一种融合听觉和视觉特征的供热管网状态监测方法及系统技术方案

本发明专利技术公开了一种融合听觉和视觉特征的供热管网状态监测方法，包括：获取供热管网不同运行状态下的声音信号和图像信号；对获取的声音信号进行降噪处理、分帧加窗、幅值规整和信号预加重处理；对获取的图像信号进行降噪处理、亮度增强和直方图均衡化处理；采用听觉外周模型对处理后的声音信号进行听觉特征提取；对处理后的图像信号进行视觉特征提取，包括颜色特征提取和纹理特征提取；对特征提取后的声音信号和图像信号进行降维处理；将降维处理后的听觉特征和视觉特征进行融合后，输入至机器学习算法中进行训练获得供热管网状态监测结果。本发明专利技术能够通过视觉和听觉协同进行状态监测，全面提升供热管网的状态监测、主动感知能力。力。力。

【技术实现步骤摘要】
一种融合听觉和视觉特征的供热管网状态监测方法及系统


[0001]本专利技术属于供热管网状态监测
，具体涉及一种融合听觉和视觉特征的供热管网状态监测方法。

技术介绍

[0002]热源、热网和热用户三个部分组成了集中供热系统，其中热网是供热系统最重要的一个组成部分。热网的主要作用是将热源产生的热量输送到管网末端的各个热用户处。但是，在整个供热系统中，热网也是最为薄弱的一个环节。随着这些管网使用年限的增长，新旧管网规模不断增大，近些年来各地管网故障频频发生，其中以供热管网泄漏事故最为普遍。供热管网的泄漏在每一个供热城市都普遍存在，供热管道的爆裂或是泄漏主要是由于管道部件材质、敷设方式、施工以及管理等诸多综合因素造成的，并且泄漏发生的时间与地点往往难以快速找到，这极大地影响了管网的正常运行和维护，给供热管网冬季安全经济运行带来了巨大隐患。泄漏故障不仅会影响到供热部门的经济效益，同时也给用户冬天的采暖带来很大的不便，很容易造成社会性问题，影响城市的正常运作。
[0003]听觉感知特征是在声学特征的基础上提出，其充分考虑人耳的听觉特性，融入大量的供热管网感知信息，能够更贴近人耳与神经系统感知与监测供热管网的过程，成为供热管网运行状态监测的重要特征选择。目前图像处理、声音识别、运行监测等人工智能技术得到了快速发展，为解决供热管网运行监测提供了新途径、新方法，如何将新一代人工智能技术与供热管网监测进行深度融合应用，充分融合视觉和听觉特征，全面提升供热管网的状态监测、主动感知，是目前急需解决的问题。
[0004]基于上述技术问题，需要设计一种新的融合听觉和视觉特征的供热管网状态监测方法。

