基于改進的遺傳算法在輸油管道泄漏點定位中的應用

董 瓊，王艷輝，許忠仁

（遼寧石油化工大學 信息與控制工程學院，遼寧 撫順 113001）

基于改進的遺傳算法在輸油管道泄漏點定位中的應用

董 瓊，王艷輝，許忠仁

（遼寧石油化工大學 信息與控制工程學院，遼寧 撫順 113001）

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

負壓波；泄漏檢測；定位；小波分析；改進的遺傳算法

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，導致管道泄漏事故時有發(fā)生，不僅對環(huán)境造成了不可彌補的破壞，并且造成了巨大的財產(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、降低財產(chǎn)損失，多種泄漏檢測定位技術被提出，但都存在適用范圍、反應速度、檢測靈敏度和定位精度等一定的局限。目前，負壓波法憑借性價比高、簡單實用、可靠性高、檢測定位性能好等特點，較為成熟地應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泄漏信號的檢測和定位處理，以確保輸油管道的正常運行[3-6]。

1 負壓波檢測技術原理

在原油管道運輸過程中，當管道發(fā)生泄漏，液體會迅速流失，引起瞬時壓力降，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以此判斷管道是否發(fā)生泄漏。泄漏點的確定對于檢測人員來說是一項重要內(nèi)容。圖1為管道泄漏定位原理示意圖，在首、末端分別設置壓力傳感器，當有泄漏點時，產(chǎn)生的壓力波在不同時刻被傳感器檢測到。

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為負壓波傳播速度，v為液體流速，Lx為泄漏點距首站的距離，t1為首站檢測到負壓波的時間，t2為末站檢測到負壓波的時間。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個數(shù)量級，所以v可以忽略不計，從而可以得出定位公式為

式中，Δt為實際檢測中負壓波到達首末站時刻的時間差。

2 基于改進遺傳算法的小波分析

對于負壓力波能否成功準確定位的關鍵問題之一就是對采集到的原始壓力信號進行有效的過濾。由于小波分析法不需要建立管線的數(shù)學模型，是一種簡單靈敏的檢測方法。因此，對于該問題，可以考慮采用小波分析法。常見的泄漏點定位方法有很多，比如時延估計法、相關分析法等，由于小波分析法的定位精確度相對于其它的方法高，為了進一步提高其定位精度，本文選用基于改進遺傳算法的小波分析作為對負壓波信號的處理，對泄漏點捕捉的方法。

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，將信號和噪聲分離，同時可以捕捉突變的負壓力波信號。小波分析信號的步驟如下：信號的小波分解、小波分解高頻系數(shù)的閾值量化、小波重構(gòu)。在這3個步驟中，閾值的選擇和如何進行閾值量化，將直接影響消噪的質(zhì)量。

常見的閾值去噪的中獨立閾值去噪的效果是最好的，但是其閾值的大小難以確認，故關鍵是怎樣確定閾值。目前在確定閾值方面，許多學者做了大量的工作。但是很少有結(jié)合智能算法來確定最優(yōu)閾值的方法。對于遺傳算法，它有很強的全局搜索能力，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基本遺傳算法進行改進。采用這種改進的遺傳算法來確定其閾值大小。

2.2 利用改進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，使得改進的遺傳算法防止早熟收斂，達到優(yōu)化、加速收斂的目的。反向交叉算子是對參與交叉的一對染色體的交叉部位基因進行反向移位，之后對相應的基因位進行邏輯操作得到兩個新的染色體，描述如下。

設有兩個待交叉的染色體為：

隨機選擇交叉位置 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，避免早熟收斂的現(xiàn)象，加快最優(yōu)解的獲取過程。采用以上改進的遺傳算法確定小波最優(yōu)閾值。把帶有噪聲的信號x進行多尺度小波分解，可以得到小波變換后的系數(shù)wf（j，k），對于每一尺度設一待求閾值，設為 a1，a2，…，ak（k 為小波變換的尺度），對于每層小波系數(shù)運用軟閾值法進行處理，然后根據(jù)處理過的所有小波系數(shù)進行信號重構(gòu)，得到重構(gòu)后的信號為設改進的遺傳算法處理的目標函數(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。

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

利用改進的遺傳算法的小波分析，在閾值選取上更為適合，既快速準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

對比全局閾值去噪效果，利用改進遺傳算法確定閾值去噪的后的波形能更好的保留波形細節(jié)，而且波形更清晰，從去噪后的信噪比來看，改進遺傳算法確定閾值去噪算法去噪后對比默認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 改進的遺傳算法在管道泄漏點搜索的應用

由上章提到的小波分析進行原始信號的去噪，得到去噪后的有效信號，通過對有效信號的分析，便可對泄漏點進行初定位，同時結(jié)合管道兩端接收到負壓力波的時間差，采用遺傳算法和復合算法結(jié)合的算法搜索管道內(nèi)的泄漏點，對泄漏點進行較為準確的定位。

3.1 改進的遺傳算法

遺傳算法具有很強的全局搜素能力，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。由于復合形具有較強的局部尋優(yōu)的能力，收斂速度快。將這兩種方法結(jié)合在一起構(gòu)成了改進遺傳算法。復合形法即是不斷用相對較好的點來代替最壞的點，逐步完善。在優(yōu)化問題中，通過不斷使目標函數(shù)值有所改善的可行解，來代替使目標函數(shù)值最差的可行解，便可得到最優(yōu)可行解。圖4為改進遺傳算法流程圖。

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

3.2 改進的遺傳算法在管道泄漏點搜索中的應用

在式（4）中，未知量Lx為泄漏點與首站的距離。Lx的存在于中 x={x1，x2，…，xi}，將其中任意一個 xi帶入（4）中都會得到一個對應的Δti，泄漏點的位置就是Δti=Δt使得點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)學上求目標函數(shù)最小值的優(yōu)化問題，其中，目標函數(shù)為|Δti-Δt|。由于是求最小值問題，適應函數(shù)選為：

使用改進的遺傳算法搜尋泄漏點位置，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，搜索得到泄漏點位置為距首端 7 020米處。圖5為尋優(yōu)過程曲線，其中實線為泄漏點距首端距離的最優(yōu)值曲線，虛線為每代適應度均值曲線。

假設管道總長度為12 km，管道內(nèi)某一點發(fā)生泄漏時，首末兩端檢測到負壓力波到達的

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

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

4 結(jié)束語

實驗表明，在管道泄漏檢測定位系統(tǒng)中，基于改進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中分離出來，有效地捕捉壓力波信號突降點。

采用改進的遺傳算法搜索得到的管道泄漏點與常波速定位方法得到的結(jié)果有較大的差距。在涉及負壓力波波速的相關參數(shù)取得恰當?shù)那闆r下，使用改進的遺傳算法搜尋管道的能夠比較好的減小由于負壓波波速的變化而給定位帶來的誤差，使定位精度有了進一步的提高。

[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].計算機技術與發(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現(xiàn)[J].計算機與數(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.一種改進的小波變換閾值去噪方法 [J].通訊學報，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，2009.

[7]汪小梅，朱華.一種改進的小波變換閾值去噪方法[J].重慶理工大學學報，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：201309228

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