一种基于次声波的城市燃气管网泄漏检测与定位系统及其方法与流程

本发明涉及燃气管道管网泄漏检测，具体是一种基于次声波的城市燃气管网泄漏检测与定位系统。

背景技术：

1、城市中压埋地燃气管网是城市民生供气、工业用气的核心基础设施，管网长期受土壤腐蚀、地质沉降、管材老化、第三方施工、高低温交变等因素影响，易产生小孔渗漏、持续性缓慢泄漏、突发破损等安全隐患。天然气具有易燃易爆、有毒有害的特性，泄漏后若无法在早期被发现、精准定位并快速处置，极易引发火灾、爆炸、人员中毒等重大安全事故。

2、目前行业主流泄漏监测方式包含人工巡检、燃气浓度检测、管网压力流量监测、常规次声波监测；同时现有公开发明专利cn202510233672.5、cn120083930a也公开了次声波结合ai的基础检测框架。综合上述现有技术与公开专利，普遍存在以下七大核心技术缺陷：

3、①声波传播模型通用性差

4、现有技术均采用统一的次声波传播模型，未区分pe燃气管道、钢制管道在声波衰减系数、传播速率上的固有差异，也未结合管道埋深、土壤介质、管网曲率、运行压力等环境参数进行校正。模型适配性差，难以有效识别微小孔径泄漏，微小泄漏漏检风险高。

5、②信号降噪能力单一

6、传统方案及对比专利仅采用单一小波滤波或固定阈值滤波，无法应对城市车流、土建施工、风雨、电磁干扰等动态混合噪声。当噪声与泄漏次声波（0.5hz~20hz）频段重叠时，易造成有效信号丢失、波形失真，系统易出现误报、漏报问题。

7、③智能识别体系简陋

8、现有方案仅采用单一cnn、lstm网络完成特征匹配，无多模型冗余设计，未设置量化置信度判别机制，依赖固定阈值判定。复杂工况下真假信号区分能力不足，识别逻辑灵活性差。

9、④定位算法粗糙，容错能力不足

10、现有专利多采用简易激波测距、基础时间差算法，未结合管材衰减特性做误差补偿，也未引入多点数据融合校正机制，定位偏差较大；同时无节点故障容错设计，部分传感器、通信节点失效时，定位功能易失效，难以满足精准抢修使用需求。

11、⑤系统架构滞后

12、现有系统普遍采用“终端全量采集+云端集中运算”模式，前端终端无本地数据处理能力，海量原始波形数据持续上传，带宽与云端算力消耗大，预警链路长；且未建立分级预警、智能派单、处置归档的标准化运维闭环流程。

13、⑥硬件工况适配性不足

14、现有技术与专利仅侧重算法设计，配套硬件未针对地下阀井积水、高低温、强电磁、防爆、弱信号等恶劣工况做专项设计，供电续航、防护、通信能力设计不完善，难以支撑设备长期无人值守运行。

