发明名称 一种基于伴随矩阵的供水管网泄漏故障反向寻源方法
摘要 本发明涉及一种基于伴随矩阵的供水管网泄漏故障反向寻源方法,其特点是,包括建立管网流场瞬态方程;以管网泄漏对流场形成的压力波影响为依据,构建敏感度函数;使敏感度函数对压强求导、将伴随方程进行空间与时间的反向处理;应用MATLAB进行模拟仿真,验证所得解析解,确定最终反向寻源模型。通过对压强P函数对位移x求导,得到检测泄漏位置的判定模型,然后通过MATLAB仿真,设定检测泄漏位置的时间或设定泄漏位置,找出相应的泄漏位置或检测时间,最后实现时间与空间两方面的泄漏定位。具有科学合理,寻源速度快,实用价值高等优点。
申请公布号 CN106096243A 申请公布日期 2016.11.09
申请号 CN201610388709.2 申请日期 2016.06.02
申请人 东北电力大学 发明人 李洪伟;杨悦;苏全;常畅;裴浩斐
分类号 G06F19/00(2011.01)I 主分类号 G06F19/00(2011.01)I
代理机构 吉林市达利专利事务所 22102 代理人 陈传林
主权项 一种基于伴随矩阵的供水管网泄漏故障反向寻源方法,其特征是,它包括以下步骤:(1)建立管网流场瞬态方程,找出与流场瞬态压力耦合的参数,保留这些参数,对流场瞬态方程进行简化,简化后,与建模有关的管网流场瞬态方程组为<maths num="0001"><math><![CDATA[<mrow><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><mfrac><mrow><mo>&part;</mo><mi>p</mi></mrow><mrow><mo>&part;</mo><mi>t</mi></mrow></mfrac><mo>+</mo><mfrac><msup><mi>a</mi><mn>2</mn></msup><mi>g</mi></mfrac><mfrac><mrow><mo>&part;</mo><mi>v</mi></mrow><mrow><mo>&part;</mo><mi>x</mi></mrow></mfrac><mo>=</mo><mn>0</mn></mrow></mtd></mtr><mtr><mtd><mrow><mfrac><mrow><mo>&part;</mo><mi>v</mi></mrow><mrow><mo>&part;</mo><mi>t</mi></mrow></mfrac><mo>+</mo><mi>g</mi><mfrac><mrow><mo>&part;</mo><mi>p</mi></mrow><mrow><mo>&part;</mo><mi>x</mi></mrow></mfrac><mo>+</mo><mfrac><mrow><mi>f</mi><mo>|</mo><mi>v</mi><mo>|</mo><mi>v</mi></mrow><mrow><mn>2</mn><mi>D</mi></mrow></mfrac><mo>=</mo><mn>0</mn></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001008392280000011.GIF" wi="1278" he="301" /></maths>式中,p为压强,v为流速,t为时间,x为横向空间位置,a为压力波在水中传播速度,g为重力加速度,f为达西维斯巴赫系数,D为管道直径;(2)以管网泄漏对流场形成的压力波影响为依据,构建敏感度函数,所构建的压力波敏感函数为h(α,p)=p(x,t)δ(x‑x<sup>*</sup>)δ(t‑t<sup>*</sup>)   (2)式中,p(x,t)为压力波传播函数,δ(·)为狄克拉函数,x<sup>*</sup>与t<sup>*</sup>为泄漏或堵塞故障发生的位置与时间,α为敏感度参数,即过程变量,p为压力;(3)使敏感度函数对压强求导,并引入伴随算子,推导管网流场瞬态伴随方程,具体推导过程为目标函数为:h(α,p)=p(x,t)δ(x‑x<sup>*</sup>)δ(t‑t<sup>*</sup>)   (3)状态函数为:<img file="FDA0001008392280000012.GIF" wi="1190" he="302" />定义:L=∫∫<sub>x,t</sub>h(α,p)dxdt<maths num="0002"><math><![CDATA[<mrow><mfrac><mrow><mi>d</mi><mi>L</mi></mrow><mrow><msub><mi>d&alpha;</mi><mi>k</mi></msub></mrow></mfrac><mo>=</mo><mo>&Integral;</mo><msub><mo>&Integral;</mo><mrow><mi>x</mi><mo>,</mo><mi>t</mi></mrow></msub><mo>&lsqb;</mo><mfrac><mrow><mo>&part;</mo><mi>h</mi><mrow><mo>(</mo><mi>&alpha;</mi><mo>,</mo><mi>p</mi><mo>)</mo></mrow></mrow><mrow><mo>&part;</mo><msub><mi>&alpha;</mi><mi>k</mi></msub></mrow></mfrac><mo>+</mo><mfrac><mrow><mo>&part;</mo><mi>h</mi><mrow><mo>(</mo><mi>&alpha;</mi><mo>,</mo><mi>p</mi><mo>)</mo></mrow></mrow><mrow><mo>&part;</mo><mi>p</mi></mrow></mfrac><mfrac><mrow><mo>&part;</mo><mi>p</mi></mrow><mrow><mo>&part;</mo><msub><mi>&alpha;</mi><mi>k</mi></msub></mrow></mfrac><mo>&rsqb;</mo><mi>d</mi><mi>x</mi><mi>d</mi><mi>t</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001008392280000013.GIF" wi="1390" he="142" /></maths><maths