人工智能型的管道泄漏監(jiān)測(cè)系統(tǒng)在克－烏成品油管道的應(yīng)用研究（上
(1.新疆新捷股份有限公司,烏魯木齊 830000；2.北京昊科航科技有限責(zé)任公司，北京 100039)
摘 要 根據(jù)克-烏線的情況，采用《HKH系列管道泄漏監(jiān)測(cè)報(bào)警定位系統(tǒng)》，設(shè)計(jì)了合適的專用模糊神經(jīng)網(wǎng)絡(luò)，給出了專用網(wǎng)絡(luò)圖和部分算法。說明了調(diào)試方法，對(duì)測(cè)試數(shù)據(jù)進(jìn)行了分析，根據(jù)試驗(yàn)效果對(duì)該系統(tǒng)在克-烏成品油管道上的適用性做出了結(jié)論，提出了存在問題和改進(jìn)建議。
關(guān)鍵詞 人工智能；模糊神經(jīng)網(wǎng)絡(luò)；泄漏監(jiān)測(cè)；應(yīng)用研究
中圖分類號(hào)：文獻(xiàn)標(biāo)識(shí)碼：文章編號(hào)
Application on Artificial Intelligent System for Leck Monitoring Using in Finished Oil Pipeline from Karamay to Urumchi
Bi Fengdong Li Shujie Chen Jiuhui Ma Ji
1.Xinjiang Xin Jie Co.,Ltd, Wulumuqi830000 ,China;
2．Beijing Haokehang Science&Technology Co.,Ltd,Beijing100039,China
3. College of Information Engineering, Shenyang University, Shenyang 110043, China)
Abstract: According to the using of pipeline, designed a suitable and special fuzzy nerve network with HKH pipeline monitoring system for leck detection and assessed the special net picture and part of arithmetic. We amplify the method of test and research the data, then draw the conclusion of system application in the finished oil pipeline from Karamay to Urumchi, according to experimental effect and give the problem in exite and advise for improvement.
Key words: artificial intelligent; pipeline; leaking monitoring; application research.
1 引言
人工智能作為現(xiàn)代設(shè)計(jì)方法學(xué)○1的一個(gè)重要組成部分，已經(jīng)在我國(guó)管道泄漏監(jiān)測(cè)中有了成功應(yīng)用案例○2。為了解決克—烏成品油管道泄漏監(jiān)測(cè)的技術(shù)難題，彌補(bǔ)國(guó)外技術(shù)的不足，根據(jù)克-烏線的情況，采用《HKH系列管道泄漏監(jiān)測(cè)報(bào)警定位系統(tǒng)》，研究合適的專用模糊神經(jīng)網(wǎng)絡(luò)，確定該網(wǎng)絡(luò)在克－烏成品油管道上的適用性。
2人工智能型的管道泄漏監(jiān)測(cè)模型
2.1克－烏成品油管道泄漏監(jiān)測(cè)的神經(jīng)網(wǎng)絡(luò)模型
克－烏成品油管道是長(zhǎng)距離多品種油密閉順序輸送管道，兩個(gè)進(jìn)油站，一個(gè)出油站，中間又有四個(gè)串聯(lián)泵站，每個(gè)泵站又都有變頻泵和工頻泵，串聯(lián)泵站沒有流量計(jì)，管道內(nèi)混油頭數(shù)量不定，管道輸送壓力變化較大，情況復(fù)雜。為了在這種環(huán)境中能正確識(shí)別出管道泄漏信號(hào)，經(jīng)反復(fù)研究，我們?cè)O(shè)計(jì)了專門的網(wǎng)絡(luò)。為了給網(wǎng)絡(luò)提供盡可能多的信息，我們?cè)跊]有流量計(jì)的站增加了差壓變送器，用以代替流量計(jì)信號(hào)。這樣，每個(gè)站就有了三種進(jìn)入網(wǎng)絡(luò)的原始信號(hào)。