15、⑦设备部署模式单一

16、传统单终端部署方案无法兼顾主干管网高精度监测、支线管网大范围低成本覆盖的差异化需求，整体部署成本偏高，易形成监测盲区，不利于城市管网规模化组网应用。

技术实现思路

1、针对上述现有技术的缺陷，本发明拟攻克以下技术难题：

2、①构建适配pe管道、钢制管道的差异化次声波衰减模型，结合管网运行参数、环境参数做动态校正，提升微小泄漏信号解析能力；

3、②设计多级复合降噪架构，集成多类自适应滤波算法，提升复杂环境下的抗干扰能力，降低误报、漏报概率；

4、③搭建多架构轻量化ai模型库，引入sigmoid置信度量化判别逻辑，优化信号识别的灵活性与判别精度；

5、④改进tdoa时延差定位算法，增加多点加权融合、节点故障容错机制，缩小定位误差；

6、⑤采用边缘-云端分层协同架构，实现数据本地化处理，缩短预警链路、降低网络与算力开销；

7、⑥研发阀井专用一体化硬件方案，优化防爆、防护、供电、通信设计，适配地下恶劣工况，保障设备长期运行；

8、⑦创新“边缘计算桩+数据采集单元”分层组网模式，兼顾监测精度与部署经济性，消除监测盲区；

9、⑧建立风险量化分级、自动派单、处置归档、模型迭代的全流程闭环运维体系。

10、一种基于次声波的城市燃气管网泄漏检测与定位系统，包括感知采集层、边缘计算层、网络传输层、云端管控层，感知采集层由沿城市燃气管网分布的次声波传感器组成，边缘计算层由边缘计算桩和数据采集单元组成，次声波传感器采集管道泄漏产生的次声波原始信号与环境噪声信号并转化成信号数据，边缘计算桩通过数据采集单元连接次声波传感器采集信号数据，边缘计算桩内置有ai识别算法、定位算法，边缘计算桩收集汇总数据采集单元传输的信号数据同步提取多维特征并生成多维特征向量，边缘计算桩将多维特征向量导入ai识别算法对是否有泄漏故障进行初步判定并通过定位算法对泄漏位置进行定位解算，同时生成结构化数据后通过网络传输层上传至云端管控层。

11、进一步的，边缘计算桩与数据采集单元采用星型组网结构，一个边缘计算桩对接若干个数据采集单元，数据采集单元与次声波传感器对应设置并接收次声波传感器的信号数据，数据采集单元与边缘计算桩之间通过lora通讯传输信号数据。

12、进一步的，多维特征包括时域特征、频域特征，时域特征包括信号时域有效值、时域峰值、波形因子、持续时长，频域特征包括通过快速傅里叶变换提取的频域功率谱密度、中心频率、频段能量分布特征。

13、进一步的，多维特征通过以下算法获得：

14、时域有效值：

15、

16、为单窗口采样点数，为单采样点声波幅值；

17、波形因子：

18、

19、为信号绝对值平均值，泄漏次声波波形因子显著区别于常规环境噪声；

20、频域功率谱密度：

21、

22、为时域离散次声波采样信号；为单帧信号采样总点数；为时域采样序号；为频域频率序号；为信号对应的频域复数分量。

23、进一步的，多维特征向量导入ai识别算法得到ai泄漏置信度，并对是否有泄漏故障进行初步判定：

24、

25、为sigmoid激活函数，其标准计算公式为：

26、

27、为模型线性组合输出值；为多维特征向量；为模型训练权重与偏置；为自然常数；函数输出值域恒定为；

28、ai识别算法中预设统一判定阈值，当时判定为有泄漏故障。

29、进一步的，定位算法采用tdoa时延差定位算法对泄漏位置进行定位解算：

30、设泄漏位置坐标为，两台监测终端坐标分别为、，声波传播速度为，信号到达时间差为，则：

31、

32、联立多节点方程组求解，即可锁定泄漏坐标位置；

33、泄漏位置坐标经过多点数据融合定位矫正：

34、

35、为单组tdoa定位结果；为加权系数，由各节点信号信噪比、传输距离动态赋值；为最终校正后精准漏点坐标。

36、进一步的，云端管控层包括云端管控平台，云端管控平台通过网络传输层接收边缘计算桩上传的结构化数据，结构化数据包括设备id、泄漏置信度、漏点坐标、时间戳、信号强度。

37、一种基于次声波的城市燃气管网泄漏检测与定位方法，包括以下步骤：

38、s1：现场部署规划与传播模型初始化，结合城市中压燃气管网拓扑、管材类型、阀井分布、高风险区域分布，选取m+n个关键阀井节点部署监测设备，包含m台边缘计算桩、n台数据采集单元、n台次声波传感器，完成硬件系统初始化与录入差异化次声波衰减模型参数；

39、s2：信号采集与多级复合降噪，次声波传感器不间断采集管网内部次声波原始信号与环境噪声信号并生成信号数据，信号数据通过数据采集电源传输到边缘计算桩，边缘计算桩对信号数据进行多级降噪预处理，得到纯净泄漏有效信号；

40、s3：时域、频域多维特征提取与ai模型泄漏识别，边缘计算桩基于纯净泄漏有效信号提取时域特征、频域特征并生成多维特征向量，多维特征向量导入ai识别算法对是否有泄漏故障进行初步判定；

