本公開涉及故障診斷，特別是涉及一種管網(wǎng)泄漏檢測方法、裝置、電子設(shè)備及介質(zhì)。

背景技術(shù)：

1、為了能有效的預(yù)防管道事故，管道泄漏檢測技術(shù)迅速發(fā)展起來，根據(jù)管道壓力數(shù)據(jù)進(jìn)行管道泄漏檢測的方法大體上分為兩類：基于負(fù)壓波的檢測方法和對壓力信號進(jìn)行特征提取的方法。其中，基于負(fù)壓波的檢測方法關(guān)鍵是確定壓力信號的拐點和負(fù)壓波通過上下游測量點的時刻；對壓力信號進(jìn)行特征提取的方法大多是對某一點的壓力隨時間變化的數(shù)據(jù)進(jìn)行分析。

2、然而，相關(guān)技術(shù)都是基于傳統(tǒng)時域信號進(jìn)行處理，容易受到干擾噪聲信號的影響，效果不夠魯棒，且操作復(fù)雜。

技術(shù)實現(xiàn)思路

1、為克服相關(guān)技術(shù)中存在的問題，本公開提供一種管網(wǎng)泄漏檢測方法、裝置、電子設(shè)備及介質(zhì)。本公開的技術(shù)方案如下：

2、根據(jù)本公開實施例的第一方面，提供一種管網(wǎng)泄漏檢測方法，包括：

3、獲取管道上的壓力傳感器在預(yù)設(shè)時間內(nèi)的采集到的壓力信號；

4、對采集到的壓力信號進(jìn)行預(yù)處理，得到預(yù)處理后的壓力信號，預(yù)處理包括：時域均值平滑濾波、一階差分以及二階差分；所述平滑濾波的平滑窗口與差分單位相適應(yīng)；

5、對所述預(yù)處理后的壓力信號進(jìn)行小波變換，得到時頻域二維圖像；所述時頻域二維圖像表達(dá)了所述壓力信號的時頻域信息；

6、將所述時頻域二維圖像輸入目標(biāo)神經(jīng)網(wǎng)絡(luò)；所述目標(biāo)神經(jīng)網(wǎng)絡(luò)為添加了自注意力機制的輕量級神經(jīng)網(wǎng)絡(luò)；

7、通過所述目標(biāo)神經(jīng)網(wǎng)絡(luò)對所述時頻域二維圖像進(jìn)行特征提取；

8、根據(jù)所述時頻域二維圖像的特征，對所述時頻域二維圖像進(jìn)行異常分類；

9、根據(jù)對所述壓力信號的異常分類，確定管網(wǎng)是否泄漏。

10、可選地，所述對所述預(yù)處理后的壓力信號進(jìn)行小波變換，得到時頻域二維圖像，包括：

11、在預(yù)設(shè)的頻率范圍內(nèi)選擇預(yù)設(shè)數(shù)量的頻率尺度，并將選定的所述頻率尺度確定為小波變換的小波尺度；

12、根據(jù)所述小波尺度，采用目標(biāo)小波對所述預(yù)處理后的壓力信號進(jìn)行小波變換，得到小波系數(shù)；

13、對所述小波系數(shù)取絕對值，并渲染得到二維圖像；

14、將所述二維圖像縮放到預(yù)設(shè)尺度，將縮放后的所述二維圖像確定為所述時頻域二維圖像。

15、可選地，所述通過所述目標(biāo)神經(jīng)網(wǎng)絡(luò)對所述時頻域二維圖像進(jìn)行特征提取，包括：

16、對所述時頻域二維圖像進(jìn)行預(yù)設(shè)尺度的特征提取，得到預(yù)設(shè)尺度的特征圖；

17、所述根據(jù)所述時頻域二維圖像的特征，對所述時頻域二維圖像進(jìn)行異常分類，包括：

18、對所述特征圖進(jìn)行自注意力操作，得到所述時頻域二維圖像對應(yīng)的二維向量；

19、對所述二維向量再次調(diào)整，得到一維向量，并將所述一維向量輸入全連接層，進(jìn)行異常分類。

20、可選地，對所述壓力信號進(jìn)行一階差分以及二階差分，包括：

21、在所述壓力信號中確定第一數(shù)據(jù)點；所述第一數(shù)據(jù)點為所述壓力傳感器在目標(biāo)時間采集到的數(shù)據(jù)；

22、確定與所述第一數(shù)據(jù)點間隔差分單位的第二數(shù)據(jù)點；所述查分單位表征采集第一數(shù)據(jù)點與第二數(shù)據(jù)點時間隔的時間；