圖一 克－烏線管道泄漏監(jiān)測(cè)系統(tǒng)人工神經(jīng)網(wǎng)絡(luò)模型圖
A B C D E F G H
這個(gè)網(wǎng)絡(luò)圖共分了八層。
A層：是輸入層，其中：
是人工設(shè)定的閾值，是與檢測(cè)量性質(zhì)和量程相關(guān)的一個(gè)數(shù)值。是輸入量，對(duì)于中間的一個(gè)站來講，他們分別代表進(jìn)站壓力、差壓和出站壓力。
B層是模糊層：在此完成檢測(cè)量的模糊化， 是上層的輸出、下層的輸入。
(1.1)
其中： ——是與檢測(cè)量性質(zhì)和量程相關(guān)的一個(gè)系數(shù)，是與采集數(shù)相關(guān)的一個(gè)量。
C層：是閾值配置層，在此完成信息分類前的閾值配置。是人工設(shè)置的閾值，對(duì)任何輸入 ，該值對(duì)應(yīng)的每一個(gè)下級(jí)單元都是不同的。
(1.2)
在這里， 1，2，3； 1，2，3……12。是信號(hào)分配器，對(duì)于任何輸入 ， 所對(duì)應(yīng)的每一個(gè)下級(jí)單元都是不同的。
(1.3)
是與 相關(guān)的閾值。
D層是分類層：在這里，管道運(yùn)行狀態(tài)被分成了12個(gè)特征點(diǎn)：
保存了上次計(jì)算的結(jié)果，
(1.4)
E層是歷史經(jīng)驗(yàn)層：
是提取的歷史經(jīng)驗(yàn)，是根據(jù)F層的數(shù)據(jù)變化經(jīng)一定的運(yùn)算以后不斷更新的，當(dāng)F層數(shù)據(jù)進(jìn)來時(shí)，該層要對(duì)更新要求進(jìn)行識(shí)別，進(jìn)行合理處理后作為新的歷史經(jīng)驗(yàn)被保存下來；
(1.5)
F層是函數(shù)運(yùn)算層：
包括二方面的內(nèi)容，一個(gè)是根據(jù)以前的經(jīng)驗(yàn)和當(dāng)前進(jìn)來的信息進(jìn)行綜合運(yùn)算，給出一個(gè)輸出數(shù)據(jù)，送到下一級(jí)，再一個(gè)是給出一個(gè)歷史經(jīng)驗(yàn)的新數(shù)據(jù)，送到E層；
(1.6)
G層是合成層：
根據(jù)前級(jí)數(shù)據(jù)合成的一個(gè)新數(shù)值，送到下一級(jí)；
(1.7)
H層是輸出層：
接受前面的三個(gè)數(shù)據(jù)，在此進(jìn)運(yùn)算后輸出，給出一個(gè)唯一的結(jié)論。
(1.8)
2.2專用模糊神經(jīng)網(wǎng)絡(luò)的定位技術(shù)
動(dòng)態(tài)管道泄漏監(jiān)測(cè)要解決的問題其實(shí)只有兩個(gè)，一個(gè)是正確的識(shí)別出泄漏，一個(gè)是定位。識(shí)別泄漏是關(guān)鍵的技術(shù)，在此基礎(chǔ)上的才是定位。
采用專用模糊神經(jīng)網(wǎng)絡(luò)監(jiān)測(cè)能夠正確識(shí)別管道泄漏，這第一個(gè)問題就解決了。接下來的就是定位的問題了。
為了解決克烏線微小信號(hào)下定位誤差大的問題，我們選擇了水擊波速度法。根據(jù)監(jiān)測(cè)點(diǎn)內(nèi)管道長(zhǎng)度、上下游監(jiān)測(cè)點(diǎn)接收到水擊波信號(hào)的時(shí)間差和管道內(nèi)水擊波的傳播速度就可以計(jì)算出泄漏點(diǎn)的位置。該法的定位公式如下：
(1.9)
式中：
—— 泄漏點(diǎn)的位置
——被監(jiān)測(cè)的管道的長(zhǎng)度
——波在管道中傳播的速度
——首末兩站點(diǎn)收到波的時(shí)間差
(1.10)
式中：
——流體密度；
K——液體的體積彈性系數(shù)；
E——管材彈性系數(shù)；
D——管道的平均直徑
δ——管壁厚度；
Ψ——系數(shù)，對(duì)于埋地管道，Ψ＝1－μ2；
μ——泊松系數(shù)，鋼管的μ=0.3；
從上面的公式可以看出，一般情況下， 和 的變化可以忽略不計(jì)，定位誤差大小僅與 有關(guān)，所以采用水擊波速度計(jì)算泄漏位置的關(guān)鍵問題是找到事件發(fā)生的確切時(shí)刻 。由于專用模糊神經(jīng)網(wǎng)絡(luò)能準(zhǔn)確的找到事件的發(fā)生時(shí)刻，從而為準(zhǔn)確的計(jì)算 提供了依據(jù)，也解決了小信號(hào)所需定位時(shí)間太長(zhǎng)的問題。
