本课题来源于黑龙江省自然科学基金《天然气管道泄漏次声波信号的检测算法研究》，管道易受自然腐蚀、地质灾害和人为破坏，现有交通基础设施逐渐老化，泄漏事故往往会造成包括火灾、中毒、爆炸、人员伤亡等安全隐患和环境污染。针对天然气管道泄漏检测诊断中存在误报、错报、漏报等问题，本研究从泄漏信号检测算法和声波传感器设计方面提出一种天然气管道泄漏高准确率诊断方案，内容包括：基于改进经验模态分解（EEMD）和近似熵相结合、改进的局部均值分解算法（ELMD）与自适应最优核（AOK）谱熵结合、改进变分模态分解（VMD）与HD、EV结合进行天然气管道泄漏信号的特征提取，应用支持向量机（SVM）进行天然气管道泄漏信号的模式分类，并对支持向量机进行参数寻优，来提高天然气管道泄漏诊断率。在传感器设计方面，基于激光自混合干涉技术，研究管道泄漏产生的微振动/微位移高精度测量方法，旨在解决微弱信号检测难的问题。主要研究成果： （1）基于小波的泄漏信号去噪处理 （2）基于自适应最优核(AOK) 时频分析算法的研究自适应时频分析算法的多分量交叉干扰项抑制 （3）基于EEMD- AOK联合算法的泄漏信号特征提取技术 （4）基于EEMD-SVM联合算法的管道泄漏判断 （5）基于LABVIEW的管道泄漏信号检测系统 解决的关键问题： （1）参数优化问题 支持向量机管道泄漏类型分类中惩罚因子C和核函数参数g决定着管道泄漏诊断的准确度，因此研究具有快速搜索特性和高搜索精度的优化算法，是提高支持向量机模式分类准确率的关键。 （2）消除模态混叠效应问题 在天然气管道泄漏信号的特征提取中，泄漏信号具有非线、非周期、多信号混合等特性，不适用统计方法进行特征提取，而考虑经验模态分解方法。但是经验模态分解方法存在模态混叠效应问题。因此有效克服经验模态分解方法中存在的端点效应和混叠效应，提高泄漏信号特征值的有效准确性是研究关键。 （3）管道小泄漏的诊断问题 当管道出现小泄漏时，泄漏信号被噪声淹没，难以提取有效的特征信息，是本项目的难点。为此，从信号预处理、检测算法、特征值样本库等多个方面采取措施解决该问题。

东北石油大学

该项目为储备库项目资源，暂无效益分析内容。