一种基于分布级别的统计框架，通过多域信号分析实现可靠的管道泄漏检测

《Scientific Reports》：A distribution-level statistical framework for reliable pipeline leak detection using multi-domain signal analysis

　　

摘要

早期且可靠地检测管道泄漏对于确保运营安全以及最小化环境和经济损失至关重要。然而，在实际操作中，管道监测信号本质上是非平稳的，并且受到运行条件的强烈影响，这使得泄漏检测变得具有挑战性，尤其是在标记故障数据稀缺或无法获取的情况下。本文提出了一种基于统计方法和信号处理的管道泄漏检测框架，该框架不依赖于机器学习或深度学习模型。管道信号通过一个紧凑的多域特征集来表示，该特征集整合了时域统计信息、频域频谱描述符以及从小波包分解中得到的时频特征。该框架不是通过监测单个特征点的偏差来评估管道状况，而是通过将滑动监测窗口中提取的特征集与正常运行条件下构建的参考分布进行分布级比较来进行评估。采用了多种互补的双样本统计量，包括能量距离、最大均值差异和Hotelling的\(\:{T}^{2}\)统计量，以捕捉分布差异的不同方面，并将这些统计量融合成一个统一的健康指标（HI）。通过将此指标与仅从正常运行条件数据中获得的统计阈值进行比较来实现泄漏检测，从而实现自动化检测并控制误报行为。所提出的框架使用从压力分别为13巴和18巴的输送气体和水的管道中收集的实验声发射数据进行了验证。结果表明，在正常状态下系统表现稳定，误报率低于1%；在泄漏发生后的1-2个样本内即可快速检测到泄漏；并且在所有运行场景下的检测准确率均超过99%。基于排列的统计显著性分析确认了检测的可靠性，p值范围在\(\:{10}^{-4}\)到\(\:{10}^{-6}\)之间；而在超过60种参数配置下的鲁棒性评估表明，该框架无需针对特定运行条件进行调优即可保持一致的性能。所提出的方法为实际的管道泄漏监测提供了一种可解释、数据高效且统计上严谨的解决方案。