搜索
基于四元传声器阵列的双曲面锅炉炉管泄漏定位系统安连锁摘要：锅炉炉管泄漏的早期预报与定位有助于减少可能的设备损坏和生产损失。在本研究中，一个四元声学阵列和双曲线方程被用于定位电厂锅炉炉管泄漏。极大似然法和相位变换估计常被用于定位泄露声源。对误差率和均方根误差的估计显示了在嘈杂、混响同时存在的炉膛环境中极大似然法是优于相位变换法的。为了避免远源的假设，一个被自适应高斯变异算法修改的遗传算法，被用于在概率计算中找到双曲面最优点。遗传算法略优于拟牛顿算法且需要更长时间的收敛。然而，实际上，选择一个在正确位置附近的起点并非易事，并且，在拟牛顿算法中迭代过程是不被保证的。时延估计的误差很大程度上影响了定位的精度。在四元平面阵列中的定位误差需被控制在0.01ms内，但是定位立体阵的误差在0.1ms。与四元平面阵相比，立体阵列更完善且更精确，但它的分析时间也更长。1.引言在当今这个十分依赖电力的世界，公共设施和工业电力发电厂是相当重要的。锅炉故障大约有60%的原因是由炉管泄露引起的，炉管泄漏在早期的锅炉炉管检测中是可以避免的。早期检测有助于减少压力部位的二次损坏和由于非故障停机引起的生产损失，重要的是可以保障生产的安全。声学泄漏检测基于其实时监测、远程监控和高灵敏度等众多优点，主要被用于大型商业锅炉上。声学泄漏检测的主要技术是用放置在特点炉膛位置的麦克风来探测声压和振幅。从每个麦克风获得的振幅将与频域数据相比较。这些声学数据被进一步处理后与历史阈值数据相比较，能够确定锅炉是否有泄漏。例如：如果一个麦克风发出了警报信号，10m半球范围内的泄漏源可以被推断出来。因此，声学技术在热表面的识别起到了重要作用。一个人工来搜寻像1-4mm尺寸的泄漏点是非常耗时间的。在实际研究中，泄漏点精确定位起到了至关重要的作用。在目前的研究中，我们专注于研究基于时延理论的麦克风传感器所收集数据间的关系。在第二部分的文章中，双曲泄漏定位模型被初次建立。在文章第三部分，用极大似然法估计了特点位置传感器所接收到的无源信号之间的时间延迟。并且用被自适应高斯算子修饰过的遗传算法找到了全曲面最优解。在文章第四部分，由时延估计值构造出了高度非线性双曲方程。文章第五部分探讨了用时延计算定位带来的误差。并在文章第六部分作出结论。2.四元阵列定位模型泄漏定位方法设计了声阵列，用于获得时延信号进行定位，这个方法是至关重要的。线性传感器阵列只能在二维空间内给出泄漏点的位置。平面和立体阵列可以给出泄漏点的精确定位但是立体算法相当复杂。包含5个以上通道数的十字阵列可以更准确地定位，通道数由传感器的数量决定，但多元十字阵增加了计算量。圆形、球形、圆柱形的阵列有出色的定位表现，但他们的结构限制了其在炉膛中的应用。四元平面和立体阵列多被用于定位泄漏。传感器的布置如图一所示。传感器的分布可随着炉膛位置调整。修正泄漏位置的四元麦克风几何阵列模型图如图二所示。（假定一号麦克风为参考点）泄漏点S（x,y,z）为未知坐标，传感器M1、M2、M3、M4位置坐标已知。Tij代表传感器Mi和Mj受到信号的时延。泄漏源由下述等式描述：我们将四元阵列应用于国内某电厂的1025t/h流化床锅炉中，锅炉特征尺寸为：a=12m,b=14.6m.4.利用自适应高斯算子进行优化双曲面泄漏定位优化问题的关键在于找到曲面唯一的矢量X*，X*与双曲面定位函数F（X）有关，F（X）：Q（Rn→R,F(X*)=minF（X）标准遗传算法（SGA）的理论根据是约翰·h·霍兰德于1975年提出的遗传进化物种理论。基于SGA是一种启发式搜索算法力学的自然选择和遗传学。它的主要特点是自适应性、隐含并行性和全局概率。然而，这一理论的研究需要大量的计算，它的解会慢慢地收敛在局部最优解附近。然而，通过对这一理论的研究发现，它需要大量的计算，而且具有在局部最优解附近才缓慢收敛的特点。关于遗传算法的文章中我们也常常可以看到过早收敛。我们对双曲位置定位程序做了如下优化：1）十进制浮点编码。一般来说，二进制在解决多维的、高精度的数学问题时是有缺陷的。Michalewicz指出浮点的表现优于二进制。