一种基于深度神经网络的管道微泄露检测方法技术

本发明专利技术提供增强管道泄露的监测范围，检测点可灵活选定，且不会对原管道产生二次伤害的一种基于深度神经网络的管道微泄露检测方法,包括以下步骤，S1：采集的管道泄漏音频；S2：对数据进行预处理，S3:生成基于卷积神经网络的管道微泄漏检测模型，S4：对管道微泄漏检测模型进行训练，并采用训练完成的管道微泄漏检测模型进行管道微泄漏检测。本发明专利技术的有益效果是：基于卷积神经网络微泄漏检测模型可以为管道泄漏检测提供一种非接触式的检测办法，弥补现有办法损坏管体等不足的问题，为相关问题的科学研究奠定了数据基础。

A Deep Neural Network Based Method for Detecting Micro-leakage in Pipeline

【技术实现步骤摘要】
一种基于深度神经网络的管道微泄露检测方法
本专利技术涉及管线密封性检测检测领域具体涉及，一种基于深度神经网络的管道微泄露检测方法。
技术介绍
管道泄漏检测是指对运行中的供水、输油、输气等运送管线的密封性检测。对及时发现危险物品泄漏，阻止重大事故的发生有着重要意义。目前检测管线泄漏常用办法为基于硬件的管线泄漏检测方法，如负压波法，它是利用管道泄漏点压力突然下降，周围流体存在压力差，流体从高压区向低压区流动，形成负压波动的原理，检测管道的泄漏，定位管道的泄漏点。随着人工智能相关技术的发展，出现了模式识别和神经网络识别等依靠软件算法的泄漏检测方式。模式识别是负压波法的衍生，它在原有的基础上增加了对压力波的分析，并且建立波动模式的分析系统。神经网络识别是利用它强大的非线性函数的拟合能力来建立分析模型，可以实现泄漏检测。但是，上述管道泄漏检测方法还是存在一些不足，以油气运送管道为例，常规检测办法需要在管道内存加装流体压力表、流量表等设备，破坏了管道的整体性，增加管道制造成本的同时，管道自身泄漏风险也增加了。
技术实现思路
为了解决上述问题，本专利技术提供增强管道泄露的监测范围，检测点可灵活选定，且本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的管道微泄露检测方法,包括以下步骤，S1：采集的管道泄漏音频；S2：采用以下公式对数据进行预处理，

【技术特征摘要】
1.一种基于深度神经网络的管道微泄露检测方法,包括以下步骤，S1：采集的管道泄漏音频；S2：采用以下公式对数据进行预处理，[Data]为处理的输出音频频谱矩阵,abs为取绝对值函数，n为单个音频元数据下标，N最大为160000，x(n)为音频采样的模拟信号，j为虚数单位，L为数据长度160000，k为n等分采样数据的其中一个元数据下标。S3:采用以下公式生成基于卷积神经网络的管道微泄漏检测模型，式中P...

【专利技术属性】
技术研发人员：陈国荣，刘垚，利节，何宏黎，任虹，刘灿，黄珞珞，黄津川，李小兵，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：重庆,50