[發明專利]基于信號時頻特征和支持向量機的供水管道泄漏識別方法有效
| 申請號: | 201810988501.3 | 申請日: | 2018-08-28 |
| 公開(公告)號: | CN109284777B | 公開(公告)日: | 2021-09-28 |
| 發明(設計)人: | 劉洋;吳瓊;任學利;趙婷;龔政;青春 | 申請(專利權)人: | 內蒙古大學 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62 |
| 代理公司: | 北京金智普華知識產權代理有限公司 11401 | 代理人: | 張曉博 |
| 地址: | 010021 內蒙古*** | 國省代碼: | 內蒙古;15 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 信號 特征 支持 向量 供水 管道 泄漏 識別 方法 | ||
本發明公開了一種基于信號時頻特征和支持向量機的供水管道泄漏識別方法,屬于漏水檢測定位技術領域。所述方法包括:輸入被檢測的信號;對輸入的信號進行特征提??;將所提取的特征集輸入已進行優化的支持向量機,利用支持向量機對特征進行識別;支持向量機根據輸入的信號特征輸出識別結果,確定信號為泄漏信號還是非泄漏信號。該方法利用漏水信號隨機性、頻譜較集中等特點,基于信號固有模態函數、近似熵、主成分提出了三個時頻特征。利用這些特征構造特征矩陣作為支持向量機輸入,將支持向量機作為分類器對信號進行識別并輸出識別結果,從而解決了現有管道泄漏檢測技術存在的建模難度系數大、誤判率高等問題。
技術領域
本發明涉及漏水檢測定位技術領域,特別是涉及一種基于信號時頻特征和支持向量機的供水管道泄漏識別方法。
背景技術
水是人類和一切生物賴以生存的物質基礎,是人類社會發展不可缺少的自然資源。聯合國發布的《2018年世界水資源開發報告》顯示,由于人口增長、經濟發展和消費方式轉變等因素,全球水資源的需求正在以每年1%的速度增長,而這一速度在未來20年還將大幅加快。隨著人口的不斷增長和污染的持續惡化,水資源的缺乏日益加劇。在全球水資源嚴重短缺的情況下,水資源的浪費問題卻十分嚴重。其中,供水管道泄漏造成的水資源浪費十分嚴重。世界銀行的一項研究表明,全世界由于供水管道的泄漏造成的水損失量達到每年486億立方米,相應的經濟損失約為每年146億美元。因此,研究高效的供水管道泄漏檢測定位技術對于保護水資源和促進經濟發展具有重要意義。
為了能夠檢測出地下供水管道的泄漏情況,學術界和工業界開展了大量研究工作,開發了許多有效的檢測方法。最早出現的檢測方法是音聽法。該方法是檢測人員借助聽音檢測設備根據泄漏聲的大小與音質特點來判斷漏水區域。這種方法雖然操作簡便,但依賴檢測人員的經驗,并且由于供水管網分布廣泛,所以該方法工作量大、可靠性低。地面穿透雷達可以通過檢測由漏水引起的土壤空隙來確定管道中的泄漏位置,然而,由于不同地區地質結構相對復雜,所以該方法實用性較差,并且成本昂貴。根據供水管道內部壓力變化學者們相繼提出了壓力梯度法、負壓波法、流量平衡法。這些方法對管內水流壓力值較為敏感,但是,由于供水管網水流持續波動,當波動幅度較大時容易產生誤報。研究發現泄漏信號頻譜較為集中,且管道的振動頻率僅與泄漏情況有關。利用這一特性通過對管道上的壓電加速度傳感器獲取的信號進行譜分析,從而進行泄漏檢測。但是,當存在與泄漏信號頻譜相似的環境噪聲時,該方法容易出現誤判。研究人員結合泄漏聲信號線性預測編碼雙譜系數(LPCC)和隱馬爾可夫模型(Hidden Markov Models,HMM)進一步提高了對泄漏信號和環境干擾信號的辨識能力。然而受算法本身的限制,隨著系統運行時間的增加,該方法的錯誤概率會上升。對于大規模的供水管網系統,學者們嘗試使用實時模型法在管網上建模,將管網上的測量數據與流量模型的預測值進行比較,但是在實際應用中該方法建模難度系數高、數據運算量大。
發明內容
為了解決以上問題,本發明提出了一種基于信號時頻特征和支持向量機的供水管道泄漏識別方法,該方法利用漏水信號隨機性、頻譜較集中等特點,根據泄漏信號和非泄漏信號時頻特性的差異性基于信號固有模態函數、近似熵、主成分提出了三個時頻特征。利用這些特征構造特征矩陣作為支持向量機輸入,將支持向量機作為分類器對信號進行識別并輸出識別結果,從而解決了現有管道泄漏檢測技術存在的建模難度系數大、誤判率高等問題。
根據本發明的基于信號時頻特征和支持向量機的供水管道泄漏識別方法,所述方法根據泄漏信號和非泄漏信號時頻特性的差異性,基于信號固有模態函數、近似熵、主成分提出了三個時頻特征,并利用這些特征構造特征矩陣作為支持向量機輸入,將支持向量機作為分類器對信號進行識別并輸出識別結果,確定信號為泄漏信號還是非泄漏信號。
進一步的,所述方法包括:
S1:輸入被檢測的信號;
S2:對輸入的信號進行特征提取;
S3:將所提取的特征集輸入已進行優化的支持向量機,利用支持向量機對特征進行識別;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于內蒙古大學,未經內蒙古大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810988501.3/2.html,轉載請聲明來源鉆瓜專利網。