因为它的一致性和准确性更好，执行的效率也更高。二进制的精度可以靠引入更多通道数增强，增加的通道数又会减缓算法运行速度。因此在本研究中，每一个染色体向量都被编码成带浮点指向型的向量。为了使最佳染色体附近的所有可能的等位基因都被探测到，加入了一个高斯扰动。早熟收敛和为打破本地极小值而生成新的染色体因而被避免。2）随机创建初始种群。我们把种群数量NP定为100，在最初种群中的父向量XO在单独的检测范围内被随机设定。初始扰动向量ǝ设为0.3，最初实验的分布遵循典型的一致性。3）评估个体的适应性。根据方程，第i个染色体被赋予了一个恰当的取值。4）繁殖。每一个染色体的繁殖几率为pi.这个几率使得每个个体的选择可能性与其他染色体在数量上匹配。这些关系可以被描述成：5）交叉性。根据指定的繁殖概率pr,一个新的染色体种族由概率选择的字符串产生。交叉的概率Pc是0.8，交叉算子应用于两个父染色体中，产生了两个子代染色体。这由选择一个均匀分布的随机整数位置jc实现。在jc位置后出现的部分与在其之前出现的部分相互拼接，反之亦然。6）突变。变异的算子扮演了一个重要角色。放大的解决方案更接近全局最优，并在放大的启发式搜索局部最优解。突变的等位基因大概和普通基因有着相似的、或者更高的概率。他们的不同是由一定概率存在的。比特突变在SGA领域中被普遍承认其明显不适合被用于代表十进制的浮点。因此我们提议每一个解向量不仅由实验向量X组成，还由扰动向量组成。扰动向量说明了变异x如何产生以及它自己是如何受突变的。突变被应用于父向量，突变的概率是0.3。它的子代解向量可被描述为：7）进化。当合适的解被找到后这个过程停止，或者计算时间就过期了。在其他方面，流程步骤3以上的程序被执行，新的染色体被分类，循环也不断进行。5.四元定位阵列的时延估计误差对精度的影响为了优化平面阵列定位方程（假设没有时延估计误差），种群需要22次演变，最佳的拟合点0是比较准确的。然而当时延估计的误差在0.1ms之内，种群需要37次进化，最佳你拟合点为0.045。当时延估计的误差在1ms内，遗传算法性能变差，因为此时种群需要46次进化、最佳拟合点也变为了14.507。立体阵列较与之相近的平面阵列有着显著地优势。假定系统中不存在时延误差，种群需要23次进化，最佳拟合点是0.当时延误差是0.1ms时，种群需要31次进化，最佳拟合点也变为了0.0279。当时延误差是1ms，遗传算法由于其稳定性是依然可靠的。种群需要61次进化、最优拟合点是3.4849.结果在表8中被列出。我们设定炉管泄漏点坐标是（5,3,10）。时延误差范围为-1到1ms或是-0.1到0.1ms。由自适应高斯算子改进的遗传算法给出了一个明确的解决方案。四元阵列上的平面阵和立体阵的误差如图9所示。如图9中所示，时延造成的坐标上的误差不可忽视，它的范围是-1到1ms，甚至平面坐标无法定位漏电的位置。与之形成对比的是，在立体阵列中三个坐标轴的误差范围分别是-0.113到0.358、-0.504到0.789,、-0.741到1.22m。在-0.1到0.1ms的时延误差情况下，坐标是线性的，平面阵列中的误差也被减少到了0.79m。而立体阵列的误差是-0.019~0.021m，0.059到0.061m，及-0.088到0.092m。6.结论利用四元声阵列来接收锅炉炉管泄漏声音信号，由极大似然法获取时间延迟。基于时间延迟列出双曲面等式，遗传算法给出迭代解。便可以给出泄漏点的精确位置了。根据实验我们可以得出以下结论：1）在锅炉炉膛中采用四元阵列是很合适的。2）基于误差率和RMSE评估机制，极大似然估计在噪声和混响条件下拥有明显的优势。由基于GCC的极大似然估计法可以获得稳定和高峰。3）自适应高斯变异算子被用在遗传算法中（编码为一个浮点），可以通过概率计算搜索全曲面最佳参数。原始的猜测和远源因此可以被避免。4）时延估计的误差很大程度地影响了定位精度。立体阵列可以修饰泄漏位置，时间延迟误差估计允许范围在0.1毫秒内，而平面阵的精度是0.01毫秒内。与平面阵相比，立体阵更稳当、准确，但收敛的时间更长。