- -

Detección y Localización de Ruptura Súbita mediante Transformada Wavelet Discreta y Correlación Cruzada

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Detección y Localización de Ruptura Súbita mediante Transformada Wavelet Discreta y Correlación Cruzada

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.author Trutié-Carrero, Eduardo es_ES
dc.contributor.author Valdés-Santiago, Damian es_ES
dc.contributor.author León-Mecías, Ángela es_ES
dc.contributor.author Ramírez-Beltrán, Jorge es_ES
dc.date.accessioned 2020-05-14T06:56:03Z
dc.date.available 2020-05-14T06:56:03Z
dc.date.issued 2018-03-05
dc.identifier.issn 1697-7912
dc.identifier.uri http://hdl.handle.net/10251/143156
dc.description.abstract [ES] La ruptura súbita en los sistemas de distribución de agua provoca gran pérdida de este recurso natural, interrumpe el abastecimiento, daña las calles y edificaciones y aumenta la transmisión de enfermedades infecciosas. En este artículo se propone un nuevo algoritmo que permite la detección y localización automática de rupturas súbitas en los sistemas de distribución de agua. En cuanto a la detección, la novedad consiste en usar el criterio de correlación wavelet para computar la decisión estadística y compararla con un umbral de detección. La novedad en la localización consiste en usar el operador estadístico correlación cruzada. El algoritmo se implementó en Octave y fue validado con 32 señales adquiridas en el laboratorio en una tubería de acero de 26.7 m de longitud. En 16 señales se provocó ruptura súbita las cuales fueron detectadas bajo una probabilidad de falsos positivos de 2 %. No se presentaron falsos positivos en las 16 señales donde solamente estaba la presencia de ruido. es_ES
dc.description.abstract [EN] Burst in water distribution systems causes great loss of this natural resource, interrupts the water supply, damages the streets, builds and increases the transmission of infectious diseases. In this paper we propose a new algorithm that allows the detection and automatic localization of burst in water distribution systems. As for detection, the novelty is to use the wavelet correlation criterion to compute the statistical decision and compare it with a detection threshold. The novelty in the localization is to use the statistical operator cross-correlation. The algorithm was implemented in Octave and was validated with 32 signals acquired in the laboratory in a 26.7 m long steel pipe. In 16 signals burst were triggered which were detected under a false positive probability of 2 %. No false positives were present on the 16 signals where only noise was present. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation.ispartof Revista Iberoamericana de Automática e Informática industrial es_ES
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Singularity es_ES
dc.subject Wavelet transform es_ES
dc.subject Detection es_ES
dc.subject Estimation es_ES
dc.subject Singularidad es_ES
dc.subject Transformada wavelet es_ES
dc.subject Detección es_ES
dc.subject Estimación es_ES
dc.title Detección y Localización de Ruptura Súbita mediante Transformada Wavelet Discreta y Correlación Cruzada es_ES
dc.title.alternative Burst Detection and Localization using Discrete Wavelet Transform and Cross-Correlation es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.4995/riai.2017.8738
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Trutié-Carrero, E.; Valdés-Santiago, D.; León-Mecías, Á.; Ramírez-Beltrán, J. (2018). Detección y Localización de Ruptura Súbita mediante Transformada Wavelet Discreta y Correlación Cruzada. Revista Iberoamericana de Automática e Informática industrial. 15(2):211-216. https://doi.org/10.4995/riai.2017.8738 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.4995/riai.2017.8738 es_ES
dc.description.upvformatpinicio 211 es_ES
dc.description.upvformatpfin 216 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 15 es_ES
dc.description.issue 2 es_ES
dc.identifier.eissn 1697-7920
dc.relation.pasarela OJS\8738 es_ES
dc.description.references Cedeño, A., Trujillo, R., 2013. Estudio comparativo de técnicas de reducción de ruido en se-ales industriales mediante transformada wavelet discreta y selección adaptativa del umbral. Revista Iberoamericana de Automática e Informática Industrial RIAI 10, 143-148. https://doi.org/10.1016/j.riai.2013.03.003 es_ES
