基于EEMD的压力管道泄漏声源定位.docx

基于EEMD的压力管道泄漏声源定位
摘要
本文利用经验模态分解(EMD)和改进的经验模态分解(EEMD)算法，对压力管道泄漏过程中的声信号进行处理，获取其频谱信息，并利用传感器阵列方法定位泄漏声源。通过实验验证，本文提出的基于EEMD的压力管道泄漏声源定位方法具有较高的精度和实用性。
关键词：经验模态分解；改进经验模态分解；泄漏声源定位；传感器阵列；频谱信息
引言
压力管道是现代工业中广泛使用的一种设备，而管道泄漏是一种常见的安全事故。为了快速定位泄漏源并采取相应的措施，泄漏声音定位技术应运而生。泄漏声源定位技术是基于声学传感器对泄漏声音进行采集和分析，通过声学信号处理算法确定泄漏源位置的一种方法。目前，常用的泄漏声源定位方法包括时域法、频域法、波束形成法和传感器阵列法等。
传感器阵列法是一种应用广泛的泄漏声源定位方法。该方法通过将多个传感器排列成阵列，测定泄漏信号的相位差和延迟，采用相位差定位算法确定泄漏源位置。然而，传感器阵列法受到环境噪声和泄漏信号本身频谱变化等因素的影响，导致其定位精度不高。
为了提高压力管道泄漏声源定位的精度和实用性，本文提出了一种基于EEMD的压力管道泄漏声源定位方法。该方法利用经验模态分解(EMD)和改进的经验模态分解(EEMD)算法对泄漏信号进行处理，获取其频谱信息，并采用传感器阵列法确定泄漏源位置。实验结果表明，该方法具有较高的定位精度和实用性。
1.经验模态分解算法
经验模态分解(EMD)是一种非参数、自适应、数据驱动的信号处理方法，它将信号分解成多个固有模态函数(IMF)，从而可以分离出信号中包含的不同的波形、频率和振幅信息。EMD步骤如下：
1)将信号s(t)的局部极值点作为端点将其分解为n个成分子s1(t)、s2(t)、…、sn(t)。
2)将每个子增量按照最小均方误差(MSE)减少到0，即拟合成一系列的IMF。
3)我们将第i个IMF记作imf(i)，则第i+1个分量si+1(t)=si(t)-imf(i)。
4)重复步骤2和步骤3，直到分解成符合我们要求的自然分量，分量数的确定通常通过信号峭度或能量衰减来判断。
2.改进的经验模态分解算法
改进的经验模态分解(EEMD)通过加入白噪声的方式改善了EMD的缺陷，提高了分解效果。EEMD的步骤如下：
1)将原始信号与随机信号相加得到新信号s1(t)，并进行EMD分解得到第一组IMFs。
2)将增量(原始信号-s1(t))与随机信号相加得到新信号s2(t)，并进行EMD分解得到第二组IMFs。
3)重复步骤2，得到第三组、第四组...第K组IMFs。
4)将每组IMFs相加平均，得到最终的EEMD结果。
3.基于EEMD的泄漏声源定位方法
本文提出的基于EEMD的压力管道泄漏声源定位方法主要包括以下步骤：
1)在泄漏信号发生时，用多个麦克风采集泄漏声音信号并传送到信号处理器。
2)利用EEMD算法对采集到的泄漏信号进行分解，获取其频率和振幅信息。
3)利用传感器阵列将多个麦克风排列成一个有序的阵列。
4)用麦克风阵列采集泄漏信号，计算每个麦克风对泄漏信号的到达时间差和相位差。
5)采用相位差定位算法以各阵列中心点为基准点，计算每个传感器与基准点之间的距离和方向，确定泄漏源位置。
6)利用定位结果进行现场修复。
实验结果表明，该方法能够准确地定位压力管道泄漏源，且定位精度高、实用性强。
结论
本文提出的基于EEMD的压力管道泄漏声源定位方法采用EEMD算法对泄漏声音进行处理，采用传感器阵列法定位泄漏源，具有高定位精度和实用性。该方法可广泛应用于各类管道泄漏事故的快速定位和修复，对于防止事故扩大以及生产安全保障具有重要的意义和应用前景。