会产生时间差Td，只要给定两个传感器之间管道的实际长度L和声波在该管道的传播速度V，漏水点的位置Lx就可按以下计算公式计算出来：Lx＝(L-V×Td)/2，相关仪的出现虽然看似能够解决以往检漏设备的不足，但是它的正确性常常不能满足人们的要求，具体出现的情况是：1、由相关仪检出的峰值较多，无法判断哪个是漏点；2、检出漏点的正确性无法判断，有时开挖之后发现没有漏点，造成资源和人力的浪费；3、有时由于环境复杂，波形杂乱导致无法判断是否有漏点。现有管网漏点定位不准确。

发明内容

本发明的目的是为了解决现有管网漏点定位不准确的问题，提供一种三传感器多尺度约束管网漏点定位的装置。

三传感器多尺度约束管网漏点定位的装置，它包括三个加速度传感器1、三个前置放大器2、三个带通滤波器3、三个后置放大器4、高速数据采集卡5、结果显示装置6、信息存储装置7和信号处理装置8，三个加速度传感器1放置于要测量管网的三个不同的测点上，三个加速度传感器1的输出端分别连接在对应的前置放大器2的输入端，三个前置放大器2的输出端分别连接在对应的带通滤波器3的输入端，三个带通滤波器3的输出端分别连接在对应的后置放大器4的输入端，三个后置放大器4的输出端分别连接在高速数据采集卡5的一个输入端，高速数据采集卡5的输出端连接在信号存储装置7的一个输入端，信号存储装置7的一个输出端连接在结果显示装置6的输入端，信号存储装置7的另一个输出端连接在信号处理装置8的输入端，信号处理装置8的输出端连接在信号存储装置7的另一个输入端。

本发明的特点是引入第三个传感器，用多尺度分析、三传感器矢量匹配、最后结果校核技术保证定位结果的准确性，由于三个传感器得到的信号能够两两判定峰值的位置，避免干扰造成的误差，能够实现200米左右距离管道内漏点的一次定位，三传感器多尺度约束管网漏点定位的装置的准确性比现有技术至少提高10％。

附图说明

图1为本发明的结构示意图，图2为本发明的信号处理装置工作过程图，图3为分别对应3个传感器的三路信号和各自的频谱图，图4为小波去噪图，图5为信号的四个尺度的分解图，图6为多尺度求相关值并求最大值对应的时间差示意图，图7为对应尺度内时间差求和并取绝对值图，图8为求绝对值的最小值、搜索最小值对应的尺度的示意图，图9为计算漏点定位结果、判断结果的示意图，图10为结果输出的示意图，图11为漏点定位实测时的传感器布置图，图12为A₁(k)和D₁(k)通过重构得到系数A₀(k)的示意图，图13为无线信号采集装置的示意图，图14为有线信号采集装置的示意图，图15为离线信号采集装置的示意图。

具体实施方式

结合图1说明本实施方式，本实施方式包括三个加速度传感器1、三个前置放大器2、三个带通滤波器3、三个后置放大器4、高速数据采集卡5、结果显示装置6、信息存储装置7和信号处理装置8，三个加速度传感器1放置于要测量管网的三个不同的测点上，三个加速度传感器1的输出端分别连接在对应的前置放大器2的输入端，三个前置放大器2的输出端分别连接在对应的带通滤波器3的输入端，三个带通滤波器3的输出端分别连接在对应的后置放大器4的输入端，三个后置放大器4的输出端分别连接在高速数据采集卡5的三个输入端，高速数据采集卡5的输出端连接在信号存储装置7的一个输入端，信号存储装置7的一个输出端连接在结果显示装置6的输入端，信号存储装置7的另一个输出端连接在信号处理装置8的输入端，信号处理装置8的输出端连接在信号存储装置7的另一个输入端。

本发明应用目前较为先进的声学、电子、软件、通讯、信号处理装置、数字化等综合技术于一体，创造性的提出一种基于三个传感器的多尺度约束漏点定位方法，一改普通相关仪的不足，具有简单易用方便快捷的优点，而且要有较强抗干扰能力，更最要的是能立即判断检测结果的正确性，避免了误检和漏检，增强检漏的适应能力和结果的准确性，不仅具有目前常用的两个传感器相关检漏仪的一切优点，还能够实现200米左右距离管道内漏点的一次定位，省时省力，对环境的要求低，不管在白天还是在晚上都可以进行漏点定位的特点，而且适应性更强，估计结果更稳健，在两传感器相关仪无能为力的情况下仍然能够准确的计算出结果。更重要的是能够马上判断结果的正确性，避免了误检造成的不必要的开挖。

