基于改进的遗传算法在输油管道泄漏点定位中的应用

董 琼，王艳辉，许忠仁

（辽宁石油化工大学 信息与控制工程学院，辽宁 抚顺 113001）

基于改进的遗传算法在输油管道泄漏点定位中的应用

董 琼，王艳辉，许忠仁

（辽宁石油化工大学 信息与控制工程学院，辽宁 抚顺 113001）

在负压波法的管道泄漏检测定位中，由于信号中含有很多噪声信号，通常采用小波分析法去噪，一般阈值法容易丢失信号中有用成分，因此，通过改进的遗传算法得到小波的最优阈值，对信号进行消噪处理，更好地还原了原信号。由于遗传算法存在局部收敛快的缺陷，本文提出了改进的遗传算法来精确的估计侧漏点的位置，实验表明该算法提高了泄漏点定位的精确性。

负压波；泄漏检测；定位；小波分析；改进的遗传算法

随着输油管网的逐渐完备，输油管道成为石油输送的主要途径，但是由于管道使用年限过长、施工缺陷以及人为破坏，导致管道泄漏事故时有发生，不仅对环境造成了不可弥补的破坏，并且造成了巨大的财产损失，因此，输油管道泄漏检测定位成为了石油输送的重要工作之一[1]。

为了减少泄漏事故、降低财产损失，多种泄漏检测定位技术被提出，但都存在适用范围、反应速度、检测灵敏度和定位精度等一定的局限。目前，负压波法凭借性价比高、简单实用、可靠性高、检测定位性能好等特点，较为成熟地应用在泄漏检测定位系统中[2]，本文通过利用小波分析和遗传算法对泄漏信号的检测和定位处理，以确保输油管道的正常运行[3-6]。

1 负压波检测技术原理

在原油管道运输过程中，当管道发生泄漏，液体会迅速流失，引起瞬时压力降，这种压力降逐渐向管道两端传播，通过首末段两端的压力传感器捕捉信号以此判断管道是否发生泄漏。泄漏点的确定对于检测人员来说是一项重要内容。图1为管道泄漏定位原理示意图，在首、末端分别设置压力传感器，当有泄漏点时，产生的压力波在不同时刻被传感器检测到。

图1 管道泄漏定位原理示意图Fig.1 The pipeline leak positioning principle diagram

其中，L为被测管长，al为负压波传播速度，v为液体流速，Lx为泄漏点距首站的距离，t1为首站检测到负压波的时间，t2为末站检测到负压波的时间。令Δt=t1-t2，则有

通常，al在 1 000 m/s以上， 而为 1.5～3 m/s之间，al比 v大3个数量级，所以v可以忽略不计，从而可以得出定位公式为

式中，Δt为实际检测中负压波到达首末站时刻的时间差。

2 基于改进遗传算法的小波分析

对于负压力波能否成功准确定位的关键问题之一就是对采集到的原始压力信号进行有效的过滤。由于小波分析法不需要建立管线的数学模型，是一种简单灵敏的检测方法。因此，对于该问题，可以考虑采用小波分析法。常见的泄漏点定位方法有很多，比如时延估计法、相关分析法等，由于小波分析法的定位精确度相对于其它的方法高，为了进一步提高其定位精度，本文选用基于改进遗传算法的小波分析作为对负压波信号的处理，对泄漏点捕捉的方法。

2.1 小波分析去噪的基本原理

小波分析去噪就是根据各尺度下的小波变换系数不同的特点，将信号和噪声分离，同时可以捕捉突变的负压力波信号。小波分析信号的步骤如下：信号的小波分解、小波分解高频系数的阈值量化、小波重构。在这3个步骤中，阈值的选择和如何进行阈值量化，将直接影响消噪的质量。

常见的阈值去噪的中独立阈值去噪的效果是最好的，但是其阈值的大小难以确认，故关键是怎样确定阈值。目前在确定阈值方面，许多学者做了大量的工作。但是很少有结合智能算法来确定最优阈值的方法。对于遗传算法，它有很强的全局搜索能力，且这种搜索能力不依赖于特定的求解模型。因此，可以考虑采用遗传算法来解决阈值最优的问题。本文利用基因重组的基本原理，提出了一种新的交叉算子对基本遗传算法进行改进。采用这种改进的遗传算法来确定其阈值大小。

2.2 利用改进的遗传算法确定小波最优阈值

本文在遗传算法的交叉操作中，利用基因重组的基本原理，采用反向交叉算子基因重组策略，使得改进的遗传算法防止早熟收敛，达到优化、加速收敛的目的。反向交叉算子是对参与交叉的一对染色体的交叉部位基因进行反向移位，之后对相应的基因位进行逻辑操作得到两个新的染色体，描述如下。