41、s4：tdoa时延差多点融合定位，基于信号到达时间差原理设计定位算法，结合管材衰减模型解算坐标，并采用多点加权融合校正，定位解算泄漏位置；

42、s5：边缘-云端协同与风险分级预警，边缘计算桩完成初步判定、定位解算后，生成结构化数据上传至云端管控层，云端管控层对结构化数据进行二次复核并根据泄漏信号强度、扩散风险划分为轻微、一般、重大的风险等级；

43、s6：闭环运维与模型迭代，云端管控层根据泄漏位置所述管网片区、运维人员在岗状态自动派发核查抢修工单，运维人员接收任务后赶赴现场开展泄漏排查、隐患处置、安全整改，处置完成后上传整改资料完成闭环核销。

44、进一步的，差异化次声波衰减模型参数通过以下算法获得：

45、次声波管道传播衰减计算公式：

46、

47、为泄漏源初始声波幅值，为传播距离后的声波幅值，为衰减系数，钢制管道=0.012~0.015db/m，pe管道=0.018~0.022db/m；

48、步骤s2中多级降噪预处理具体包括以下步骤：

49、s21：通过固定频段滤波保留0.5hz~20hz有效次声波频段，剔除带外噪声；

50、s22：lms自适应滤波算法，动态识别、抵消动态背景噪声，最大化提升信号信噪比，保留微弱泄漏专属特征信号；

51、lms自适应消噪迭代计算公式如下：

52、

53、

54、为第时刻自适应滤波器权重向量；为迭代步长，取值区间0～1，控制收敛速度与稳定性；为噪声抵消误差信号；为原始含噪声波信号；为参考噪声输入向量；通过持续迭代更新权重，实现动态环境噪声实时抵消；

55、初始权重向量w(0)=0，步长μ取值0.01~0.05。以误差信号e(n)的均方值在10ms内下降至初始值的10%以下作为收敛判据，确认滤波器进入稳定工作状态；

56、信号信噪比snr评价公式：

57、

58、为纯净泄漏有效信号；为残留噪声信号，snr数值越高代表降噪效果越优。

59、进一步的，步骤s5中云端管控层风险等级的判定公式为：

60、

61、为综合风险值；为权重系数；为ai泄漏置信度；为归一化信号幅值；为管网区域风险系数；

62、风险分级阈值：轻微风险、一般风险、重大风险，实现量化分级预警。

63、与现有技术相比，本发明取得的有益效果为：

64、（1）模型适配性更强

65、创新性设计pe、钢制管道差异化次声波衰减模型，引入多类环境参数修正，理论上可适配不同管材、不同敷设场景，有效提升微小泄漏识别能力，弥补通用模型漏检的缺陷。

66、（2）抗干扰能力预期大幅提升

67、采用固定滤波+多算法复合降噪架构，搭配信噪比量化评价逻辑，理论上可有效滤除车流、施工、风雨、电磁等混合干扰，降低误报、漏报发生概率。

68、（3）智能识别灵活性更高

69、搭建多轻量化ai模型备选体系，采用sigmoid概率量化判别方式，摆脱传统固定阈值的局限，复杂工况下信号甄别能力预期显著提升。

70、（4）定位精度与容错性优势明显

71、优化tdoa算法并设计多点加权融合、节点容错机制，理论定位精度远优于现有简易测距方案，部分节点异常时仍可正常工作，适配复杂管网抢修场景。

72、（5）系统实时性提升、资源开销更低

73、采用边缘本地运算架构，仅传输结构化数据，理论预警链路大幅缩短，同时降低网络带宽与云端算力消耗。

74、（6）硬件适配性完善

75、硬件按照阀井极端工况做防护、防爆、宽温、长续航专项设计，理论上可支撑设备7×24小时长期稳定运行，适配地下阀井恶劣环境。

76、（7）部署方案经济合理

77、双终端分层组网设计，兼顾主干高精度监测、支线大范围覆盖，无需大规模土建改造，预期可降低整体部署成本，减少监测盲区。

78、（8）运维管理智能化

79、设计风险量化分级、自动派单、数据归档、模型迭代全闭环流程，推动管网运维从被动处置向主动预警转变，提升管理智能化水平。