泄漏管道中振动波波速特性研究

主要根据管道振动理论并结合泄漏管道的工程实际情况,通过管道的运动方程,得到泄漏管道周向模态下不同类型振动波波速的预测公式。并以钢管和PVC塑料管为例,分析和讨论相同频率范围内,管道的几何特性和材料特性对振动波波速的影响。结果表明管道半径和材料特性对振动波波速影响较为明显。并在上述工作的基础上,与已有的实验结果进行分析和对比,验证泄漏管道中波速预测公式的准确性和可靠性。

泄漏管道中的压力波传播规律研究

有压流体受到扰动时压力和密度等参数会产生持续性波动并传播,压力波具有传递能量和携带信息的属性,可用于管道泄漏检测。通过搭建压力波管路试验系统,利用机械冲击激发压力波并分析其首波幅值特性,探讨了管路泄漏时压力波传播及衰减的规律。利用FLUENT软件建立了管道系统的二维模型,就压力波衰减比值开展了模拟与试验结果的验证,并将该模型用于长管道的压力波传播特性分析。研究表明:机械冲击产生的最大压力波首波幅值约为178.0 kPa,试验中采用的压力波幅值约为95.2 kPa。压力波在经过泄漏口后幅值大幅衰减形成次压力波,同时发生反射,导致膨胀波的叠加位置发生改变,解释了泄漏时的压力波传播现象。当泄漏口的尺寸由1 mm增大至5 mm时,次压力波会减弱而反射的压力波增强;管长相对压力波半波长的大小影响压力波的叠加状态,利用泄漏后对应膨胀波的相位差可测算出泄漏口位置。

泄漏管道的补焊

在锅炉运行过程中，某些充水管道有时会发生穿孔泄漏现象，此时如果停产将管遭内的水全部排尽后进行补焊，将会使生产受到极大损失。为此采用了带水补焊的方法，现介绍如下。

从管段走向管网:管道泄漏诊断技术研究进展

管道泄漏诊断技术在保障管道系统安全运行中起着至关重要的作用。首先,介绍了管道泄漏诊断系统的结构,并指出由单一管段向复杂管网泄漏诊断的发展趋势。进一步从基于数据驱动的传统泄漏检测方法、管道泄漏信号源定位技术和基于深度学习的复杂管网泄漏检测方法3个方面进行综述,分析了不同方法的优势、局限性和适用范围。最后指出,随着管网系统的复杂度增加,传统方法的局限性逐渐显现,基于深度学习技术的复杂管网微弱泄漏诊断、多源信号融合和管网智能化的研究将成为未来的研究趋势。

基于NB-IoT技术的天然气管道泄漏监测系统

为了对天然气管道运行情况进行实时监测,在发生泄漏时能够及时做出反应,设计了基于NBIoT技术的天然气管道泄漏监测系统。系统利用压力变送器、DHT11温湿度传感器和GPS/北斗定位系统分别对管道的内部压力、设备周围的温湿度和经纬度位置进行采集,将采集的数据通过STM32控制NBIoT物联网模块上传至OneNET物联网云平台,最终通过云平台对天然气管道进行实时监测。实验表明:该系统能够对天然气管道的数据进行实时上传,能够通过云平台进行天然气管道状态的实时监测。

室内地埋供热管道泄漏的声学监测及其信号去噪方法研究

为了更精确地对室内地埋供热管道泄漏声学监测信号进行主要特征频率提取和分析,需先对测量信号去噪。本文采用变分模态分解(variational mode decomposition,VMD),对距离漏水点5 cm和40 cm测量点的原始声信号分别进行模态分解,计算出各模态分量的排列熵并将其作为噪声信号剔除的依据,最后对信号进行重构,并与经验模态分解(empirical mode decomposition,EMD)、集合经验模态分解(ensemble empirical mode decomposition,EEMD)的处理结果进行对比。发现相比于其他两种分解降噪方法,VMD能够更好地解决模态混叠问题,能更为精确地将噪声信号去除,达到更好的去噪效果。