dc.description.references Donoho, D. L., Johnstone, J. M., 1994. Ideal spatial adaptation by wavelet shrinkage. Biometrika 81, 425-455. https://doi.org/10.1093/biomet/81.3.425 es_ES
dc.description.references Eaton, J. W., Bateman, D., Hauberg, S., Wehbring, R., 2014. GNU Octave version 3.8.1 manual: a high-level interactive language for numerical computations. CreateSpace Independent Publishing Platform. es_ES
dc.description.references Ebacher, G., Besner, M.-C., Prévost, M., Allard, D., 2010. Negative pressure events in water distribution systems: Public health risk assessment based on transient analysis outputs. In: Water Distribution Systems Analysis 2010. pp. 471-483. es_ES
dc.description.references Grinstead, C. M., Snell, J. L., 1997. Introduction to Probability. American Mathematical Society. es_ES
dc.description.references Luo, Jun; Liu, G. H. Z., 2016. Damage detection for shear structures based on wavelet spectral transmissibility matrices under nonstationary stochastic excitation. Structural Control and Health Monitoring. https://doi.org/10.1002/stc.1862 es_ES
dc.description.references Mallat, S., 1999. A Wavelet Tour of Signal Processing. Academic Press. Martini, A., Troncossi, M., Rivola, A., 2013. Vibration monitoring as a tool for leak detection in water distribution networks. In: International Conference Surveillance 7. es_ES
dc.description.references Meniconi, S., Brunone, B., Ferrante, M., Capponi, C., Pedroni, M., Zaghini, M., Leoni, F., 2014. Transmission Main Survey by Transient Tests: The Case of Villanova Plan in Mantova (I). Procedia Engineering 89. https://doi.org/10.1016/j.proeng.2014.11.454 es_ES
dc.description.references Mounce, Stephen R.; Mounce, R. B. B. J. B., 03 2012. Identifying sampling interval for event detection in water distribution networks. Journal of Water Resources Planning and Management 138. https://doi.org/10.1061/(ASCE)WR.1943-5452.0000170 es_ES
dc.description.references Oppenheim, A. V., Schafer, R. W., 2010. Discrete-Time Signal Processing. Prentice Hall. es_ES
dc.description.references Proakis, J. G., Manolakis, D. G., 2006. Digital signal processing: principles, algorithms, and applications. Prentice-Hall. es_ES
dc.description.references Rathnayaka, S., Shannon, B., Rajeev, P., Kodikara, J., 2016. Monitoring of pressure transients in water supply networks. Water Resources Management 30 (2), 471-485. https://doi.org/10.1007/s11269-015-1172-y es_ES
dc.description.references Srirangarajan, S., Allen, M., Preis, A., 2013. Wavelet-based burst event detection and localization in water distribution systems. Journal of Signal Processing Systems 72, 1-16. https://doi.org/10.1007/s11265-012-0690-6 es_ES
dc.description.references Srirangarajan, S., Iqbal, M., Lim, H. B., Allen, M., Preis, A., Whittle, A. J., 2011. Water main burst event detection and localization. In: Water Distribution Systems Analysis 2010. Tucson, Arizona, United States. https://doi.org/10.1061/41203(425)119 es_ES
dc.description.references Ye, G., Fenner, R. A., 2011. Kalman filtering of hydraulic measurements for burst detection in water distribution systems. Journal of Pipeline Systems Engineering and Practice 2, 14-22. https://doi.org/10.1061/(ASCE)PS.1949-1204.0000070 es_ES
dc.description.references Ye, G., Fenner, R. A., 2014. Study of burst alarming and data sampling frequency in water distribution networks. Journal ofWater Resources Planning and Management 140, 06014001-1-06014001-7. https://doi.org/10.1061/(ASCE)WR.1943-5452.0000394 es_ES
dc.description.references Zadkarami, M., Shahbazian, M., Salahshoor, K., 2017. Pipeline leak diagnosis based on wavelet and statistical features using dempster-shafer classifier fusion technique. Process Safety and Environmental Protection 105, 156-163. https://doi.org/10.1016/j.psep.2016.11.002 es_ES
dc.description.references Zan, T. T. T., Wong, K.-J., Lim, H. B., Whittle, A., 2011. A frequency domain burst detection technique for water distribution systems. In: 2011 IEEE Sensors Proceedings. pp. 1870-1873. https://doi.org/10.1109/ICSENS.2011.6127324 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem