董 瓊，王艷輝，許忠仁

（遼寧石油化工大學(xué) 信息與控制工程學(xué)院，遼寧 撫順 113001）

基于改進(jìn)的遺傳算法在輸油管道泄漏點(diǎn)定位中的應(yīng)用

董 瓊，王艷輝，許忠仁

（遼寧石油化工大學(xué) 信息與控制工程學(xué)院，遼寧 撫順 113001）

在負(fù)壓波法的管道泄漏檢測定位中，由于信號(hào)中含有很多噪聲信號(hào)，通常采用小波分析法去噪，一般閾值法容易丟失信號(hào)中有用成分，因此，通過改進(jìn)的遺傳算法得到小波的最優(yōu)閾值，對(duì)信號(hào)進(jìn)行消噪處理，更好地還原了原信號(hào)。由于遺傳算法存在局部收斂快的缺陷，本文提出了改進(jìn)的遺傳算法來精確的估計(jì)側(cè)漏點(diǎn)的位置，實(shí)驗(yàn)表明該算法提高了泄漏點(diǎn)定位的精確性。

負(fù)壓波；泄漏檢測；定位；小波分析；改進(jìn)的遺傳算法

隨著輸油管網(wǎng)的逐漸完備，輸油管道成為石油輸送的主要途徑，但是由于管道使用年限過長、施工缺陷以及人為破壞，導(dǎo)致管道泄漏事故時(shí)有發(fā)生，不僅對(duì)環(huán)境造成了不可彌補(bǔ)的破壞，并且造成了巨大的財(cái)產(chǎn)損失，因此，輸油管道泄漏檢測定位成為了石油輸送的重要工作之一[1]。

為了減少泄漏事故、降低財(cái)產(chǎn)損失，多種泄漏檢測定位技術(shù)被提出，但都存在適用范圍、反應(yīng)速度、檢測靈敏度和定位精度等一定的局限。目前，負(fù)壓波法憑借性價(jià)比高、簡單實(shí)用、可靠性高、檢測定位性能好等特點(diǎn)，較為成熟地應(yīng)用在泄漏檢測定位系統(tǒng)中[2]，本文通過利用小波分析和遺傳算法對(duì)泄漏信號(hào)的檢測和定位處理，以確保輸油管道的正常運(yùn)行[3-6]。

1 負(fù)壓波檢測技術(shù)原理

在原油管道運(yùn)輸過程中，當(dāng)管道發(fā)生泄漏，液體會(huì)迅速流失，引起瞬時(shí)壓力降，這種壓力降逐漸向管道兩端傳播，通過首末段兩端的壓力傳感器捕捉信號(hào)以此判斷管道是否發(fā)生泄漏。泄漏點(diǎn)的確定對(duì)于檢測人員來說是一項(xiàng)重要內(nèi)容。圖1為管道泄漏定位原理示意圖，在首、末端分別設(shè)置壓力傳感器，當(dāng)有泄漏點(diǎn)時(shí)，產(chǎn)生的壓力波在不同時(shí)刻被傳感器檢測到。

圖1 管道泄漏定位原理示意圖Fig.1 The pipeline leak positioning principle diagram

其中，L為被測管長，al為負(fù)壓波傳播速度，v為液體流速，Lx為泄漏點(diǎn)距首站的距離，t1為首站檢測到負(fù)壓波的時(shí)間，t2為末站檢測到負(fù)壓波的時(shí)間。令Δt=t1-t2，則有

通常，al在 1 000 m/s以上， 而為 1.5～3 m/s之間，al比 v大3個(gè)數(shù)量級(jí)，所以v可以忽略不計(jì)，從而可以得出定位公式為

式中，Δt為實(shí)際檢測中負(fù)壓波到達(dá)首末站時(shí)刻的時(shí)間差。

2 基于改進(jìn)遺傳算法的小波分析

對(duì)于負(fù)壓力波能否成功準(zhǔn)確定位的關(guān)鍵問題之一就是對(duì)采集到的原始?jí)毫π盘?hào)進(jìn)行有效的過濾。由于小波分析法不需要建立管線的數(shù)學(xué)模型，是一種簡單靈敏的檢測方法。因此，對(duì)于該問題，可以考慮采用小波分析法。常見的泄漏點(diǎn)定位方法有很多，比如時(shí)延估計(jì)法、相關(guān)分析法等，由于小波分析法的定位精確度相對(duì)于其它的方法高，為了進(jìn)一步提高其定位精度，本文選用基于改進(jìn)遺傳算法的小波分析作為對(duì)負(fù)壓波信號(hào)的處理，對(duì)泄漏點(diǎn)捕捉的方法。

2.1 小波分析去噪的基本原理

小波分析去噪就是根據(jù)各尺度下的小波變換系數(shù)不同的特點(diǎn)，將信號(hào)和噪聲分離，同時(shí)可以捕捉突變的負(fù)壓力波信號(hào)。小波分析信號(hào)的步驟如下：信號(hào)的小波分解、小波分解高頻系數(shù)的閾值量化、小波重構(gòu)。在這3個(gè)步驟中，閾值的選擇和如何進(jìn)行閾值量化，將直接影響消噪的質(zhì)量。

常見的閾值去噪的中獨(dú)立閾值去噪的效果是最好的，但是其閾值的大小難以確認(rèn)，故關(guān)鍵是怎樣確定閾值。目前在確定閾值方面，許多學(xué)者做了大量的工作。但是很少有結(jié)合智能算法來確定最優(yōu)閾值的方法。對(duì)于遺傳算法，它有很強(qiáng)的全局搜索能力，且這種搜索能力不依賴于特定的求解模型。因此，可以考慮采用遺傳算法來解決閾值最優(yōu)的問題。本文利用基因重組的基本原理，提出了一種新的交叉算子對(duì)基本遺傳算法進(jìn)行改進(jìn)。采用這種改進(jìn)的遺傳算法來確定其閾值大小。

2.2 利用改進(jìn)的遺傳算法確定小波最優(yōu)閾值

本文在遺傳算法的交叉操作中，利用基因重組的基本原理，采用反向交叉算子基因重組策略，使得改進(jìn)的遺傳算法防止早熟收斂，達(dá)到優(yōu)化、加速收斂的目的。反向交叉算子是對(duì)參與交叉的一對(duì)染色體的交叉部位基因進(jìn)行反向移位，之后對(duì)相應(yīng)的基因位進(jìn)行邏輯操作得到兩個(gè)新的染色體，描述如下。

設(shè)有兩個(gè)待交叉的染色體為：

隨機(jī)選擇交叉位置 i，j（1≤i≤j≤n），交叉后的染色體為：

在遺傳過程中，這種交叉算子由于染色體繼承了父代優(yōu)良基因，使得同一基因位上等位基因的多樣性得到保持，在尋優(yōu)過程中，經(jīng)過基因變異，為遺傳算法提供了更多的樣本空間，使得遺傳算法的搜索能力增強(qiáng)，避免早熟收斂的現(xiàn)象，加快最優(yōu)解的獲取過程。采用以上改進(jìn)的遺傳算法確定小波最優(yōu)閾值。把帶有噪聲的信號(hào)x進(jìn)行多尺度小波分解，可以得到小波變換后的系數(shù)wf（j，k），對(duì)于每一尺度設(shè)一待求閾值，設(shè)為 a1，a2，…，ak（k 為小波變換的尺度），對(duì)于每層小波系數(shù)運(yùn)用軟閾值法進(jìn)行處理，然后根據(jù)處理過的所有小波系數(shù)進(jìn)行信號(hào)重構(gòu)，得到重構(gòu)后的信號(hào)為設(shè)改進(jìn)的遺傳算法處理的目標(biāo)函數(shù)為，求該函數(shù)的最小值，便可得到每一層的閾值a1，a2，…ak。圖2為經(jīng)過小波分析四層分解得到的去噪信號(hào)。

圖2 小波分析經(jīng)過四層分解得到的去噪圖Fig.2 After four layers of the decomposed wavelet analysis to the noise figure

利用改進(jìn)的遺傳算法的小波分析，在閾值選取上更為適合，既快速準(zhǔn)確的消除了噪音和干擾，又較完整的還原了有用波。圖3為采用基于改進(jìn)的遺傳算法的小波分析確定最優(yōu)閾值，經(jīng)過四層分解得到的去噪波形。

圖3 利用改進(jìn)的遺傳算法的小波分析得到的去噪圖Fig.3 Using the improved genetic algorithm of wavelet denoising figure analysis

對(duì)比全局閾值去噪效果，利用改進(jìn)遺傳算法確定閾值去噪的后的波形能更好的保留波形細(xì)節(jié)，而且波形更清晰，從去噪后的信噪比來看，改進(jìn)遺傳算法確定閾值去噪算法去噪后對(duì)比默認(rèn)全局閾值去噪得到了更高的信噪比，而且信噪比提高的幅度還比較大。

3 改進(jìn)的遺傳算法在管道泄漏點(diǎn)搜索的應(yīng)用

由上章提到的小波分析進(jìn)行原始信號(hào)的去噪，得到去噪后的有效信號(hào)，通過對(duì)有效信號(hào)的分析，便可對(duì)泄漏點(diǎn)進(jìn)行初定位，同時(shí)結(jié)合管道兩端接收到負(fù)壓力波的時(shí)間差，采用遺傳算法和復(fù)合算法結(jié)合的算法搜索管道內(nèi)的泄漏點(diǎn)，對(duì)泄漏點(diǎn)進(jìn)行較為準(zhǔn)確的定位。

3.1 改進(jìn)的遺傳算法

遺傳算法具有很強(qiáng)的全局搜素能力，在遺傳過程中引入具有快速局部尋優(yōu)能力的算法，構(gòu)成混合遺傳智能算法。由于復(fù)合形具有較強(qiáng)的局部尋優(yōu)的能力，收斂速度快。將這兩種方法結(jié)合在一起構(gòu)成了改進(jìn)遺傳算法。復(fù)合形法即是不斷用相對(duì)較好的點(diǎn)來代替最壞的點(diǎn)，逐步完善。在優(yōu)化問題中，通過不斷使目標(biāo)函數(shù)值有所改善的可行解，來代替使目標(biāo)函數(shù)值最差的可行解，便可得到最優(yōu)可行解。圖4為改進(jìn)遺傳算法流程圖。

圖4 改進(jìn)遺傳算法流程圖Fig.4 Improved genetic algorithm flow chart

3.2 改進(jìn)的遺傳算法在管道泄漏點(diǎn)搜索中的應(yīng)用

在式（4）中，未知量Lx為泄漏點(diǎn)與首站的距離。Lx的存在于中 x={x1，x2，…，xi}，將其中任意一個(gè) xi帶入（4）中都會(huì)得到一個(gè)對(duì)應(yīng)的Δti，泄漏點(diǎn)的位置就是Δti=Δt使得點(diǎn)xi。由上可知，Lx的值為搜索到的使|Δti-Δt|最小的 xi，由此轉(zhuǎn)到數(shù)學(xué)上求目標(biāo)函數(shù)最小值的優(yōu)化問題，其中，目標(biāo)函數(shù)為|Δti-Δt|。由于是求最小值問題，適應(yīng)函數(shù)選為：

使用改進(jìn)的遺傳算法搜尋泄漏點(diǎn)位置，種群數(shù)目取為40，最大遺傳代數(shù)為50代，交叉概率Pc取為 0.6，變異概率Pm取為0.09。經(jīng)50代遺傳后，搜索得到泄漏點(diǎn)位置為距首端 7 020米處。圖5為尋優(yōu)過程曲線，其中實(shí)線為泄漏點(diǎn)距首端距離的最優(yōu)值曲線，虛線為每代適應(yīng)度均值曲線。

假設(shè)管道總長度為12 km，管道內(nèi)某一點(diǎn)發(fā)生泄漏時(shí)，首末兩端檢測到負(fù)壓力波到達(dá)的

時(shí)間差為5.5 s，在起停泵試驗(yàn)中，測定出負(fù)壓波傳播的波速為1 026米/秒左右。經(jīng)常波速定位方法確定泄漏點(diǎn)為距離首端為：

