基于多特征和自适应时延估计的泄漏检测与定位方法技术

本发明专利技术提供基于多特征和自适应时延估计的泄漏检测与定位方法，所述方法利用小波去噪对漏水信号增强，然后将漏水信号的短时能量特征、短时过零率特征和频谱方差作为神经网络的输入，神经网络训练好后就可检测出泄漏是否发生，随后通过LMS自适应算法估计两个传感器接收泄漏信号的时延值，通过时延值对管道漏点进行高精度的漏水定位，本发明专利技术所述方法利用LMS(最小均方误差)自适滤波器进行时延估计，由于自适应滤波器能够自适应动态调节，不需要预先得到信号和噪声的统计特性，适用于供水管道泄漏检测环境。

Leak detection and location method based on multiple features and adaptive time delay estimation

The present invention provides leak detection and location method of multi feature and adaptive time delay estimation based on the wavelet denoising and enhancement of Water Leakage signal, then the short-time energy characteristics, Water Leakage signal short-time zero rate characteristic and spectrum variance as the input of neural network, God can detect whether or not the leakage occurs by the trained network then, through the LMS adaptive algorithm to estimate the two sensor receives the leakage signal delay value of Water Leakage high precision positioning of pipeline leak value through time delay, the method uses the LMS (minimum mean square error) from time delay estimation adaptive filter, the adaptive filter can adaptive dynamic adjustment, do not need statistical characteristics in advance get the signal and noise, suitable for water supply pipeline leak detection environment.

【技术实现步骤摘要】
基于多特征和自适应时延估计的泄漏检测与定位方法
本专利技术属于漏水检测定位
，具体涉及基于多特征和自适应时延估计的泄漏检测与定位方法。
技术介绍
中国水资源短缺十分严重，为调水解困国家耗费大量的财力物力。然而，我国水资源利用率特别低、跑水漏水等现象普遍存在。如果能及时检测出泄漏发生，采取必要措施，可以节约大量水资源。因此，深入研究供水管道泄漏检测与定位方法，不仅具有重要的理论意义，而且也具有巨大的实际应用价值。我国供水管网情况复杂，泄漏信号在传播的程中受到管材、管径、接口及管内压力等的影响，使得检测与定位难度增大。为此，本文提出了基于多特征和自适应时延估计的漏水泄漏检测与定位方法。本设计包括两个部分：基于小波变换和多特征的泄漏检测方法、基于自适应时延估计的漏水点定位方法。首先，利用小波去噪对漏水信号增强，然后提出一种新型基于信号多特征和神经网络的泄漏信号检测方法。该方法将漏水信号的短时能量特征、短时过零率特征和频谱方差作为神经网络的输入，神经网络训练好后就可检测出泄漏是否发生。实验结果表明该方法表现出很强的抗噪性和鲁棒性，有效提高了泄漏检测正确率。在此基础上，进一步提出一种基于本文档来自技高网...

【技术保护点】
基于多特征和自适应时延估计的泄漏检测与定位方法，其特征在于，所述方法利用小波去噪对漏水信号增强，然后将漏水信号的短时能量特征、短时过零率特征和频谱方差作为神经网络的输入，神经网络训练好后就可检测出泄漏是否发生，随后通过LMS自适应算法估计两个传感器接收泄漏信号的时延值，通过时延值对管道漏点进行高精度的漏水定位。

【技术特征摘要】
1.基于多特征和自适应时延估计的泄漏检测与定位方法，其特征在于，所述方法利用小波去噪对漏水信号增强，然后将漏水信号的短时能量特征、短时过零率特征和频谱方差作为神经网络的输入，神经网络训练好后就可检测出泄漏是否发生，随后通过LMS自适应算法估计两个传感器接收泄漏信号的时延值，通过时延值对管道漏点进行高精度的漏水定位。2.根据权利要求1所述的方法，其特征在于，所述方法包括：S1:将漏水信号进行小波去噪；S2：对S1中经过小波去噪增强后的每帧漏水信号分别提取能量特征、过零率特征和频域方差特征；S3：把S2中提取的3个特征向量作为RBF神经网络的输入，标定的对应帧的信号段端点结果作为神经网络的理想输出，对神经网络进行训练；S4：将训练好的神经网络用于泄漏检测，输出检测结果；S5：设置漏水定位模型；S6：利用LMS自适滤波器进行时延估计；S7：计算漏水点距离传感器的距离，完成漏水定位。3.根据权利要求2所述的方法，其特征在于，所述S1包括：S11：选用db4小波基对漏水信号作四层小波分解，得到一组小波系数:S12：对含噪声信号小波系数进行阈值化处理，设置一个合适的数作为阈值，当小波系数小于这个临界值时，小波系数由噪声引起的，予以舍弃；当分解系数大于这个临界阈值时，系数由信号引起，采用软阈值方法按照某一个固定量向零收缩，得到处理后的小波系数；S13：对阈值处理后的小波系数进行小波逆变换，得到小波阈值去噪处理后的信号。4.根据权利要求3所述的方法，其特征在于，所述S2中经过小波去噪增强后的每帧漏水信号分别提取能量特征、过零率特征和频域方差特征如下：短时能量：短时平均过零率：频谱方差：最后将信号的三个特征组成特征向量，作为RBF神经网络的输入向量。5.根据权利要求4所述的方法，其特征在于，所述S3包括：S31：设置RBF神经网络的输入节点为3个，将Sigmoid函数作为激活函数；输出为非线性函数，输出节点为1个，隐层节点经过大量实验，最后确定为20个；S32：标示出每帧漏水信号是泄漏信号帧还是非泄漏信号帧，泄漏帧用1表示，非泄漏用0表示，把这一段漏水信号的实际泄漏段的端点结果记录并保存，供...

【专利技术属性】
技术研发人员：刘洋，铁勇，吴楠，李伟幸，孙国栋，刘玉佩，
申请(专利权)人：内蒙古大学，
类型：发明
国别省市：内蒙古,15