23、第二數(shù)據(jù)點減去第一數(shù)據(jù)點，完成對所述壓力信號的一階差分；其中，所述壓力信號的一階差分結(jié)果表征所述壓力信號的流速；

24、對所述壓力信號的一階差分結(jié)果，再次執(zhí)行二階差分，得到二階差分后的壓力信號；所述二階差分的差分單位和所述一階差分的差分單位相同；其中，所述壓力信號的二階差分結(jié)果表征所述壓力信號的加速度，在所述管網(wǎng)沒有泄漏的情況下，所述加速度為零。

25、可選地，所述目標(biāo)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練步驟，包括：

26、獲取預(yù)設(shè)數(shù)量的持續(xù)預(yù)設(shè)時長的泄漏壓力信號，并為所述泄漏壓力信號添加表征泄漏的樣本標(biāo)簽；

27、獲取預(yù)設(shè)數(shù)量的持續(xù)預(yù)設(shè)時長的無泄漏壓力信號，并為所述泄漏壓力信號添加表征無泄漏的樣本標(biāo)簽；

28、將所述泄漏壓力信號和所述無泄漏壓力信號確定為樣本集；將所述樣本集分為訓(xùn)練樣本集和測試樣本集；

29、將所述訓(xùn)練樣本集中泄漏壓力信號和無泄漏壓力信號交替輸入初始神經(jīng)網(wǎng)絡(luò)，得到所述訓(xùn)練樣本的預(yù)測分類結(jié)果；所述初始神經(jīng)網(wǎng)絡(luò)為添加自注意力機制的輕量級神經(jīng)網(wǎng)絡(luò)，具備信號檢測的功能；

30、通過損失函數(shù)確定所述預(yù)測分類結(jié)果與所述樣本標(biāo)簽的損失值，基于所述損失值對所述初始神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)；所述損失值表征：所述初始神經(jīng)網(wǎng)絡(luò)預(yù)測出的所述訓(xùn)練樣本的分類與所述訓(xùn)練樣本的樣本標(biāo)簽的差距；

31、在所述目標(biāo)神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成之后，將測試樣本集輸入所述目標(biāo)神經(jīng)網(wǎng)絡(luò)；

32、獲取所述測試樣本集的損失值，在所述損失值小于預(yù)設(shè)值的情況下，確定所述目標(biāo)神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成。

33、根據(jù)本公開實施例的第二方面，提供一種管網(wǎng)泄漏檢測裝置，包括：

34、獲取模塊，用于獲取管道上的壓力傳感器在預(yù)設(shè)時間內(nèi)的采集到的壓力信號；

35、預(yù)處理模塊，用于對采集到的壓力信號進(jìn)行預(yù)處理，得到預(yù)處理后的壓力信號，預(yù)處理包括：時域均值平滑濾波、一階差分以及二階差分；所述平滑濾波的平滑窗口與差分單位相適應(yīng)；

36、小波變換模塊，用于對所述預(yù)處理后的壓力信號進(jìn)行小波變換，得到時頻域二維圖像；所述時頻域二維圖像表達(dá)了所述壓力信號的時頻域信息；

37、輸入模塊，用于將所述時頻域二維圖像輸入目標(biāo)神經(jīng)網(wǎng)絡(luò)；所述目標(biāo)神經(jīng)網(wǎng)絡(luò)為添加了自注意力機制的輕量級神經(jīng)網(wǎng)絡(luò)；