3 專用模糊神經(jīng)網(wǎng)絡(luò)的調(diào)試
專用人工智能網(wǎng)絡(luò)的調(diào)試是在系統(tǒng)軟硬件安裝后在現(xiàn)場(chǎng)進(jìn)行的。首先根據(jù)運(yùn)行參數(shù)進(jìn)行初調(diào)試，再進(jìn)行實(shí)地放油試驗(yàn)。放油過程中不進(jìn)行調(diào)試操作，放油后再根據(jù)放油結(jié)果調(diào)整系統(tǒng)學(xué)習(xí)模型，這是一個(gè)不斷循環(huán)的過程。直至達(dá)到調(diào)試目標(biāo)。
調(diào)試放油方法：放油前1個(gè)小時(shí)至最后一次放油結(jié)束期間內(nèi)各站不要進(jìn)行較大的人工操作，包括啟停泵，切換混油以及變頻設(shè)備的調(diào)整等；系統(tǒng)各單元正常運(yùn)行30分鐘以上；每?jī)纱畏庞偷淖疃虝r(shí)間間隔不能少于20分鐘（以前一次關(guān)閥時(shí)間至下一次開閥時(shí)間計(jì)算）；現(xiàn)場(chǎng)放油操作要求準(zhǔn)確、快捷，并進(jìn)行精確放油計(jì)量；最小泄放量不小于瞬時(shí)量的0.5%；開關(guān)閥門放油要連續(xù)操作，不反復(fù)開關(guān)閥門調(diào)節(jié)流量；每次放油持續(xù)時(shí)間不少于2.5分鐘。
摘 要 根據(jù)克-烏線的情況，采用《HKH系列管道泄漏監(jiān)測(cè)報(bào)警定位系統(tǒng)》，設(shè)計(jì)了合適的專用模糊神經(jīng)網(wǎng)絡(luò)，給出了專用網(wǎng)絡(luò)圖和部分算法。說明了調(diào)試方法，對(duì)測(cè)試數(shù)據(jù)進(jìn)行了分析，根據(jù)試驗(yàn)效果對(duì)該系統(tǒng)在克-烏成品油管道上的適用性做出了結(jié)論，提出了存在問題和改進(jìn)建議。
關(guān)鍵詞 人工智能；模糊神經(jīng)網(wǎng)絡(luò)；泄漏監(jiān)測(cè)；應(yīng)用研究
中圖分類號(hào)：文獻(xiàn)標(biāo)識(shí)碼：文章編號(hào)
Application on Artificial Intelligent System for Leck Monitoring Using in Finished Oil Pipeline from Karamay to Urumchi
Bi Fengdong Li Shujie Chen Jiuhui Ma Ji
1.Xinjiang Xin Jie Co.,Ltd, Wulumuqi830000 ,China;
2．Beijing Haokehang Science&Technology Co.,Ltd,Beijing100039,China
3. College of Information Engineering, Shenyang University, Shenyang 110043, China)
Abstract: According to the using of pipeline, designed a suitable and special fuzzy nerve network with HKH pipeline monitoring system for leck detection and assessed the special net picture and part of arithmetic. We amplify the method of test and research the data, then draw the conclusion of system application in the finished oil pipeline from Karamay to Urumchi, according to experimental effect and give the problem in exite and advise for improvement.
Key words: artificial intelligent; pipeline; leaking monitoring; application research.