结合图2说明信号处理装置8的工作步骤：

步骤一：读取数据X_i，X_i是加速度传感器i采集的数据，i＝1、2、3；

读取数据的工作过程：结合一个算例进行说明，传感器布置见图11，其中：L1＝102m，L2＝15.6m，模拟漏点到传感器1的距离为47m，到传感器2的距离为55m；在管道漏点两旁的3个传感器采集到的三路信号：每路采样率为100ks/s，数据长度为32768。图3为分别对应3个传感器的1、2、3路信号和各自的频谱图(图3中的左侧为时域信号，图3中的右侧为对应的频谱图)；

步骤二：小波去噪X_i，i＝1、2、3；见图4(图4中左侧为原信号，图4中右侧为去噪后的信号)。

小波变换：对于任意的函数或者信号f(x)，其小波变换定义为

$W_f(a,b)={\∫}_{R}f\left(x\right){\stackrel{\‾}{\mathrm{\ψ}}}_{(a,b)}\left(x\right)\mathrm{dx}=\frac{1}{\sqrt{\left|a\right|}}{\∫}_{R}f\left(x\right)\stackrel{\‾}{\mathrm{\ψ}}\left(\frac{x-b}{a}\right)\mathrm{dx}$

因此，对任意的函数f(x)，它的小波变换是一个二元函数；因为小波母函数ψ(x)只有在原点的附近才会有明显偏离水平轴的波动，在远离原点的地方函数值将迅速衰减为零，所以，对于任意的参数对(a，b)，小波函数ψ_(a，b)(x)在x＝b的附近存在明显的波动，远离x＝b的地方将迅速地衰减到0，因而，从形式上可以看出，函数的小波变换W_f(a，b)数值表明的本质上是原来的函数或者信号f(x)在x＝b点附近按ψ_(a，b)(x)进行加权的平均，体现的是以ψ_(a，b)(x)为标准快慢的f(x)的变化情况，这样，参数b表示分析的时间中心或时间点，而参数a体现的是以x＝b为中心的附近范围的大小，所以，一般称参数a为尺度参数，而参数b为时间中心参数。因此，当时间中心参数b固定不变时，小波变换W_f(a，b)体现的是原来的函数或信号f(x)在x＝b点附近随着分析和观察的范围逐渐变化时表现出来的变化情况。

小波去噪：一般地，有用信号通常表现为低频信号或是一些比较平稳的信号，而噪声信号则通常表现为高频信号，所以降噪过程主要进行以下处理：首先对原始信号进行小波分解，则噪声部分通常包含在高频系数中；然后对小波分解的高频系数以门限阈值等形式进行量化处理；最后再对信号重构即可达到降噪的目的。设一个含噪声的一维信号的模型可以表示成如下形式：s(i)＝f(i)+σ·e(i)，i＝0，1，…，n-1.其中，f(i)为真实信号，e(i)为噪声，s(i)为含噪声的信号。一般来说，一维信号的降噪过程可分为以下三个步骤：

1)一维信号的小波分解，选择一个小波并确定小波分解的层次N，然后对信号s(i)进行N层小波分解；

2)小波分解高频系数的阈值量化处理，选择适当的阈值对从1到N的每一层高频系数进行量化处理；

3)一维小波的重构，根据小波分解的第N层的低频系数和经过量化处理后的从1到N层的高频系数，进行一维小波的重构。

信号的小波分解与重构原理：我们在空间V和W上表示信号，即V_j＝V_j-1+W_j-1，也就是说对于每一个在V_j上表示的信号x(t)能用在上面提到的两个空间V_j-1和W_J-1中的基函数来表示：

$x\left(t\right)=\underset{k}{\mathrm{\Σ}}{\mathrm{cA}}_0\left(k\right){\mathrm{\φ}}_{j,k}\left(t\right)$

$=\underset{k}{\mathrm{\Σ}}{\mathrm{cA}}_1\left(k\right){\mathrm{\φ}}_{j-1,k}\left(t\right)+\underset{k}{\mathrm{\Σ}}{\mathrm{cD}}_1\left(k\right)w_{j-1,k}\left(t\right)$

我们在尺度度量空间j上对系数A₀(k)进行分解得到在尺度度量空间j-1的两个系数A₁(k)和D₁(k)。同样的，我们也能从两个系数A₁(k)和D₁(k)通过重构得到系数A₀(k)，如图12中的分解与重构，我们可以通过一定的滤波器组来实现(也就是小波变换算法)。当小波和尺度在空间内是正交的，我们就可以用内积公式计算得到系数cA₁(k)和cD1(k)：

${\mathrm{cA}}_1\left(k\right)=(x\left(t\right),{\mathrm{\φ}}_{j-1,k}\left(t\right))$

$=<\underset{n}{\mathrm{\&Sigma;}}{\mathrm{cA}}_0\left(n\right){\mathrm{\&phi;}}_{j,n}\left(t\right),{\mathrm{\&phi;}}_{j-1,k}\left(t\right)>$

$=\underset{n}{\mathrm{\&Sigma;}}{\mathrm{cA}}_0\left(n\right)<{\mathrm{\&phi;}}_{j,n}\left(t\right),{\mathrm{\&phi;}}_{j-1,k}\left(t\right)>$

下面是内积计算方法的具体公式：

$({\mathrm{\&phi;}}_{j,n}\left(t\right),{\mathrm{\&phi;}}_{j-1,k}\left(t\right))={\&Integral;}_{-\&infin;}^{\&infin;}\sqrt{2^j}\mathrm{\&phi;}(2^j-n)\sqrt{2^{j-1}}\mathrm{\&phi;}(2^{j-1}t-k)\mathrm{dt}$

$={\&Integral;}_{-\&infin;}^{\&infin;}\sqrt{2^{2j-1}}\mathrm{\&phi;}(2^j-n)\mathrm{\&phi;}(2^{j-1}t-k)\mathrm{dt}(\mathrm{substitutes}=2^{j-1}-k)$

$={\&Integral;}_{-\&infin;}^{\&infin;}\sqrt{2}\mathrm{\&phi;}(2s+2k-n)\mathrm{\&phi;}\left(s\right)\mathrm{ds}(\mathrm{Use\; the}2-\mathrm{scale\; equation\; for\&phi;}\left(s\right))$

$={\&Integral;}_{-\&infin;}^{\&infin;}\sqrt{2}\mathrm{\&phi;}(2s+2k-n)\underset{m}{\mathrm{\&Sigma;}}{h}_0\left(m\right)\sqrt{2}\mathrm{\&phi;}(2s-m)\mathrm{ds}$

$=\underset{m}{\mathrm{\&Sigma;}}{h}_0\left(m\right){\&Integral;}_{-\&infin;}^{\&infin;}\mathrm{\&phi;}(2s+2k-n)\mathrm{\&phi;}(2s-m)2\mathrm{ds}(\mathrm{integral\; is}0\mathrm{unless\; m}=n-2k)$

$=h_0(n-2k)$

具体的系数计算过程如下：

${\mathrm{cA}}_1\left(k\right)=\underset{n}{\mathrm{\&Sigma;}}{h}_0(n-2k){\mathrm{cA}}_0\left(n\right)$

${\mathrm{cD}}_1\left(k\right)=<x\left(t\right),w_{j-1,k}\left(t\right)>$

$=<\underset{n}{\mathrm{\&Sigma;}}{\mathrm{cA}}_0\left(n\right){\mathrm{\&phi;}}_{j,n}\left(t\right),w_{j-1,k}\left(t\right)>$

$=\underset{n}{\mathrm{\&Sigma;}}{\mathrm{cA}}_0\left(n\right)<{\mathrm{\&phi;}}_{j,n}\left(t\right),w_{j-1,k}\left(t\right)>$

${\mathrm{cD}}_1\left(k\right)=\underset{n}{\mathrm{\&Sigma;}}{h}_1(n-2k)c{A}_0\left(n\right)$

