天然氣管道泄漏監(jiān)測(cè)網(wǎng)絡(luò)的多源數(shù)據(jù)融合方法與關(guān)鍵技術(shù)研究.pdf

1、天然氣管網(wǎng)是現(xiàn)代城市的“生命線”之一。由于管道的劣化、老化、自然災(zāi)害和建筑施工破壞等原因，管道泄漏以及由此引發(fā)的爆炸事故時(shí)有發(fā)生，嚴(yán)重威脅著城市天然氣供給體系的安全。利用無線傳感器網(wǎng)絡(luò)技術(shù)，可對(duì)城市天然氣管網(wǎng)進(jìn)行在線、實(shí)時(shí)安全監(jiān)測(cè)，解決人工巡檢效率低和現(xiàn)有泄漏診斷方法難以準(zhǔn)確地識(shí)別小泄漏量、多泄漏源等問題。 受測(cè)量噪聲、傳感器類型、網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量和監(jiān)測(cè)位置等因素的影響，傳感網(wǎng)絡(luò)中的檢測(cè)信息表現(xiàn)出形式上的不確定性、多樣性、數(shù)量的巨大

2、性和關(guān)系的復(fù)雜性。為了能夠及時(shí)、準(zhǔn)確地識(shí)別出管道泄漏，需要解決以下問題：(a)傳感器采集的原始泄漏信號(hào)的噪聲剔除；(b)單節(jié)點(diǎn)上各類傳感器檢測(cè)信息的互補(bǔ)性處理；(c)處于不同監(jiān)測(cè)位置的多個(gè)傳感器節(jié)點(diǎn)診斷結(jié)果間聯(lián)合決策。 為此，從信息融合的角度，系統(tǒng)研究了管道泄漏監(jiān)測(cè)網(wǎng)絡(luò)內(nèi)多源檢測(cè)數(shù)據(jù)的處理方法。主要工作如下： (1)通過對(duì)管道泄漏監(jiān)測(cè)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)和檢測(cè)數(shù)據(jù)特征分析，引入小波神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論，建立了一種從數(shù)據(jù)級(jí)、

3、特征級(jí)到?jīng)Q策級(jí)的層級(jí)式多源檢測(cè)數(shù)據(jù)融合模型。在簇內(nèi)成員節(jié)點(diǎn)處，采用小波神經(jīng)網(wǎng)絡(luò)方法對(duì)泄漏信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理和特征參數(shù)融合；在簇頭處，利用改進(jìn)的證據(jù)理論對(duì)多個(gè)節(jié)點(diǎn)的初始識(shí)別結(jié)果進(jìn)行聯(lián)合決策。 (2)針對(duì)城市環(huán)境下傳感器采集泄漏信號(hào)時(shí)受強(qiáng)噪聲干擾的問題，優(yōu)化選取Symlets小波基對(duì)聲發(fā)射泄漏信號(hào)進(jìn)行多層小波分解，采用啟發(fā)式的小波閾值法剔除信號(hào)中的干擾噪聲，然后從降噪信號(hào)中提取時(shí)頻域內(nèi)對(duì)泄漏敏感的特征參數(shù)。為了提高對(duì)泄漏源的定位精度

4、，提出一種多傳感器節(jié)點(diǎn)重復(fù)定位算法，該方法依據(jù)小波分解得到的單模態(tài)聲發(fā)射信號(hào)的平均幅值對(duì)所有信號(hào)進(jìn)行分組和配對(duì)，通過波形互相關(guān)分析得到每對(duì)信號(hào)定位出的泄漏點(diǎn)位置，最后進(jìn)行加權(quán)平均。實(shí)驗(yàn)結(jié)果表明，多節(jié)點(diǎn)重復(fù)定位方法提高了對(duì)泄漏源的定位精度。 (3)針對(duì)BP神經(jīng)網(wǎng)絡(luò)存在的收斂速度慢、識(shí)別率低且易收斂于局部最優(yōu)解的不足，引入了蟻群算法全局優(yōu)化網(wǎng)絡(luò)的權(quán)值；為了保證網(wǎng)絡(luò)同時(shí)具有較高的訓(xùn)練速度和識(shí)別準(zhǔn)確率，采用“試優(yōu)法”確定網(wǎng)絡(luò)所需的隱含層

5、神經(jīng)元數(shù)，在此基礎(chǔ)上建立了管道泄漏特征參數(shù)的蟻群神經(jīng)網(wǎng)絡(luò)融合結(jié)構(gòu)，完成傳感器節(jié)點(diǎn)對(duì)泄漏的初始識(shí)別。實(shí)驗(yàn)結(jié)果表明，相比于BP神經(jīng)網(wǎng)絡(luò)，蟻群神經(jīng)網(wǎng)絡(luò)能夠極大地提高網(wǎng)絡(luò)的訓(xùn)練速度，避免收斂于局部最小值，同時(shí)提高了泄漏識(shí)別的準(zhǔn)確率。 (4)考慮到處于不同監(jiān)測(cè)位置的傳感器節(jié)點(diǎn)關(guān)于泄漏事件的診斷結(jié)果間可能存在沖突，致使直接利用D-S及其修證據(jù)正組合規(guī)則可能得出與事實(shí)相悖的結(jié)論，為此，提出了一種基于可靠度和一致強(qiáng)度的沖突證據(jù)組合算法CECAR

6、CI。該方法依據(jù)源節(jié)點(diǎn)的可靠度對(duì)證據(jù)集進(jìn)行預(yù)處理，引入證據(jù)的一致強(qiáng)度和基元支持度，合理地分配沖突和優(yōu)化證據(jù)的組合次序。實(shí)驗(yàn)結(jié)果表明，CECARCI算法減弱了不可靠證據(jù)對(duì)組合結(jié)果造成的影響，提高了證據(jù)集對(duì)正確命題的聚焦度。 (5)為了降低簇頭決策管道是否發(fā)生泄漏時(shí)的風(fēng)險(xiǎn)，提出一種基于集合屬性和優(yōu)先度的D-S證據(jù)決策方法。該方法將證據(jù)決策問題分解成精細(xì)信度區(qū)間的構(gòu)造和優(yōu)先度比較兩個(gè)層面。在構(gòu)造層面上，引入集合的不確定性測(cè)度和焦元間的

7、屬性支持度，獲取命題集合的精細(xì)信度區(qū)間值；在比較層面上，引入優(yōu)先度評(píng)價(jià)不同命題的精細(xì)信度區(qū)間值，在優(yōu)先度排序的基礎(chǔ)上構(gòu)建了證據(jù)決策模型。實(shí)驗(yàn)結(jié)果表明，該方法可充分利用信度區(qū)間所蘊(yùn)含的信息，克服其它單點(diǎn)值證據(jù)決策方法所存在的誤決策或不做決策的問題。 (6)針對(duì)D-S證據(jù)理論無法處理管道泄漏監(jiān)測(cè)網(wǎng)絡(luò)內(nèi)的模糊信息問題，提出一種基于距離測(cè)度的模糊證據(jù)理論擴(kuò)展方法。該方法從模糊集合間距離的角度，確定模糊焦元對(duì)其它焦元的信任度、似真度函數(shù)的