基于VMD的广义三次互相关管道泄漏定位检测

针对天然气管道泄漏检测声波定位技术中,二次互相关时延估计算法存在较大误差的问题,提出了一种基于变分模态分解(VMD)结合广义三次互相关的时延估计算法。该方法首先利用VMD算法对两路信号进行分解并重构信号;其次,在二次互相关的基础上再进行一次相关,并在互相关算法的峰值检测阶段引入希尔伯特变换(HT),对峰值进行尖锐化处理,成为一种新型的广义三次互相关时延估计算法。通过对平台搭建的油气管道泄漏检测系统采集数据进行模拟试验,分析了各算法的精度。试验表明,相较于二次互相关,改进广义三次互相关时延估计算法定位平均精度有明显的提升,有着更高的精度和更好的抗噪性能,在天然气管道泄漏定位方面有着更广泛的应用前景。

基于ReliefF和因子分析的管道泄漏源特征识别方法

针对管道泄漏源识别方法中由于特征冗余性较高从而影响识别精度的问题,提出一种结合ReliefF和因子分析的特征降维方法。首先,采集管道泄漏源的声发射信号,并从声发射信号中提取出27个频域特征和时域特征;其次,利用ReliefF方法对特征进行筛选,筛选出相关性较高的特征作为敏感特征,并通过因子分析提取敏感特征中的公因子,组成特征集;最后,将降维后的特征集输入支持向量机中进行识别,输出对管道泄漏源形状特征与尺寸大小的识别结果。实验结果表明,该方法能准确识别出管道泄漏源的不同形状特征以及尺寸大小,同时能有效降低特征冗余性和运算时长。

输气管道泄漏声发射信号的数值模拟及应用

声发射信号常用于管道泄漏检测中。目前主要采用实验结合信号分析的方法对管道泄漏声发射信号进行研究,对于管道泄漏声发射信号数值模拟的研究较少。为了研究输气管道泄漏的流固耦合振动响应特性,建立了泄漏管道三维模型,采用单向瞬态流固耦合的方法对模型进行有限元模拟分析,模拟管道发生泄漏时管道振动的声发射信号。通过实验声发射传感器记录管壁振动产生的声发射信号。结果表明:数值模拟结果与实验结果的误差为0.3%,其结果吻合较好。并将声发射模拟信号应用于小波基选取方面,为后续的泄漏检测研究提供理论参考。

基于FDHHFLTS-BN的海底管道泄漏失效风险定量分析

为预防海底油气管道泄漏失效事故,提出基于自由双层次犹豫模糊语言术语集(FDHHFLTS)和贝叶斯网络(BN)的FDHHFLTS-BN风险分析方法,用于分析海底油气管道泄漏失效事故概率及事故的关键风险因素。将故障树模型转换为BN结构,由专家根据FDHHFLTS评估基本事件发生可能性;采用最佳最差法(BWM)确定专家权重,结合相似性聚合方法(SAM)聚合专家意见;依据构建的BN模型,正向推理得到事故发生概率,反向推理得到后验概率,并进行敏感性分析。将该方法应用于实例分析,结果表明:分析段海底管道泄漏事故的概率值为P=6.20×10^(-3);焊缝施工缺陷、材料施工缺陷和渔具作用等为事故发生的关键因素;与传统方法对比分析结果证明,所提方法在确定海底管道风险方面具有一定的优势。

多工况输气管道泄漏声波信号自适应去噪

为实现极低信噪比下管道泄漏声波信号去噪,基于多通道信号的相关性,提出使用相关系数矩阵筛选变分模态分解所得模态分量。针对不同工况的泄漏信号,提出不依赖真值的去噪质量评价指标,将其作为多目标灰狼优化算法目标函数,基于Pareto前沿获取变分模态分解的最佳模态数K和惩罚因子η,实现多工况自适应去噪。搭建了输气管道泄漏多工况实验平台,在不同工况、不同输入信号信噪比(-8~4 dB)下验证所提方法的去噪效果。结果表明,该方法能有效抑制噪声,-8 dB时去噪信号信噪比提升2.84 dB以上。对比基于单目标优化的去噪方法,-8 dB下新方法的信噪比和相关系数分别提高了3.65 dB和31.26%。

