基于数据驱动的流体管道弱可检测故障实时诊断方法研究

本申请以实现流体管道弱可检测故障的实时诊断为目标，研究混沌状态下弱可检测故障实时诊断问题。拟在混沌状态下采用数据驱动的方法，按照混沌状态建模-弱可检测故障实时检测-弱可检测故障定位-弱可检测故障分类-流体管道弱可检测故障实时诊断的主线进行研究，形成基于数据驱动的弱可检测故障实时诊断方法体系。主要研究内容：1）根据混沌状态和其特征的关系，建立数据驱动的状态-混沌关系模型，并从理论上证明其稳定性；2）提出混沌视神经网络预测算法，实现对混沌状态的快速、准确预测；3）提出混沌状态下弱可检测故障的故障源定位原理，基于此原理并利用数据驱动的状态-混沌关系模型和混沌视神经网络预测算法，提出弱可检测故障实时诊断算法；4）提出基于数据核的模糊最小-最大神经网络分类算法，提高故障分类的精度；5）根据流体管道运行特点并结合本研究所得理论成果提出流体管道弱可检测故障实时诊断算法，实现管道中弱可检测故障的实时诊断。

本课题以流体管道弱可检测故障的实时诊断为目标，研究数据驱动的泄漏故障的实时诊断问题。课题研究已经完成预期目标，取得一批原创性的成果。课题执行期间发表学术论文16篇，其中SCI检索6篇，申请相关发明专利29项，其中9项已经授权。主要完成内容包括：.在对经典模糊最小-最大神经网络参数分析的基础上，针对实测数据含有扰动的特点，提出一种新的基于数据质心的模糊最大-最小神经网络结构，为模式的准确和快速分类提供基础。该网络为一个三层前馈神经网络，其特点是隐含层节点分为分类神经元和重叠神经元，可以消除收缩过程对于分类准确性的影响，能够快速有效地进行模式识别。同时我们设计了新的分类节点函数和重叠节点函数，并设计了新的神经网络学习方法。仿真结果和管道泄漏诊断的实际应用证明了所提出的分类方法在性能上有明显提高。.设计一系列管道微弱泄漏故障诊断方法。(1) 针对流体管道压力数据的特征，设计了管道泄漏实时高精度检测与定位的压力信号采集方法；在此基础上基于对压力信号的分析，设计了一种压力数据高精度实时组合滤波方法，并给出了滤波方法中每个步骤的选择依据，以及参数选择方法。该滤波方法在滤掉压力信号中的噪声同时，较好地保留了压力变化的幅值和相位信息，从而可以有效提高泄漏定位精度。(2) 提出一种输油管道压力精确阈值自更新算法，该算法根据压力信号的特点，将压力数据分为非平稳和平稳状态，分别采用不同的方法计算动态阈值，可以实时准确地更新压力信号的噪声阈值，并且通过分析和仿真确定了算法中参数的取值或者取值范围。（3）对于检测到的压力异常利用相关分析法进行同源压力信号的匹配，最后对匹配的异常压力源进行定位。该算法的特点是可以在最短时间内通过压力信号判断管道状态并进行定位，同时算法简单，执行速度快，通过压力异常源匹配提高了异常判断精度。最后通过实测数据的仿真验证了本算法的有效性。.针对海底管道检测中内检测器的位置确定问题，提出实时跟踪与精确定位方法，将故障实时诊断方法用在非实时故障诊断的内检测中。该方法应用压力波和超低频电磁波方法联合，通过压力波对内检测器实时跟踪，而利用超低频电磁波对内检测器进行精确定位，从而可有效解决海底管道内检测器的跟踪定位问题。根据所提出的方法，给出了实时跟踪与精确定位系统的整体结构的设计思路。该方法在国际上首次实现了海底管道内检测器的跟踪和定位问题。