设有两个待交叉的染色体为：

随机选择交叉位置 i，j（1≤i≤j≤n），交叉后的染色体为：

在遗传过程中，这种交叉算子由于染色体继承了父代优良基因，使得同一基因位上等位基因的多样性得到保持，在寻优过程中，经过基因变异，为遗传算法提供了更多的样本空间，使得遗传算法的搜索能力增强，避免早熟收敛的现象，加快最优解的获取过程。采用以上改进的遗传算法确定小波最优阈值。把带有噪声的信号x进行多尺度小波分解，可以得到小波变换后的系数wf（j，k），对于每一尺度设一待求阈值，设为 a1，a2，…，ak（k 为小波变换的尺度），对于每层小波系数运用软阈值法进行处理，然后根据处理过的所有小波系数进行信号重构，得到重构后的信号为设改进的遗传算法处理的目标函数为，求该函数的最小值，便可得到每一层的阈值a1，a2，…ak。图2为经过小波分析四层分解得到的去噪信号。

图2 小波分析经过四层分解得到的去噪图Fig.2 After four layers of the decomposed wavelet analysis to the noise figure

利用改进的遗传算法的小波分析，在阈值选取上更为适合，既快速准确的消除了噪音和干扰，又较完整的还原了有用波。图3为采用基于改进的遗传算法的小波分析确定最优阈值，经过四层分解得到的去噪波形。

图3 利用改进的遗传算法的小波分析得到的去噪图Fig.3 Using the improved genetic algorithm of wavelet denoising figure analysis

对比全局阈值去噪效果，利用改进遗传算法确定阈值去噪的后的波形能更好的保留波形细节，而且波形更清晰，从去噪后的信噪比来看，改进遗传算法确定阈值去噪算法去噪后对比默认全局阈值去噪得到了更高的信噪比，而且信噪比提高的幅度还比较大。

3 改进的遗传算法在管道泄漏点搜索的应用

由上章提到的小波分析进行原始信号的去噪，得到去噪后的有效信号，通过对有效信号的分析，便可对泄漏点进行初定位，同时结合管道两端接收到负压力波的时间差，采用遗传算法和复合算法结合的算法搜索管道内的泄漏点，对泄漏点进行较为准确的定位。

3.1 改进的遗传算法

遗传算法具有很强的全局搜素能力，在遗传过程中引入具有快速局部寻优能力的算法，构成混合遗传智能算法。由于复合形具有较强的局部寻优的能力，收敛速度快。将这两种方法结合在一起构成了改进遗传算法。复合形法即是不断用相对较好的点来代替最坏的点，逐步完善。在优化问题中，通过不断使目标函数值有所改善的可行解，来代替使目标函数值最差的可行解，便可得到最优可行解。图4为改进遗传算法流程图。

图4 改进遗传算法流程图Fig.4 Improved genetic algorithm flow chart

3.2 改进的遗传算法在管道泄漏点搜索中的应用

在式（4）中，未知量Lx为泄漏点与首站的距离。Lx的存在于中 x={x1，x2，…，xi}，将其中任意一个 xi带入（4）中都会得到一个对应的Δti，泄漏点的位置就是Δti=Δt使得点xi。由上可知，Lx的值为搜索到的使|Δti-Δt|最小的 xi，由此转到数学上求目标函数最小值的优化问题，其中，目标函数为|Δti-Δt|。由于是求最小值问题，适应函数选为：

使用改进的遗传算法搜寻泄漏点位置，种群数目取为40，最大遗传代数为50代，交叉概率Pc取为 0.6，变异概率Pm取为0.09。经50代遗传后，搜索得到泄漏点位置为距首端 7 020米处。图5为寻优过程曲线，其中实线为泄漏点距首端距离的最优值曲线，虚线为每代适应度均值曲线。

假设管道总长度为12 km，管道内某一点发生泄漏时，首末两端检测到负压力波到达的

时间差为5.5 s，在起停泵试验中，测定出负压波传播的波速为1 026米/秒左右。经常波速定位方法确定泄漏点为距离首端为：

图5 改进的遗传算法寻优过程曲线Fig.5 The improved genetic algorithm optimization process curve

4 结束语

实验表明，在管道泄漏检测定位系统中，基于改进的遗传算法的小波分析，可以有更好的分析精度，能将噪声和干扰从原始信号中分离出来，有效地捕捉压力波信号突降点。

采用改进的遗传算法搜索得到的管道泄漏点与常波速定位方法得到的结果有较大的差距。在涉及负压力波波速的相关参数取得恰当的情况下，使用改进的遗传算法搜寻管道的能够比较好的减小由于负压波波速的变化而给定位带来的误差，使定位精度有了进一步的提高。

[1]李世容，宋艾玲，张树军.我国油气管道现状与发展趋势[J].油气田地面工程，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]廉小亲，苏维均，输油管道泄漏监测系统的研究[J].冶金自动化，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，耿国华.基于小波阈值的图像去噪方法研究[J].计算机技术与发展，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]姚晋丽，王霞.一种基于小波变换的显微图像去噪算法研究与实现[J].计算机与数字工程，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]彭玉华.一种改进的小波变换阈值去噪方法 [J].通讯学报，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]贾杏托.基于多小波变换的图像降噪算法的研究 [D].燕山：燕山大学，2009.

[7]汪小梅，朱华.一种改进的小波变换阈值去噪方法[J].重庆理工大学学报，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，Fushun 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 稿件编号：201309228

董 琼（1987—），男，河北廊坊人，硕士。研究方向：基于现代电子技术的智能控制器。