num="0003"><math><![CDATA[<mrow><mfrac><mrow><mo>&part;</mo><mi>F</mi></mrow><mrow><mo>&part;</mo><msub><mi>&alpha;</mi><mi>k</mi></msub></mrow></mfrac><mo>=</mo><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><mfrac><mo>&part;</mo><mrow><mo>&part;</mo><mi>t</mi></mrow></mfrac><mrow><mo>(</mo><mfrac><mrow><mo>&part;</mo><mi>p</mi></mrow><mrow><mo>&part;</mo><msub><mi>&alpha;</mi><mi>k</mi></msub></mrow></mfrac><mo>)</mo></mrow><mo>+</mo><mfrac><msup><mi>a</mi><mn>2</mn></msup><mi>g</mi></mfrac><mfrac><mo>&part;</mo><mrow><mo>&part;</mo><mi>x</mi></mrow></mfrac><mrow><mo>(</mo><mfrac><mrow><mo>&part;</mo><mi>v</mi></mrow><mrow><mo>&part;</mo><msub><mi>&alpha;</mi><mi>k</mi></msub></mrow></mfrac><mo>)</mo></mrow><mo>=</mo><mn>0</mn></mrow></mtd></mtr><mtr><mtd><mrow><mfrac><mo>&part;</mo><mrow><mo>&part;</mo><mi>t</mi></mrow></mfrac><mrow><mo>(</mo><mfrac><mrow><mo>&part;</mo><mi>v</mi></mrow><mrow><mo>&part;</mo><msub><mi>&alpha;</mi><mi>k</mi></msub></mrow></mfrac><mo>)</mo></mrow><mo>+</mo><mi>g</mi><mfrac><mo>&part;</mo><mrow><mo>&part;</mo><mi>x</mi></mrow></mfrac><mrow><mo>(</mo><mfrac><mrow><mo>&part;</mo><mi>p</mi></mrow><mrow><mo>&part;</mo><msub><mi>&alpha;</mi><mi>k</mi></msub></mrow></mfrac><mo>)</mo></mrow><mo>+</mo><mfrac><mrow><mi>f</mi><mo>|</mo><mi>v</mi><mo>|</mo></mrow><mrow><mn>2</mn><mi>D</mi></mrow></mfrac><mfrac><mrow><mo>&part;</mo><mi>v</mi></mrow><mrow><mo>&part;</mo><msub><mi>&alpha;</mi><mi>k</mi></msub></mrow></mfrac><mo>=</mo><mn>0</mn></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001008392280000014.GIF" wi="1454" he="319" /></maths>定义:<img file="FDA0001008392280000015.GIF" wi="413" he="134" />α<sub>k</sub>为敏感度变量,是一个过程变量,<img file="FDA0001008392280000021.GIF" wi="1358" he="302" />由于(7)式等于零,可以乘以任意函数<img file="FDA0001008392280000022.GIF" wi="50" he="64" />和λ<sup>*</sup>,<img file="FDA00010083922800000213.GIF" wi="52" he="67" />为压力参数伴随因子,λ<sup>*</sup>为速度参数伴随因子,进行变型<img file="FDA0001008392280000023.GIF" wi="1342" he="301" />又由于其为零,可以加入到<img file="FDA0001008392280000024.GIF" wi="124" he="135" />于是,得到<img file="FDA0001008392280000025.GIF" wi="1918" he="151" />利用高斯散度定理处理:<img file="FDA0001008392280000026.GIF" wi="967" he="154" /><img file="FDA0001008392280000027.GIF" wi="1639" he="155" /><img file="FDA0001008392280000028.GIF" wi="959" he="156" /><img file="FDA0001008392280000029.GIF" wi="949" he="156" />将(10)式化简得<img file="FDA00010083922800000210.GIF" wi="1982" he="401" />其中,<img file="FDA00010083922800000211.GIF" wi="814" he="134" />为泄漏强度项为消除<img file="FDA00010083922800000212.GIF" wi="37" he="45" />和λ,令其系数为0,得到伴随方程<img file="FDA0001008392280000031.GIF" wi="1453" he="302" />式中,<img file="FDA0001008392280000032.GIF" wi="54" he="64" />和λ<sup>*</sup>为任意函数,α<sub>k</sub>为系统的状态参数,边界条件:<img file="FDA0001008392280000033.GIF" wi="606" he="63" />λ<sup>*</sup>(0,t)=0,λ<sup>*</sup>(L,t)=0;初始条件:<img file="FDA0001008392280000034.GIF" wi="302" he="70" />λ<sup>*</sup>(x,T)=0;其中t为时间变量,x为距离变量,L为距离常数,T为时间常数;(4)将伴随方程进行空间与时间的反向处理,应用拉普拉斯变换和傅里叶变换求解析解,得到反向寻源模型。做反向处理,τ=t<sub>d</sub>‑t,x为‑x,得反向伴随方程<img file="FDA0001008392280000035.GIF" wi="1366" he="303" />式中,τ=t<sub>d</sub>‑t,t<sub>d</sub>为检测的时间,x<sub>d</sub>为检测的位置,最终根据流场瞬态方程以及反向方程,通过拉普拉斯变换和傅里叶变换求得解析解为正向压强分布解析解:<img file="FDA0001008392280000036.GIF" wi="1477" he="119" />反向压强分布解析解:<img file="FDA0001008392280000037.GIF" wi="1478" he="119" />式中,P<sub>0</sub>为初始压力值,即为边界条件,u()为阶跃函数,δ为狄拉克函数,a为压力波在水中的传播速度,t为时间,x为距离,τ为反向为起点的时间;(5)应用MATLAB进行模拟仿真,验证所得解析解,确定最终反向寻源模型,通过对压强P函数对位移x求导,得到检测泄漏位置的判定模型,然后通过MATLAB仿真,设定检测泄漏位置的时间或设定泄漏位置,找出相应的泄漏位置或检测时间,最后实现时间与空间两方面的泄漏定位。
地址 132012 吉林省吉林市船营区长春路169号
您可能感兴趣的专利