38、提取模塊，用于通過所述目標(biāo)神經(jīng)網(wǎng)絡(luò)對所述時頻域二維圖像進(jìn)行特征提?。?/p>

39、分類模塊，用于根據(jù)所述時頻域二維圖像的特征，對所述時頻域二維圖像進(jìn)行異常分類；

40、確定模塊，用于根據(jù)對所述壓力信號的異常分類，確定管網(wǎng)是否泄漏。

41、根據(jù)本公開實施例的第三方面，提供一種電子設(shè)備，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執(zhí)行時，實現(xiàn)如第一方面中所述的管網(wǎng)泄漏檢測方法的步驟。

42、根據(jù)本公開實施例的第四方面，提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，實現(xiàn)如第一方面中所述的管網(wǎng)泄漏檢測方法的步驟。

43、本公開通過通過時域均值平滑濾波、一階差分和二階差分處理壓力信號，可以有效地減少來自干擾噪聲的影響；平滑濾波可以平滑壓力信號中的高頻噪聲，差分操作可以突出壓力信號的變化趨勢；將預(yù)處理后的壓力信號進(jìn)行小波變換可以將信號分解成不同的頻率成分，并在時頻域中表示信號，可以捕捉到信號中的時變特征，有助于識別與管道泄漏相關(guān)的異常模式；將時頻域二維圖像輸入目標(biāo)神經(jīng)網(wǎng)絡(luò)，目標(biāo)神經(jīng)網(wǎng)絡(luò)能夠自適應(yīng)地關(guān)注輸入圖像中的重要區(qū)域，無需人工標(biāo)記；目標(biāo)神經(jīng)網(wǎng)絡(luò)對時頻域二維圖像進(jìn)行特征提取和異常分類，有助于準(zhǔn)確識別出與管道泄漏相關(guān)的異常模式。

技術(shù)特征：

1.一種管網(wǎng)泄漏檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述預(yù)處理后的壓力信號進(jìn)行小波變換，得到時頻域二維圖像，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過所述目標(biāo)神經(jīng)網(wǎng)絡(luò)對所述時頻域二維圖像進(jìn)行特征提取，包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述壓力信號進(jìn)行一階差分以及二階差分，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標(biāo)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練步驟，包括：

6.一種管網(wǎng)泄漏檢測裝置，其特征在于，包括：

7.一種電子設(shè)備，其特征在于，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執(zhí)行時，實現(xiàn)如權(quán)利要求1-5中任一項所述的管網(wǎng)泄漏檢測方法的步驟。

8.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，實現(xiàn)如權(quán)利要求1-5中任一項所述的管網(wǎng)泄漏檢測方法的步驟。

技術(shù)總結(jié)
本公開提供了一種管網(wǎng)泄漏檢測方法、裝置、電子設(shè)備及介質(zhì)，屬于故障診斷技術(shù)領(lǐng)域，旨在解決傳統(tǒng)的管網(wǎng)泄漏檢測方法只從時域的角度分析的問題。所述方法包括：獲取管道上的壓力傳感器在預(yù)設(shè)時間內(nèi)的采集到的壓力信號；對采集到的壓力信號進(jìn)行預(yù)處理，得到預(yù)處理后的壓力信號；對所述預(yù)處理后的壓力信號進(jìn)行小波變換，得到時頻域二維圖像；將所述時頻域二維圖像輸入目標(biāo)神經(jīng)網(wǎng)絡(luò)；所述目標(biāo)神經(jīng)網(wǎng)絡(luò)為添加了自注意力機制的輕量級神經(jīng)網(wǎng)絡(luò)；通過所述目標(biāo)神經(jīng)網(wǎng)絡(luò)對所述時頻域二維圖像進(jìn)行特征提??；根據(jù)所述時頻域二維圖像的特征，對所述時頻域二維圖像進(jìn)行異常分類；根據(jù)對所述壓力信號的異常分類，確定管網(wǎng)是否泄漏。

技術(shù)研發(fā)人員：高大帥,李健,陳明,武衛(wèi)東
受保護(hù)的技術(shù)使用者：北京捷通華聲科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17