[發明專利]一種基于LCD-EE的管道聲波信號特征提取的管道工況識別方法

有效

• 申請號: 202010588123.7
• 申請日: 2020-06-24
• 公開（公告）號: CN111735583B
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 路敬祎;董宏麗;周怡娜;韓非;李學貴;高宏宇;霍鳳財;宋金波;楊帆
• 申請（專利權）人: 東北石油大學
• 主分類號: G01M3/24
• 分類號: G01M3/24;G06K9/00
• 代理公司: 黑龍江立超同創知識產權代理有限責任公司 23217
• 代理人: 楊立超

1.基于LCD-EE的管道聲波信號特征提取的管道工況識別方法，其特征在于：包括如下步驟：

步驟1、采用聲波傳感器分別采集油氣管道三種不同工況下的聲波原始信號樣本數據，選取每種工況下的信號數據各至少50組，每組時域信號含有至少4096個采樣數據；

步驟2、采用局部特征尺度分解(LCD)算法對步驟1中采集到的三種管道聲波信號分別進行自適應分解，得到信號的若干個內稟尺度分量(ISC)信號；

步驟3、將ISC分量與原始信號進行相關性分析，根據特征分量篩選原則，選取含有特征信息較多的特征分量；定義第k個ISC分量與原始信號的相關系數如下：

其中，ISC_k為LCD分解后的第k個ISC分量，x(t)為原始信號，E為期望，表示ISC分量的均值，為信號x(t)的均值，為ISC_k的標準差，σ_x(t)為x(t)的標準差；相關系數用于表征兩個隨機變量間相關密切程度的統計指標，其范圍在[0,1]之間；若該值越大，則表示兩個變量間的相關程度越大，反之相關程度越小；

步驟4、提取各特征分量的指數熵作為區分管道聲波信號的特征，分別計算所選取的特征分量的指數熵值；

步驟5、將不同狀態下各組聲波信號分解后選取的特征分量的指數熵值組成特征向量T；最后通過BP神經網絡對特征向量進行訓練和識別，進而識別出不同的管道工況情況。

2.根據權利要求1所述的基于LCD-EE的管道聲波信號特征提取的管道工況識別方法，其特征在于：按照步驟3得到的相關系數R_k，計算LCD分解后各ISC分量與原始信號相關性權重系數，根據特征分量篩選原則，選取權重系數W_i0.1的ISC分量作為特征分量，則權重系數計算公式如下：

3.根據權利要求2所述的基于LCD-EE的管道聲波信號特征提取的管道工況識別方法，其特征在于：所述的步驟4中，記篩選的有效ISC特征分量分別記為I1,I2,…,Im，則定義第m個ISC分量的指數熵為：

其中，EE_m是I_m的指數熵值；N是I_m時間序列的樣本點數；P_j是第j采樣點的能量與I_m能量的比例。

4.根據權利要求3所述的基于LCD-EE的管道聲波信號特征提取的管道工況識別方法，其特征在于：所述的步驟5中，構成的特征向量T＝[EE₁，EE₂，…，EE_m]。