高压CO_(2)管道泄漏动态压力计算模型研究

高压CO_(2)管道运行过程中可能因为腐蚀或外部因素发生泄漏,由于CO_(2)相态复杂,管内压力相应产生复杂动态响应变化,管内压力动态变化规律对于减压波预测、管材韧性止裂具有重要影响。为研究不同工况下管道泄漏过程中管内压力变化特性,基于等熵原理建立了高压CO_(2)管道泄漏管内动态压力计算模型,并结合工业规模CO_(2)管道泄漏实验数据以及HYSYS软件计算结果对模型进行了验证。结果表明:相比HYSYS软件,新建模型对于高压CO_(2)管道泄漏过程压降的预测与实验结果更吻合,平均预测误差为3.9%,表明新建模型可以准确预测高压CO_(2)管道泄漏过程管内压力的动态响应变化规律。研究成果可为高压CO_(2)管道泄漏过程管内动态减压特征预测提供理论支撑。

基于灾害链及复杂网络理论的城镇燃气管道泄漏灾害演化过程分析

为分析城镇燃气管道泄漏灾害演化过程,通过收集城镇燃气管道泄漏典型事故案例进行统计分析,结合灾害链及复杂网络理论,构建了城镇燃气管道泄漏灾害链,并将其转化成复杂网络拓扑结构图,分析其关键节点和关键边。结果表明:城镇燃气管道泄漏灾害链可分为灾害演化前期、灾害演化中期和灾害演化后期,通过破坏火灾、爆炸、建筑物倒塌、相邻管线受损、管道泄漏、社会公共事件、企业停产、人员伤亡等关键节点或者切断管道泄漏→爆炸、管道泄漏→火灾、相邻管线受损→供气设备损坏、道路破坏→交通瘫痪、爆炸→相邻管线受损等关键边,可有效破坏或切断城镇燃气管道泄漏灾害链的网络传播路径。该研究结果可为城镇燃气管道泄漏灾害事件应急处置和断链减灾提供科学依据。

基于改进MFO优化空间谱的埋地管道泄漏定位

现有管道泄漏声波定位法仅能提供泄漏所在区域。为实现区域内地下泄漏源的精确定位,基于地面均匀圆形阵列(uniform circular array, UCA),提出选择性反向学习飞蛾火焰优化(selective ppposition based moth-flame optimization, SOMFO)结合双波谱的埋地管道泄漏定位方法。针对土壤P1波和S波共存且波速不明确等问题,构造地面UCA的双波谱函数,以其最大输出为优化目标,使用SOMFO寻优双波速度及泄漏源三维坐标共5个参数,并设计了多孔泄漏定位策略。搭建了埋地管道泄漏试验装置,通过互谱解卷绕相位的直线特性验证了P1波和S波的存在。试验结果表明,基于SOMFO优化双波谱的定位方法可准确估计波速及三维坐标,定位误差最大为0.066 m。此外,研究了多孔泄漏及寻优算法对定位精度的影响。与现有两种精确定位方法相比,新方法对单孔泄漏的定位精度分别提升9.68%和24.32%,多孔泄漏分别提升49.17%和61.15%。

基于FUZZY-BN-FTA的厂区架空燃气管道泄漏可能性研究

为研究厂区架空燃气管道泄漏的故的可能性,提出模糊数学方法、贝叶斯网络模型以及故障树模型相结合的集成模型。通过GeNIe软件建立架空燃气管道泄漏事故的模糊贝叶斯网络模型;引入Leaky Noisy-or Gate扩展模型对模糊贝叶斯网络中节点的条件概率表进行修正,结合基本事件先验概率预测架空燃气管道泄漏的概率值,并引入3个基本事件重要度确定基本事件的重要性排序,同时进行敏感性分析确定主要影响因素,提出控制措施。研究结果表明:厂区车辆撞击、管道疲劳损耗、管材质量不佳、安装设计不合理、焊接缺陷为导致架空燃气管道泄漏的主要因素。研究结果可为工业企业安全管理人员有针对性地制定控制措施,减少事故发生率提供参考。