1 引言
人工智能作為現(xiàn)代設(shè)計(jì)方法學(xué)○1的一個(gè)重要組成部分，已經(jīng)在我國(guó)管道泄漏監(jiān)測(cè)中有了成功應(yīng)用案例○2。為了解決克—烏成品油管道泄漏監(jiān)測(cè)的技術(shù)難題，彌補(bǔ)國(guó)外技術(shù)的不足，根據(jù)克-烏線的情況，采用《HKH系列管道泄漏監(jiān)測(cè)報(bào)警定位系統(tǒng)》，研究合適的專用模糊神經(jīng)網(wǎng)絡(luò)，確定該網(wǎng)絡(luò)在克－烏成品油管道上的適用性。
2人工智能型的管道泄漏監(jiān)測(cè)模型
2.1克－烏成品油管道泄漏監(jiān)測(cè)的神經(jīng)網(wǎng)絡(luò)模型
克－烏成品油管道是長(zhǎng)距離多品種油密閉順序輸送管道，兩個(gè)進(jìn)油站，一個(gè)出油站，中間又有四個(gè)串聯(lián)泵站，每個(gè)泵站又都有變頻泵和工頻泵，串聯(lián)泵站沒有流量計(jì)，管道內(nèi)混油頭數(shù)量不定，管道輸送壓力變化較大，情況復(fù)雜。為了在這種環(huán)境中能正確識(shí)別出管道泄漏信號(hào)，經(jīng)反復(fù)研究，我們?cè)O(shè)計(jì)了專門的網(wǎng)絡(luò)。為了給網(wǎng)絡(luò)提供盡可能多的信息，我們?cè)跊]有流量計(jì)的站增加了差壓變送器，用以代替流量計(jì)信號(hào)。這樣，每個(gè)站就有了三種進(jìn)入網(wǎng)絡(luò)的原始信號(hào)。
圖一 克－烏線管道泄漏監(jiān)測(cè)系統(tǒng)人工神經(jīng)網(wǎng)絡(luò)模型圖
A B C D E F G H
這個(gè)網(wǎng)絡(luò)圖共分了八層。
A層：是輸入層，其中：
是人工設(shè)定的閾值，是與檢測(cè)量性質(zhì)和量程相關(guān)的一個(gè)數(shù)值。是輸入量，對(duì)于中間的一個(gè)站來講，他們分別代表進(jìn)站壓力、差壓和出站壓力。
B層是模糊層：在此完成檢測(cè)量的模糊化， 是上層的輸出、下層的輸入。
(1.1)
其中： ——是與檢測(cè)量性質(zhì)和量程相關(guān)的一個(gè)系數(shù)，是與采集數(shù)相關(guān)的一個(gè)量。
C層：是閾值配置層，在此完成信息分類前的閾值配置。是人工設(shè)置的閾值，對(duì)任何輸入 ，該值對(duì)應(yīng)的每一個(gè)下級(jí)單元都是不同的。
(1.2)
在這里， 1，2，3； 1，2，3……12。是信號(hào)分配器，對(duì)于任何輸入 ， 所對(duì)應(yīng)的每一個(gè)下級(jí)單元都是不同的。
(1.3)
是與 相關(guān)的閾值。
D層是分類層：在這里，管道運(yùn)行狀態(tài)被分成了12個(gè)特征點(diǎn)：
保存了上次計(jì)算的結(jié)果，
(1.4)
E層是歷史經(jīng)驗(yàn)層：
是提取的歷史經(jīng)驗(yàn)，是根據(jù)F層的數(shù)據(jù)變化經(jīng)一定的運(yùn)算以后不斷更新的，當(dāng)F層數(shù)據(jù)進(jìn)來時(shí)，該層要對(duì)更新要求進(jìn)行識(shí)別，進(jìn)行合理處理后作為新的歷史經(jīng)驗(yàn)被保存下來；
(1.5)
F層是函數(shù)運(yùn)算層：
包括二方面的內(nèi)容，一個(gè)是根據(jù)以前的經(jīng)驗(yàn)和當(dāng)前進(jìn)來的信息進(jìn)行綜合運(yùn)算，給出一個(gè)輸出數(shù)據(jù)，送到下一級(jí)，再一個(gè)是給出一個(gè)歷史經(jīng)驗(yàn)的新數(shù)據(jù)，送到E層；
(1.6)
