[發明專利]一種供水管道的泄露程度確定方法及系統

在審

• 申請號: 201811311647.0
• 申請日: 2018-11-06
• 公開（公告）號: CN109654383A
• 公開（公告）日: 2019-04-19
• 發明（設計）人: 鐘華;祝向輝;陳坤;舒莉丹
• 申請（專利權）人: 三川智慧科技股份有限公司
• 主分類號: F17D5/06
• 分類號: F17D5/06;G06K9/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發明實施例提供一種供水管道的泄露程度確定方法及系統。其中，方法包括：將布置于供水管道各水表上的任一采集器采集到的振動信號進行經驗模態分解，以得到若干個本征模態分量；基于所述若干個本征模態分量的能量，獲取所述振動信號的特征向量；將所述特征向量輸入至訓練好的神經網絡模型中，以確定所述供水管道的泄露程度。本發明實施例提供的一種供水管道的泄露程度確定方法及系統，通過將振動信號進行經驗模態分解，并根據經驗模態分解后的本征模態分量的能量獲取振動信號的特征向量，以將特征向量輸入至訓練好的神經網絡模型中，進而確定供水管道的泄露程度，能夠保證得到的泄露程度的有效性和準確性。

技術領域

本發明實施例涉及信號處理技術領域，尤其涉及一種供水管道的泄露程度確定方法及系統。

背景技術

城市供水管道由于服役期較長、介質腐蝕和材料老化等因素的影響不可避免地會發生泄漏，對于不同泄露程度的泄露，通常會有不同的解決措施。

供水管道所處的環境相對比較復雜，采集器采集到的振動信號通常為泄漏信號和噪聲信號的疊加信號，屬于非平穩隨機信號，因此傳統的時頻分析方法不再適用。針對該問題，相關文獻首先利用相關分析法對供水管道漏點定位技術展開了實驗研究，接著又提出了一種基于經驗模態分解(Empirical Mode Decomposition,EMD)和能量特征提取相結合的供水管道泄漏定位方法。以上兩種方法均能夠準確定位泄漏位置，但并不適用于泄露程度的確定。因此，供水管道的泄露程度確定問題成為了亟待解決的問題。

發明內容

針對現有技術中存在的技術問題，本發明實施例提供一種供水管道的泄露程度確定方法及系統。

第一方面，本發明實施例提供一種供水管道的泄露程度確定方法，包括：

將布置于供水管道各水表上的任一采集器采集到的振動信號進行經驗模態分解，以得到若干個本征模態分量；

基于所述若干個本征模態分量的能量，獲取所述振動信號的特征向量；

將所述特征向量輸入至訓練好的神經網絡模型中，以確定所述供水管道的泄露程度。

第二方面，本發明實施例提供一種供水管道的泄露程度確定系統，包括：

經驗模態分解模塊，用于將布置于供水管道各水表上的任一采集器采集到的振動信號進行經驗模態分解，以得到若干個本征模態分量；

特征向量獲取模塊，用于基于所述若干個本征模態分量的能量，獲取所述振動信號的特征向量；

泄露程度確定模塊，用于將所述特征向量輸入至訓練好的神經網絡模型中，以確定所述供水管道的泄露程度。

第三方面，本發明實施例提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如第一方面所提供的方法的步驟。

第四方面，本發明實施例提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如第一方面所提供的方法的步驟。

本發明實施例提供的一種供水管道的泄露程度確定方法及系統，通過將振動信號進行經驗模態分解，并根據經驗模態分解后的本征模態分量的能量獲取振動信號的特征向量，以將特征向量輸入至訓練好的神經網絡模型中，進而確定供水管道的泄露程度。能夠保證得到的泄露程度的有效性和準確性。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明實施例提供的一種供水管道的泄露程度確定方法流程圖；