埋地供水管道泄漏信号地面特性试验研究

发布时间：2020-04-12 05:44

【摘要】：供水管道泄漏一直是城市供水系统面临的一大问题,管道泄漏事故产生的原因多种多样,包括各种自然及人为因素,比如土壤腐蚀、地质沉降、荷载变化等。若不能及时发现并修复,会造成大量的资源浪费,还会对供水水质、水量、水压造成威胁,甚至可能危机人身及财产安全。管网的泄漏检测方法多种多样,其中声学检测应用最为普遍。目前基于声信号处理的泄漏检测方法,其主要研究工作多数是建立在从管道上直接采集泄漏信号的基础上,而这种方式在实际的检漏工作中会受到较多局限。论文针对实际工作中的检漏状况,主要研究利用地面采集到的泄漏声信号进行泄漏检测的方法。论文首先依据傅里叶变换理论,探究不同泄漏条件下(如不同压力、传播距离、管材等)泄漏信号的特征及变化规律,发现压力的增大会导致信号功率增大,而对频率范围无影响,且二者呈现较好的线性关系;在一定范围内,信号功率会随传播距离增大呈指数衰减,但频率范围基本恒定;管材的不同不会对泄漏信号产生较大影响;结合相关系数、相干函数原理,对比分析同一条件下的管外泄漏信号和综合泄漏信号,发现在信噪比较高时,二者具有很好的相似性,表明在地面采集到的泄漏信号,其主要产生来源为管外信号源。其次,针对泄漏信号被噪声干扰的问题,采用小波分析理论,对含噪泄漏信号进行去噪处理研究。采用不同的小波函数以及阈值去噪方法,以信噪比及去噪前后信号的相关系数作为评价指标,分别对周期性信号、泄漏信号进行处理,发现小波变换能够有效抑制含噪信号中的噪声部分,提高信号的信噪比。最后,从随机性特征的角度出发,结合自相关函数理论与近似熵理论(ApEn)描述泄漏信号的“可重复性”特征,将泄漏信号与噪声信号区分开来;并选取Lempel-Ziv复杂度(LZC)计算信号复杂度,作为从区分泄漏信号与噪声信号的第二个随机性特征。采用ApEn以及LZC两个特征参数构建BP神经网络,用丰富的数据样本进行BP网络的训练,并使用确知的泄漏信号以及噪声信号进行辨识测试,得到了90%的辨识准确率,证明此方法能够从常见的干扰噪声中辨识出泄漏是否存在。将此泄漏辨识方法应用实际的检漏工作,能够显著提高工作效率,降低检漏成本。
【图文】：

漏失率,供水管网

22015 年图 1-1 2015、2016 年各省份漏失率结果显示，2016 年全国范围内的平均漏失率为 15.26%，相比 2015 年 15.21%的漏失率来讲，供水管网的漏失并未得到很好的控制。对比这两年各个省份的漏失情况，较为发达的城市以及东南部省份的漏失率相对较低，能维持在 15%及以下，如北京、上海、广东、重庆、江苏、浙江等。但仍有不少省份漏失率一直偏高，平均漏失率均在 20%以上，如吉林、黑龙江、福建、辽宁等省份。其中，吉林省漏失情况最为严重，达到 30%以上。2016 年吉林省总漏失水量为 27081 万吨，相当于全国人民两年的生活用水总量。由于严重的供水漏失，国家出台政策法规，推进供水管网的降损工作。2013 年《国务院关于加强城市基础设施建设的意见》指出了我国供水管网严重的漏失现状，提出要加强供水管网的改造和优化。截止到 2020 年城市供水官网平均漏失率要控制在 10%以内[12]。

技术路线图,随机性,工程硕士学位,检漏方法

哈尔滨工业大学工程硕士学位论文基于自相关原理，探究泄漏信号与噪声信号之间随机性与 “可重复性”的差异，进而从信号的随机性特征角度出发，提取多种泄漏信号的随机性特征；最后以泄漏信号的特征参数作为输入量建立神经网络，进行泄漏信号在噪声干扰下的泄漏辨识。（4）建立基于小波理论和 BP 网络的泄漏检测分析方法。对采集到的信号依次进行小波去噪分析、BP 网络辨识，，确定泄漏是否存在将这种方法应用到实际的检漏工作中，并与传统的检漏方法做对比，验证其有效性。1.3.3 技术路线
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TU991.33

【参考文献】