长输油管道泄漏检测与定位技术研究进展

长输油管道泄漏事故不仅会造成重大经济损失,而且会给生态环境带来灾难性的破坏,因此对长输油管道进行在线实时监测与快速精准定位是保障管道安全运行的核心要素。首先对目前国内外常用的泄漏检测技术进行了分类总结,其次详细论述了长输油管道泄漏检测技术原理、性能及其优缺点,并对长输油管道泄漏检测中存在的微小泄漏、缓泄漏等难点问题进行了重点评述。最后在全面总结现有研究成果的基础上,对长输油管道泄漏检测技术的发展潜力、应用前景、目前存在的问题以及如何进行下一步研究进行了深刻的分析和展望,认为干涉型分布式光纤传感法联合深度学习模式识别技术可以更好地实现远距离输油管道泄漏检测领域的智能化、高效化,并在未来的泄漏检测领域具有良好的应用前景。     

基于RFID输油管道泄漏检测技术的研究与探讨

基于RFID无线射频识别技术的输油管道泄漏检测的试验是在实验室内进行的,实验室研究的结果表明:RFID无线射频识别技术应用到输油管道的小泄漏检测与定位是可行的,且泄漏点的定位误差可以缩小到(10—20)m之间。但目前还存在一些技术难点待解决,有望在不远的将来,基于RFID无线射频识别技术的输油管道泄漏检测与定位系统将转向油田现场试验,改进后可得到实际应用,这对输油管道管理部门有着重大的现实意义。     

声发射检测技术在管道泄漏信号识别中的应用

对基于声发射技术的管道泄漏检测这一新方法进行了实验研究。从声发射技术的基本理论入手，分析了声发射技术的特点及检测原理，掌握了声发射信号的分析处理方法及源定位技术，然后进一步将声发射检测技术应用于输油管道的泄漏检测，建立了管道泄漏声发射检测模型，并建立了两种泄漏定位模型。对整个检测系统进行了设计，并进行了管道泄漏声发射实验，对管道泄漏声发射信号的特征进行了分析和提取，为进一步的实验研究及现场应用打下基础。     

基于压力时间序列的输油管道在线泄漏故障诊断算法

针对输油管道中的泄漏问题提出一种基于混沌特性的输油管道压力时间序列在线故障诊断算法.该算法通过重构时间序列的相空间,求得输油管道压力序列的嵌入维为5维,嵌入延迟为4.以5维重构向量作为神经网络模型的输入,先离线训练网络,得到初始参数,然后在线训练神经网络模型,实现网络模型权值在线调整,从而实现实时对故障信号的检测.通过对实测数据的仿真表明本算法可以检测压力故障,证明了本算法在实际中的有效性.     

基于深度学习One-stage方法的焊缝缺陷智能识别研究

目前基于深度学习的卷积神经网络在对焊缝缺陷射线图像进行智能识别时,多采用基于候选区域的two-stage方法,检测速度难以满足实时性要求。针对该问题,提出基于深度卷积神经网络的one-stage焊缝缺陷识别定位算法,将整张图像输入网络,并直接在输出图像上标定目标缺陷位置及类别。通过采用特征金字塔、减小网络深度、引入跳跃连接卷积块和K-means算法等方法对YOLO网络进行改进,提高了网络对焊缝缺陷识别定位的准确率和速度。实验结果表明:该方法比two-stage识别定位算法和YOLO原网络在检测速度和检测精度方面都有所提升,单个图像的平均识别准确率为94.9%,召回率为94.1%,处理时间为19.58 ms,具备焊缝缺陷在线实时识别的工程应用价值。     

基于级联卷积神经网络的人脸检测算法

为了解决大部分基于深度学习的方法直接提取深度抽象特征,无法在速度与精度上取得均衡问题,该文将传统的级联框架与深度卷积神经网络结合,提出了一种新的基于级联的由浅至深的卷积神经网络人脸检测方法。首先通过融合全脸与部分人脸的全卷积神经网络置信图谱快速定位人脸候选区域,然后采用深度神经网络提取人脸鲁棒性特征,对候选区域进一步分类验证,并用联合回归的方法确定最终人脸位置,提高检测精确度。所提出的方法与一些代表性的算法对比和分析,在FDDB、AFW权威评测集上达到了可比较的精度,且能快速地进行检测。     

基于STA/LTA的输油管道泄漏检测方法

研究了将微震检测中的STA/LTA方法与负压波检测法相结合，并应用于输油管道泄漏检测的技术方法.根据管道泄漏时产生的负压波波形与微震信号初至的相似性，可利用STA/LTA方法对该特征波形进行准确的提取和捕捉，并通过对比管道首末站检测到该特征波形的时间差，对泄漏点位置进行定位.研究表明该方法可有效识别突变的负压波信号，并减少传统泄漏检测方法中小波变换等信号处理方法带来的计算复杂性.室内实验结果表明，将STA/LTA应用于输油管道泄漏检测具备可行性且能够有效识别负压波信号.      