圖5 改進(jìn)的遺傳算法尋優(yōu)過程曲線Fig.5 The improved genetic algorithm optimization process curve

4 結(jié)束語

實(shí)驗(yàn)表明，在管道泄漏檢測定位系統(tǒng)中，基于改進(jìn)的遺傳算法的小波分析，可以有更好的分析精度，能將噪聲和干擾從原始信號(hào)中分離出來，有效地捕捉壓力波信號(hào)突降點(diǎn)。

采用改進(jìn)的遺傳算法搜索得到的管道泄漏點(diǎn)與常波速定位方法得到的結(jié)果有較大的差距。在涉及負(fù)壓力波波速的相關(guān)參數(shù)取得恰當(dāng)?shù)那闆r下，使用改進(jìn)的遺傳算法搜尋管道的能夠比較好的減小由于負(fù)壓波波速的變化而給定位帶來的誤差，使定位精度有了進(jìn)一步的提高。

[1]李世容，宋艾玲，張樹軍.我國油氣管道現(xiàn)狀與發(fā)展趨勢[J].油氣田地面工程，2006，25（6）:7-8.

LI Shi-rong，SONG Ai-ling，ZHANG Shu-jun.Current situation and trend of development of oil and gas pipelines in our country[J].Oil-gasfield Surface Engineering，2006，25（6）:7-8.

[2]廉小親，蘇維均，輸油管道泄漏監(jiān)測系統(tǒng)的研究[J].冶金自動(dòng)化，2004，（4）:210-214.

LIN Xiao-qin，SU Wei-jun.Research of oil pipeline leak monitoring system[J].Metallurgical Industry Automation，2004（4）:210-214.

[3]周密，李尊尊，耿國華.基于小波閾值的圖像去噪方法研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2008，18（5）:22-24.

ZHOU Mi，LI Zun-zun，GENG Guo-hua.Research of image denoising method based on wavelet threshold[J].Computer Technology and Development，2008，18（5）:22-24.

[4]姚晉麗，王霞.一種基于小波變換的顯微圖像去噪算法研究與實(shí)現(xiàn)[J].計(jì)算機(jī)與數(shù)字工程，2008，36（7）:21-26.

YAO Jin-li，WANG Xia.Microscope image denoising algorithm study realization based on wavelet transform[J].Computer&Digital Engineering，2008，36（7）:21-26.

[5]彭玉華.一種改進(jìn)的小波變換閾值去噪方法 [J].通訊學(xué)報(bào)，2004，25（8）：119-123.

PENG Yu-hua.An improved thresholding method in wavelet transform domain for denoising[J].Journal on Communications，2004，25（8）：119-123.

[6]賈杏托.基于多小波變換的圖像降噪算法的研究 [D].燕山：燕山大學(xué)，2009.

[7]汪小梅，朱華.一種改進(jìn)的小波變換閾值去噪方法[J].重慶理工大學(xué)學(xué)報(bào)，2010，24（6）:48-51.

WANG Xiao-mei，ZHU Hua.Improved threshold method for signalde-noising in wavelet[J].JournalofChongqing University of Technology，2010，24（6）:48-51.

Leakage orientation technique for oil pipelines based on the improved genetic algorithm

DONG Qiong， WANG Yan-hui， XU Zhong-ren
（School of Information and Control Engineering，Liaoning Shihua University，F(xiàn)ushun 113001， China）

In the negative pressure wave method of pipeline leakage detection and locating，because the signal contains a lot of noise signal， usually using the method of wavelet de-noising， useful component in general threshold method is easy to lose signal， therefore， by the improved genetic algorithm to get the optimal threshold of wavelet， the signal de-noising， to restore the original signal.Because the genetic algorithm has local convergence，this paper proposes an improved genetic algorithm to estimate accurately the side leakage location，experimental results show this algorithm can improve the accuracy of leak point location.

negative pressure wave； leak detection； positioning； wavelet analysis； genetic algorithm

TP802

A

1674-6236（2014）15-0044-03

2013-09-29 稿件編號(hào)：201309228

董 瓊（1987—），男，河北廊坊人，碩士。研究方向：基于現(xiàn)代電子技術(shù)的智能控制器。