对于上面的小波分解过程，通过分别设计高通滤波器和低通滤波器两组滤波器的系数(数组g[]和h[])即可实现。

步骤三：多尺度分解X_ij，i＝1、2、3，j＝1、2…n；见图5(由于图幅有限，图5中只显示了对信号的四个尺度的分解图)。

可以简单描述为小波多尺度分解的第一层是把信号x分解成低频A₁和高频D₁两部分，低频A₁中包含的是信号x的概貌信息，高频D₁包含信号x的细节信息；在下一层的分解中，又将A₁分解成低频A₂和高频D₂两部分，低频A₂包含的是信号A₁的概貌信息，高频D₂包含的是信号A₁的细节信息；如此类推下去，可以进行更深层次的分解。

步骤四：对应各尺度求相关值；

互相关函数：

x₁(t)，x₂(t)为两个不同的函数，在信息采集中就指两个不同的信号。对于平稳遍历随机信号经典的相关函数可以用足够长的统计时间T内的时间历程样本x₁(t)，x₂(t)乘积的时间平均来计算即：

式中的t为时间或位移。

步骤五：求最大值相关值对应的时间差；见图6(图6中显示了13个尺度，传感器1、2之间，传感器2、3之间，传感器3、1之间的最大相关值对应的时间差)。

时间差：时间差由相关函数

来计算，计算得到的最大值对应处的时间“τ”即为时间差。

步骤六：对应尺度内时间差求和并取绝对值；传感器1、2的时间差：指漏点声音信号到达传感器1的时间减去到达传感器2的时间；同样传感器2、3的时间差：指漏点声音信号到达传感器2的时间减去到达传感器3的时间；传感器3、1的时间差：指漏点声音信号到达传感器3的时间减去到达传感器1的时间，将步骤五(图6)中的各尺度内的时间差求和并取绝对值，图7给出了计算的结果。

步骤七：求绝对值的最小值；找出步骤六计算结果(图7)中的最小值，结果如图8所示，在此例中最小值为0。

步骤八：搜索最小值对应的尺度；在此体现了一个很重要的约束法则，即“三传感器矢量匹配法则”。

三传声器矢量匹配关系如下：

任意两个通道i，j(i，j＝1，2，3…)，两通道的时间延迟为：τ_ij＝τ_i-τ_j

且有：：τ_ji＝τ_j-τ_i＝-τ_ij

设令有一通道k，则有：τ_ij＝τ_i-τ_j+τ_k-τ_k＝(τ_i-τ_k)-(τ_j-τ_k)＝τ_ik-τ_jk

综上所述       τ_ij+τ_jk+τ_ki＝τ_ik-τ_jk+τ_jk+τ_ki＝τ_ik+τ_ki＝0

上式即为三传声器矢量匹配法则，如同矢量三角形求和一样，最后为“0”。它适用于任意三个传声器之间的时延，可见，对于正常传播的信号，无疑是满足该关系的，而相反，噪声成分满足该关系的可能性则很小。所以，对于依据低、高分辨率下各尺度得到的估计结果，可以根据其对三传声器矢量匹配关系的符合程度(即匹配误差)来进行最优结果的筛查，即绝对值和越小越符合三传感器矢量匹配关系。由最小值对应的索引，找到对应的尺度，该尺度即为用作结果计算的尺度。由图8显示的结果可知传感器1、2之间接收信号的时间差为-0.005s，传感器2、3之间接收信号的时间差为-0.0106s，传感器3、1之间接收信号的时间差为0.0156s。

步骤九：计算漏点定位结果；在计算之前要输入定位的初始条件：评估距离和传感器1、2之间的距离L1。如图9所示，输入“评估距离”即图11中传感器2、3之间的实际距离L2＝15.6m，是用于计算速度，并用于最终结果准确性的判断。输入“传感器1、2之间的距离”L1，用于最终的定位。

已知L2＝15.6m，即传感器2、3之间的距离；传感器2、3之间的时间差为-0.0106s，即声音信号从漏点传到传感器2、比传到传感器3超前0.0106s，由此可以计算出声音在此管道的传播速度为：v＝15.6/0.0106＝1471.7m/s；传感器1、2之间的时间差为-0.005s，即漏点的声音信号传到传感器1比传到传感器2的时间超前0.005s，设漏点到传感器1的距离为D1，到传感器2的距离为D2；