基于压电传感器的管道泄漏监测仪的研制

提出了通过提高输油管道泄漏信号的信噪比进而提高泄漏检测的可靠性和灵敏度的方法；在定量分析、比较压阻式压力传感器和压电式动态压力传感器各自信号的特征和信噪比的基础上，提出了基于压电传感器的管道泄漏监测方法。阐述了基于压电传感器的管道泄漏监测、定位原理以及基于MSP430F149单片机的管道泄漏监测仪软、硬件设计方法及实现。现场泄漏检测试验结果表明，基于压电传感器的管道泄漏监测仪可以较好地提高泄漏检测的可靠性和灵敏度。     

基于深度神经网络的入侵检测方法

为改善传统机器学习技术解决海量网络数据和复杂入侵模式对信息网络的入侵检测的不足,提出一种基于深度神经网络的入侵检测方法.采用神经元映射卷积神经网络(NPCNN)为网络结构,使用较少的连接和参数,具有易于训练和泛化能力强等优点.在训练过程中,使用Re LU激活器作为非线性激活函数,采用Adam算法进行模型学习,从而避免了传统深度网络须进行预训练的过程.在NSL-KDD数据集上的实验结果表明:提出的方法较基于传统机器学习的入侵检测方法具有良好的特征表征学习和分类能力,且随着数据量的增大,模型的分类精度有较大的提升.     

基于深度学习的行为检测方法综述

行为检测在自动驾驶、视频监控等领域的广阔应用前景使其成为了视频分析的研究热点。近年来，基于深度学习的方法在行为检测领域取得了巨大的进展，引起了国内外研究者的关注，对这些方法进行了全面的梳理和总结，介绍了行为检测任务的详细定义和面临的主要挑战；从时序行为检测和时空行为检测2个方面对相关文献做了细致地分类，综合分析了每一类别中不同研究方法的思路和优缺点，并阐述了基于弱监督学习、图卷积神经网络、注意力机制等新兴研究话题的相关方法；介绍了行为检测领域常用的数据集以及性能评估指标，在这些数据集上比较了几种典型方法的性能；总结了当前行为检测方法需要解决的问题以及进一步发展的研究方向。     

基于模糊RBF神经网络的管道泄漏检测方法

针对模糊BP神经网络在管道泄露检测与估计中存在网络构建训练速度慢、易陷入局部最优等问题,提出将模糊RBF神经网络方法应用于管道的泄漏检测与估计.首先依据管道泄漏时流量、压力的变化机理,将采集到的实际运行中管道内的流量差与压力差信号模糊化后作为RBF神经网络的输入,以泄漏尺寸大小的置信度作为网络的输出,并结合专家先验知识所得的模糊规则,构建管道泄漏检测的模糊RBF神经网络.进而以实际管道运行数据对其进行离线仿真测试,仿真结果表明模糊RBF神经网络克服了模糊BP神经网络的不足,提高了泄漏估计的精度,使网络构建更加高效、优化.     

运用虚拟仪器实现输油管道泄漏监测和定位

为了有效地检测输油管道泄漏并准确定位,运用负压波和质量平衡原理,采用模糊算法和逻辑判断法,利用压力、流量和输差三重机制实现了对原油管道的泄漏监测及定位、原油渗漏监测和报警.系统集成了传感器技术、无线通信技术和虚拟仪器技术.系统在对小压力、小流量和温度波动较大的高凝稠输油管道的泄漏监测方面有所突破.利用数据库结构,再现泄漏记录,回放历史数据并具有对历史数据进行统计、查询和打印等功能.采用无线通讯网络传递现场工作站的数据,并实现局域网内对管道的监测.     

