近日，我院机械工程学科硕士研究生冀国伟在水下管道泄漏定位方面取得重要进展，相关研究成果《基于动态压力信号的水下管道泄漏定位方法》（Leakage localization methodology based on dynamic pressure signal for subsea pipeline）发表在《Engineering Applications of Artificial Intelligence》，《Engineering Applications of Artificial Intelligence》是工程技术领域的知名期刊，目前影响因子为8.0（SCI一区TOP）。论文第一作者为硕士研究生冀国伟，通讯作者为蔡宝平教授，开云电竞投注（华东）为第一署名单位和唯一通讯单位。该研究得到了国家重点研发计划、国家自然科学基金、工信部高技术船舶科研项目及山东省杰出青年基金项目的联合资助。
论文首页
在水下生产管汇泄漏定位过程中，需要对管道进行泄漏位置离散，过高的离散度降低泄漏定位准确度，此外，干扰噪声进一步降低了用于泄漏定位的数据质量。为解决上述问题，提出了数据驱动的水下生产管汇高离散化泄漏节点定位方法，基于功率谱密度分析优化了变分模态分解模型，实现了动态压力信号降噪，提取了峰峰值、均方根、脉冲因子等泄漏特征通过轮廓系数反馈机制改进了K-均值聚类模型，构建了泄漏位置分组模型，完成了压力信号数据分配，建立了鹈鹕优化的径向基函数神经网络定位模型，通过水下生产管汇长直管路实验平台验证了所提方法的有效性。
所提出的水下管道泄漏定位框架
