基于多级策略的供水管道泄漏定位方法OA
A Water Supply Pipeline Leak Localization Method Based on a Multi-Stage Strategy
提出一种基于多级策略的供水管道泄漏定位方法.将泄漏定位划分为泄漏判断与精确定位2级,基于时变滤波经验模态分解(TVFEMD)的两级自适应去噪方法提高了泄漏定位精度.在第1级检测阶段,采用动态内在主元分析对无泄漏状态下的信号进行建模,提取其时域与频域特征的压缩表示,并构建动态与静态故障检测指标及其控制限,用于泄漏判断;在第2级定位阶段,利用TVFEMD方法对泄漏信号进行分解,得到一系列本征模态函数(IMF).通过计算各IMF与2个参考信号之间的互相关函数,并结合峰值显著率筛选准则对IMF进行2级去噪,从而有效去除固定噪声与随机噪声干扰.最后,采用信号到达时间差法实现泄漏点的精确定位.实验结果表明:该集成方法在复杂噪声环境下表现出较强的鲁棒性与较高的检测准确性.对于2个泄漏点的检测,准确率PR达到98.5%;相比原始信号,去噪后平均定位误差降低了20.3%,相比其他方法,平均定位误差进一步降低2.3%.
A multilevel method for water supply pipeline leak localization is proposed,integrating leak detection and precise localization.To improve robustness under complex noise conditions,a two-stage adaptive denoising framework based on time-varying filter empirical mode decomposition(TVFEMD)is developed.In the detection stage,dynamic intrinsic principal component analysis is used to model normal-condition signals,from which compressed time-and frequency-domain features are extracted to construct dynamic and static fault indicators.In the localization stage,leak signals are decomposed into intrinsic mode functions(IMFs)using TVFEMD,and a two-stage IMF selection strategy combining cross-correlation analysis and peak prominence ratio criteria is applied to suppress stationary and random noise.Leak positions are determined using the time difference of arrival(TDOA)method.Experiments demonstrate high robustness and accuracy in noisy environments,achieving a precision rate of 98.5%for two-leak scenarios and reducing the average localization error by 20.3%compared with raw signals.
苑朝;段佳鹏;张学伟;张世松;李腾霖;宋振寰;姚万业;牛杭
华北电力大学 自动化系,保定市电力系统智能机器人感知与控制重点实验室,河北 保定 071003华北电力大学 自动化系,保定市电力系统智能机器人感知与控制重点实验室,河北 保定 071003中国航天空气动力研究院,北京 100074华北电力大学 自动化系,保定市电力系统智能机器人感知与控制重点实验室,河北 保定 071003华北电力大学 自动化系,保定市电力系统智能机器人感知与控制重点实验室,河北 保定 071003河北白沙烟草有限责任公司 保定卷烟厂,河北 保定 071000华北电力大学 自动化系,保定市电力系统智能机器人感知与控制重点实验室,河北 保定 071003华北电力大学 自动化系,保定市电力系统智能机器人感知与控制重点实验室,河北 保定 071003
通用工业技术
几何量计量供水管道泄漏检测动态内在主元分析自适应去噪时变滤波经验模态分解
geometrial metrologywater supply pipelineleak detectiondynamic-inner principal component analysisadaptive denoisingTVFEMD
《计量学报》 2026 (4)
492-501,10
国家自然科学基金(U21A20486)河北省高等学校科学技术研究项目(QN2024071)中央高校基本科研业务费专项基金(2025MS149)
评论