基于LPV模型GRNN输气管道音波定位算法

针对输气管道泄漏检测及定位问题以及管道内气体可压缩、检测难等特点,建立了输气管道线性变参数(LPV)模型,并设计了广义回归神经网络(GRNN),以理论时间差为模型输入,以对应的管道各点位置为期望输出.采用音波法对输气管道进行泄漏故障诊断与定位.结合具体实例并采用现场数据进行仿真研究,结果表明:采用基于LPV模型的GRNN输气管道泄漏故障音波定位算法是一种有效的方法,可使预测值准确地跟踪真实值,实验结果为输气管道泄漏故障检测与定位的工业应用提供了可靠的依据.     

Design of Congestion Control Strategy Based on Pipeline Flux Leak Monitoring Networks

Flow against pipeline leakage and the pipe network sudden burst pipe to pipeline leakage flow for the application objects,network congestion avoidance strategy is designed in pipeline leak monitoring.Based on the property of Markov chain for network data,a new estimator with particle filter is proposed for congestion control in this paper.The proposed scheme can predict the traffic patterns by the decision-making model.To compare with previous scheme based on fuzzy neural network,the proposed scheme can ada...     

小波Semisoft阈值函数在输油管道泄漏信号处理中的应用

输油管道中存在的噪声影响了有用泄漏信号的提取,为了提高泄漏检测系统的灵敏度,降低系统的误报警率,利用小波半软(semisoft)阈值函数对实测的泄漏信号进行去噪处理,并与其他几个常用阈值函数的去噪结果进行比较,结果表明,半软阈值函数法可有效地去除管道信号中的噪声。     

基于改进的EMD方法的热网管道泄漏检测方法

管道泄漏检测技术是保障管道安全生产的重要手段.为了延长管道使用寿命、及时发现和处理管道泄漏事故,通常采用基于声波检测的管道泄漏检测方法.对基于声波检测的热网管道泄漏检测方法进行了研究.对经验模态分解方法进行了分析,针对其存在的端点效应问题提出了一种改进的方法,经过仿真实验和性能对比,验证了方法的有效性和优越性.将这种改进的EMD算法应用在热网管道泄漏检测中,取得了较好的管道信息处理效果.     

油气开采过程的环境监测与管理

 当前随着石油、天然气等开发的不断深入,对地下水、土壤、大气等自然环境的监管和保护越来越重要。本文介绍了目前国内外套后窜漏监测、输油管线泄漏监测和大气污染监测的主要方法,其中套后窜流监测的包括测井法、试井法、机械法;输油管线泄漏监测包括输差检漏法、负压波法等常规方法和实时监测系统;大气污染监测包括生物监测法、光谱分析法等常规方法和综合性监测系统。简述了该领域国内外最新进展,其中套后窜流监测包括核监测技术和实时监测技术等;输油管线泄漏监测包括模型法、漏磁监测、腐蚀理论等;大气污染监测为综合性监测系统。分析表明,井下实时监测技术、管线泄漏实时监测系统、智能化气体集成监测系统将成为未来油田开采过程中主要的发展方向和热点。     

基于改进BP神经网络算法的管道缺陷漏磁信号识别

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷漏磁信号来识别缺陷的形态参数．根据漏磁检测原理设计了相关的漏磁检测电路，通过提取信号的主要特征量，利用Levenberg-Marquardt算法在对常用BP神经网络改进的基础上应用其来识别缺陷的尺寸参数，给出了BP神经网络各层数的确定及权值、学习率的调整方法和相应的漏磁信号数据处理过程．漏磁检测数据处理实验表明，该缺陷识别BP神经网络系统具有逼近精度高、收敛速度快等特点．     

基于非平衡数据处理的管道泄漏检测与定位研究

针对管道运行状态数据的非平衡性会造成管道泄漏诊断准确率下降的问题,提出了一种基于非平衡数据的管道泄漏检测与定位方法.首先,将管道各工况非平衡数据采用基于K均值聚类的欠采样方法处理,使其达到数据平衡.然后,将Fischer-Burmeister函数引入到双支持向量机学习过程中,以避免目标函数求解时矩阵的求逆计算,并将平衡数据作为改进双支持向量机算法的输入,识别管道泄漏.采用相关分析法实现泄漏点定位.根据Flowmaster搭建的管道模型,运用该方法识别管道泄漏.仿真实验表明,与经典双支持向量机和拉格朗日双支持向量机相比,该方法能更快速识别管道泄漏孔径及定位.