G層是合成層：
根據(jù)前級(jí)數(shù)據(jù)合成的一個(gè)新數(shù)值，送到下一級(jí)；
(1.7)
H層是輸出層：
接受前面的三個(gè)數(shù)據(jù)，在此進(jìn)運(yùn)算后輸出，給出一個(gè)唯一的結(jié)論。
(1.8)
2.2專用模糊神經(jīng)網(wǎng)絡(luò)的定位技術(shù)
動(dòng)態(tài)管道泄漏監(jiān)測(cè)要解決的問題其實(shí)只有兩個(gè)，一個(gè)是正確的識(shí)別出泄漏，一個(gè)是定位。識(shí)別泄漏是關(guān)鍵的技術(shù)，在此基礎(chǔ)上的才是定位。
采用專用模糊神經(jīng)網(wǎng)絡(luò)監(jiān)測(cè)能夠正確識(shí)別管道泄漏，這第一個(gè)問題就解決了。接下來的就是定位的問題了。
為了解決克烏線微小信號(hào)下定位誤差大的問題，我們選擇了水擊波速度法。根據(jù)監(jiān)測(cè)點(diǎn)內(nèi)管道長(zhǎng)度、上下游監(jiān)測(cè)點(diǎn)接收到水擊波信號(hào)的時(shí)間差和管道內(nèi)水擊波的傳播速度就可以計(jì)算出泄漏點(diǎn)的位置。該法的定位公式如下：
(1.9)
式中：
—— 泄漏點(diǎn)的位置
——被監(jiān)測(cè)的管道的長(zhǎng)度
——波在管道中傳播的速度
——首末兩站點(diǎn)收到波的時(shí)間差
(1.10)
式中：
——流體密度；
K——液體的體積彈性系數(shù)；
E——管材彈性系數(shù)；
D——管道的平均直徑
δ——管壁厚度；
Ψ——系數(shù)，對(duì)于埋地管道，Ψ＝1－μ2；
μ——泊松系數(shù)，鋼管的μ=0.3；
從上面的公式可以看出，一般情況下， 和 的變化可以忽略不計(jì)，定位誤差大小僅與 有關(guān)，所以采用水擊波速度計(jì)算泄漏位置的關(guān)鍵問題是找到事件發(fā)生的確切時(shí)刻 。由于專用模糊神經(jīng)網(wǎng)絡(luò)能準(zhǔn)確的找到事件的發(fā)生時(shí)刻，從而為準(zhǔn)確的計(jì)算 提供了依據(jù)，也解決了小信號(hào)所需定位時(shí)間太長(zhǎng)的問題。
3 專用模糊神經(jīng)網(wǎng)絡(luò)的調(diào)試
專用人工智能網(wǎng)絡(luò)的調(diào)試是在系統(tǒng)軟硬件安裝后在現(xiàn)場(chǎng)進(jìn)行的。首先根據(jù)運(yùn)行參數(shù)進(jìn)行初調(diào)試，再進(jìn)行實(shí)地放油試驗(yàn)。放油過程中不進(jìn)行調(diào)試操作，放油后再根據(jù)放油結(jié)果調(diào)整系統(tǒng)學(xué)習(xí)模型，這是一個(gè)不斷循環(huán)的過程。直至達(dá)到調(diào)試目標(biāo)。
調(diào)試放油方法：放油前1個(gè)小時(shí)至最后一次放油結(jié)束期間內(nèi)各站不要進(jìn)行較大的人工操作，包括啟停泵，切換混油以及變頻設(shè)備的調(diào)整等；系統(tǒng)各單元正常運(yùn)行30分鐘以上；每?jī)纱畏庞偷淖疃虝r(shí)間間隔不能少于20分鐘（以前一次關(guān)閥時(shí)間至下一次開閥時(shí)間計(jì)算）；現(xiàn)場(chǎng)放油操作要求準(zhǔn)確、快捷，并進(jìn)行精確放油計(jì)量；最小泄放量不小于瞬時(shí)量的0.5%；開關(guān)閥門放油要連續(xù)操作，不反復(fù)開關(guān)閥門調(diào)節(jié)流量；每次放油持續(xù)時(shí)間不少于2.5分鐘。
文章版權(quán)歸西部工控xbgk所有，未經(jīng)許可不得轉(zhuǎn)載。
你可能感興趣的文章
服務(wù)咨詢