则： $\left\{\begin{array}{c}D1+D2=L1\\ D1-D2=\mathrm{V\&tau;}\end{array}\right.$

所以， $D1=\frac{L1+\mathrm{V\&tau;}}{2}=\frac{102+1471.7\&times;(-0.005)}{2}=47.32m,$ D2＝L1-D1＝54.68m。

步骤十：判断结果；虽然由于第三个传感器的加入满足了三传感器矢量匹配关系，在算法上实现了多尺度的最佳时延估计，但是由于现场的复杂性，及仪器的偶然故障等仍然难免有不准确现象的发生，也正由于第三个传感器的加入使得计算出来的结果有了物理验证，因为三个传感器任意两个的距离是知道的，漏点到达同侧两点的时延是已知的，而三个传感器的分布总会有两个传感器是分布在同侧的。所以就可以用在同侧的两个传感器的时间差来校核最终系统计算出结果的准确性了。

在步骤九中用输入的评估距离，和同侧两个传感器的沉余时间差就可以计算出传播速度v＝1471.7m/s，在此根据实际经验判断此速度在铸铁管道声信号传播速度范围内，所以可以确定结果值得信赖。计算误差为：

步骤十一：结果显示，见图10的最终结果。

综上所述，本方法最大的特点就是第三个传感器的引入，保证结果准确性的三项关键技术：1.多尺度分析；2.三传感器矢量匹配；3.最后结果校核。

具体实施例一

结合图13说明本实施方式，本实施方式的三个加速度传感器1、三个前置放大器2、三个带通滤波器3、三个后置放大器4、信号存储装置7、信号处理装置8以及结果显示装置6都是在较短的时间内实时连续进行的，由于增加了无线发射和接收模块，加速度传感器1通过无线通讯连通前置放大器2，这样就大大减少了长距离施测时需拉设很长的数据线的不便和麻烦。

具体实施例二

结合图14说明本实施方式，本实施方式的三个加速度传感器1、三个前置放大器2、三个带通滤波器3、三个后置放大器4、信号存储装置7、信号处理装置8以及结果显示装置6都是在较短的时间内实时连续进行的，本实施例虽然施测时需拉设数据线，加速度传感器1通过数据线连通前置放大器2，但是节省了无线采集模块的投资而且信号相对更加可靠。

具体实施例三

结合图15说明本实施方式，本实施方式采用离线信号采集装置处理方式，具体实施方法为：首先所有采集模块都要在便携式电脑上进行设定，包括起始时间、采样长度，采样频率及放大倍数等，即把所有的采集模块放到待测点时，同一时间开始，按照同样的采集频率和放大倍数采集同样长度的信号后存储在各个模块中，等把所有模块收集到一起后统统下载到便携式电脑上进行分析处理并给出结果。离线采集模块中包括：加速度传感器1、前置放大器2、带通滤波器3、后置放大器4、信号存储单元、控制单元及电源单元等，便携式电脑装有信号处理装置程序，可以对任意三个采集模块得来的数据进行数据处理。这种方式信号的收集，和最终的计算处理不是实时进行的，可以减少现场施测的设备，同时也可以方便的增加采集模块，可以进行大面积的管网漏点普查。

Claims (1)

1.三传感器多尺度约束管网漏点定位的装置，其特征是它包括三个加速度传感器(1)、三个前置放大器(2)、三个带通滤波器(3)、三个后置放大器(4)、高速数据采集卡(5)、结果显示装置(6)、信息存储装置(7)和信号处理装置(8)，三个加速度传感器(1)放置于要测量管网的三个不同的测点上，三个加速度传感器(1)的输出端分别连接在对应的前置放大器(2)的输入端，三个前置放大器(2)的输出端分别连接在对应的带通滤波器(3)的输入端，三个带通滤波器(3)的输出端分别连接在对应的后置放大器(4)的输入端，三个后置放大器(4)的输出端分别连接在高速数据采集卡(5)的一个输入端，高速数据采集卡(5)的输出端连接在信号存储装置(7)的一个输入端，信号存储装置(7)的一个输出端连接在结果显示装置(6)的输入端，信号存储装置(7)的另一个输出端连接在信号处理装置(8)的输入端，信号处理装置(8)的输出端连接在信号存储装置(7)的另一个输入端。

Images