The invention provides a water supply pipeline leakage identification method based on linear prediction cepstrum coefficient and Lyapunov index, which belongs to the technical field of water supply pipeline leakage detection and location. The invention firstly collects environmental background noise signals when pipelines are not open to water, and then collects sound signals when pipelines are normal and pipelines are leaking under the same environmental background; calculates Lyapunov index, short-time zero-crossing rate and linear prediction cepstrum coefficient LPCC respectively for the collected signals, and establishes B_P neural network; collects sound signals on pipelines to be measured; The Lapunov exponent, short-time zero-crossing rate and the eigenvalues of linear prediction cepstrum coefficients are calculated and input into the established B_P neural network for leakage identification. The invention solves the problem that the existing leak detection technology of water supply pipeline relies on human experience identification and the accuracy of leak identification is not high. The invention can be used for accurate identification of water supply pipeline leakage.
【技术实现步骤摘要】
基于线性预测倒谱系数和lyapunov指数的供水管道漏损辨识方法
本专利技术涉及供水管道漏损辨识方法,属于供水管网泄漏检测与定位
技术介绍
水是生命之源、发展之本,水资源是关系国计民生的一项重要资源;我国城市的供水管网漏失率较高,据统计,我国600多个城市供水管网的平均漏损率(管网漏损率是管网漏水量与供水总量之比)超过15%,最高达70%以上,全国城市供水年漏损量近100亿立方米;而乡镇供水管道的漏失情况更为严重。目前主流的主动漏失监测方法有基于流量监测的方法和基于声波振动信号监测的方法两种。基于流量监测的漏失监测方法:将检漏目标区域与外界连接的其中一个阀门上安装流量计,并关闭除此之外的其它所有阀门,则在深夜用水量最小时,就可以通过流量计来判断该区域内有无漏失。如果有,则通过关闭阀门进一步缩小区域范围,直到缩小至管段范围。如果现场条件不允许只开启一个阀门,则可以留一个进水口和一个出水口,并在这两处安装流量计。通过两个流量计及小区内用户水表的读数来判断该区域内有无漏失。基于流量监测的方法的缺点则在于,通过逐步缩小检测区域的方法,可以最终找到漏失点的位置及漏失量的大小,但是这种方法,工作强度非常大,经常需要在深夜进行,而且在一个区域内频繁地开闭一些阀门,会导致管道内水流频繁发生变化,使管垢脱落,带来水质恶化风险。基于声波振动信号监测的方法:利用声波振动信号进行供水管网泄漏检测与定位是目前自来水公司采用的主要手段。管网漏失存在时,由于水流与管壁的摩擦,会产生声波振动信号,基于声波振动信号监测的方法即是通过对这些声学信号的监测进而发现管网漏失。这种方法又 ...
【技术保护点】
1.基于线性预测倒谱系数和lyapunov指数的供水管道漏损辨识方法,其特征在于,所述方法具体包括以下步骤:步骤一、采集管道未通水时的环境背景噪声信号,而后在同一环境背景下分别采集管道正常时的声音信号、管道在漏损时的声音信号;步骤二、对采集的信号分别计算其lyapunov指数、短时过零率、线性预测倒谱系数LPCC;lyapunov指数就是李雅谱诺夫指数;步骤三、以步骤二中计算得到的lyapunov指数、短时过零率、线性预测倒谱系数特征,建立B‑P神经网络;步骤四、在待测管道上采集声音信号,分别计算其lyapunov指数、短时过零率、线性预测倒谱系数特征值;步骤五、将步骤四中得到的待测管道上的特征值输入所建立的B‑P神经网络,进行漏损辨识。
【技术特征摘要】
1.基于线性预测倒谱系数和lyapunov指数的供水管道漏损辨识方法,其特征在于,所述方法具体包括以下步骤:步骤一、采集管道未通水时的环境背景噪声信号,而后在同一环境背景下分别采集管道正常时的声音信号、管道在漏损时的声音信号;步骤二、对采集的信号分别计算其lyapunov指数、短时过零率、线性预测倒谱系数LPCC;lyapunov指数就是李雅谱诺夫指数;步骤三、以步骤二中计算得到的lyapunov指数、短时过零率、线性预测倒谱系数特征,建立B-P神经网络;步骤四、在待测管道上采集声音信号,分别计算其lyapunov指数、短时过零率、线性预测倒谱系数特征值;步骤五、将步骤四中得到的待测管道上的特征值输入所建立的B-P神经网络,进行漏损辨识。2.根据权利要求1所述基于线性预测倒谱系数和lyapunov指数的供水管道漏损辨识方法,其特征在于,所述lyapunov指数的计算过程具体包括:A1、通过自相关函数法计算信号S的时间延迟τ;A2、通过对信号S的傅里叶变换求其平均周期T′;A3、对信号S进行关联维数c计算,进而确定嵌入维数m;A4、利用时间延迟τ、平均周期T′、嵌入维数m对待测信号S进行相空间重构,得到重构后信号相空间Y(ti);i=0,…,n;其中,t0表示时间序列的起始点,tn为时间序列终点;A5、计算重构后信号相空间的起始点Y(t0)和...
【专利技术属性】
技术研发人员:张鹏,赫俊国,杨宝明,吴晨光,袁一星,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。