超临界/密相CO_(2)管道泄漏压力响应及低温规律实验研究

为进一步了解超临界/密相CO_(2)在管道泄漏过程中的压力响应和温度变化,基于自行设计的高压CO_(2)管道泄漏实验装置,探讨压力响应、温降特性和相态变化的相互作用机理,以及低温分布规律。研究结果表明:19 mm口径纯CO_(2)的压降曲线有明显的2个阶段,且密相泄放存在明显的压力平台,N 2会明显提高泄放速率;相同截面上温度呈现“上热下冷”的分布特征,管道轴线方向,泄放端温降相对最严重;从相态变化角度看,超临界CO_(2)泄漏没有明显两相区,但对于密相而言,管道底部的CO_(2)会经历密相、液相、过热液相、气液两相、气相的相态转变过程。研究结果可为管道泄放安全运行以及规避断裂风险等方案设计提供参考。

基于BWO优化VMD联合小波阈值的管道泄漏次声波去噪方法

管道泄漏次声波信号中的干扰噪声影响管道泄漏定位的精准度。提出了一种基于白鲸优化算法(BWO)优化变分模态分解(VMD)联合小波阈值(WT)的管道泄漏次声波去噪方法。针对VMD算法中分解层数K和惩罚因子α的取值对信号分解结果影响较大,利用白鲸优化算法(BWO)对VMD分解的两关键参数进行寻优,获得最优参数组合[K、α],并利用优化后的参数对次声波信号进行VMD分解,获得一系列本征模函数(IMF)分量。通过计算各IMF分量的相关系数来区分噪声IMF分量和有效IMF分量,引入一种改进的小波阈值函数对有效的IMF分量进行去噪处理,再重构去噪后各有效IMF分量,得到去噪后的管道泄漏次声波信号。通过仿真实验,将所提方法与灰狼优化算法(GWO)优化VMD联合小波阈值和麻雀搜索算法(SSA)优化VMD联合小波阈值两种方法对比,所提方法去噪后信号的信噪比分别提高了1.27%、2.01%,表明所提方法的去噪效果具有一定的优越性,为后续管道泄漏计算定位奠定了良好的基础。

TGNET在氢气和天然气管道泄漏对比模拟研究中的应用

以某输气管道项目为基础,利用TGNET工艺模拟软件,建立氢气管道、天然气管道模型,分别对管线阀门不关闭、管线阀门关闭两种工况氢气、天然气管道泄漏进行模拟分析,并对两者进行对比分析,得到了氢气管道、天然气管道发生泄漏后泄漏点、气源及分输用户在压力、峰值流量、累积流量的不同变化规律,用于指导氢气管道的泄漏检测与预警设计。

管道泄漏声波信号特征提取方法及实验研究

为探究管道泄漏检测中信号的特征及变化规律,开展了理论研究与实验分析。采集不同工况下管道泄漏声波信号,利用变分模态分解对管道泄漏声波信号进行分解重构,并提取相应特征值,处理并对比分析不同运行压力、不同泄漏孔径、不同位置等工况的管道泄漏声波信号特征值。结果表明:管道运行压力与泄漏孔径与泄漏声波信号幅值呈正相关,管道泄漏位置与泄漏声波信号幅值呈负相关。因此,今后在对管道泄漏进行分析时需结合不同的工况进行对应的具体分析。此研究为基于声波法的管道泄漏检测提供了理论和数据支撑。

基于WPT-PCA-GMHMM的输气管道泄漏源特征识别研究

为了克服压力波动下输气管道泄漏信号变化幅度大导致孔径识别准确率低的问题,提出了一种基于WPT-PCAGMHMM的泄漏源特征识别模型。开展了压力波动下管道泄漏的声发射检测实验,通过小波包变换(WPT)提取了不同工况下声发射信号的小波包能量谱,随后通过主成分分析(PCA)对频带能量进行去相关性与降维。最后将数据及标签分为训练集与测试集,采用高斯混合-隐马尔可夫模型(GMHMM)实现了对管道压力与泄漏孔径的分类识别。结果表明,所提出的模型整体准确率最高达到95.20%,泄漏孔径准确率达到99.95%,显著泄漏识别准确率达到100%,在充足样本及小样本的环境下相比BPNN、SVM均有优秀的表现。