技术实现思路

[0005]本专利技术所要解决的技术问题是，克服现有技术的不足，提供一种融合听觉和视觉特征的供热管网状态监测方法，能够融合听觉特征和视觉特征，将听觉和视觉的多种统计特征构成特征向量，确定最优融合特征，提高供热管网状态监测准确率，全面提升供热管网的状态监测、主动感知能力。
[0006]为了解决上述技术问题，本专利技术的技术方案是：
[0007]本专利技术提供了一种融合听觉和视觉特征的供热管网状态监测方法，所述供热管网状态监测方法包括：
[0008]步骤S1、获取供热管网不同运行状态下的声音信号和图像信号；
[0009]步骤S2、对获取的声音信号进行降噪处理、分帧加窗、幅值规整和信号预加重处理；对获取的图像信号进行降噪处理、亮度增强和直方图均衡化处理；
[0010]步骤S3、采用听觉外周模型对处理后的声音信号进行听觉特征提取；对处理后的图像信号进行视觉特征提取，包括颜色特征提取和纹理特征提取；
[0011]步骤S4、对特征提取后的声音信号和图像信号进行降维处理；
[0012]步骤S5、将降维处理后的听觉特征和视觉特征进行融合后，输入至机器学习算法中进行训练获得供热管网状态监测结果。
[0013]进一步，所述步骤S1中，获取供热管网不同运行状态下的声音信号和图像信号，包括：
[0014]真实声音信号和图像信号获取：通过在待监测的供热管网附近设置多个声音采集装置和图像采集装置，分别获取供热管网处于正常状态和泄漏、裂缝、破损、堵塞状态下的声音信号和图像信号，并记录采集的声音信号、图像信号与待监测供热管网正常状态、泄漏、裂缝、破损、堵塞状态的对应关系；
[0015]模拟声音信号和图像信号获取：构建待监测供热管网数字孪生模型，通过该数字孪生模型仿真模拟供热管网正常状态和泄漏、裂缝、破损、堵塞状态，获取对应状态下的模拟声音信号和模拟图像信号；
[0016]其中，所述构建待监测供热管网数字孪生模型，包括：
[0017]接收待监测的供热管网物理实体数据，并对接收的物理实体数据进行实体确定和各实体之间的关联关系确定后，再确定实体中所包括的属性数据；所述供热管网的物理实体至少包括多个供热管道和管道附件；所述属性数据包括实体的数据特征集合；
[0018]对属性数据进行处理，统计每一数据特征的原始分布和分布参数，并对数据特征进行调整后输入至机器学习模型中进行训练，获得数字孪生模型参数；
[0019]根据所述数字孪生模型参数提取出静态常量数据和动态变量数据，根据所述静态常量数据和动态变量数据构建初始数字孪生模型；
[0020]将预设输入源输入至所述初始数字孪生模型获得对应的预测输出，判断预测输出与实际输出的出入是否大于预设阈值，若大于预设阈值，则该数字孪生模型不满足预设条件，重新调整数字孪生模型参数；否则该数字孪生模型满足预设条件。
[0021]进一步，所述步骤S2中，对获取的声音信号进行降噪处理、分帧加窗、幅值规整和信号预加重处理，包括：
[0022]采用改进的小波阈值去噪算法对获取的声音信号进行降噪处理；
[0023]选取窗函数对声音信号进行分帧加窗处理；所述窗函数至少包括矩形窗和汉宁窗；
[0024]选取幅值规整方法对声音信号进行相应规整处理；所述幅值规整方法至少包括归一化法、极差变换法和标准样本变换法；
[0025]采用FIR高通滤波对声音信号进行预加重；所述预加重结果表示为：y(n)＝x(n)
‑
αx(n
‑
1)；α为预加重系数，0＜α＜1；x(n)为声音信号在n时刻的采样值。
[0026]进一步，所述采用改进的小波阈值去噪算法对获取的声音信号进行降噪处理，包括：
[0027]选取具有衰减性的小波基，对获取的声音信号进行小波分解；所述小波分解的层数选择与声音信号的采样频率Fs相关，若对声音信号进行P层分解，则各层数频段大小表示为：
[0028]选取小波阈值λ，经过小波分解后的小波系数w
λ
表示为：sgn()为阶跃函数；
[0029]通过引入指数函数1/exp()和参数a对阈值函数进行改进，表示为：
[0030][0031]采用阈值函数改进后的小波系数重构获得降噪后的声音信号。
[0032]进一步，所述步骤S2中，对获取的图像信号进行降噪处理、亮度增强和直方图均衡化处理，包括：
[0033]采用高斯滤波法对图像信号中的像素点进行采集，将其作为数组运算，将每个像素点乘以不同的权重再与周围的像素点相加后取平均值，进行图像降噪处理；
[0034]采用图像增强算法将三通道图像中的绿色通道取反后与其他通道的像素值相乘获得新的图像层，再将原图像与新的图像层进行一次滤色混合，实现图像亮度增强；
[0035]采用直方图均衡化处理方法对原始的像素灰度进行函数变换，将像素中灰度值分别计数，算出每个灰度值对应的概率，完成新的灰度值映射。
[0036]进一步，所述步骤S3中，采用听觉外周模型对处理后的声音信号进行听觉特征提取，包括：
[0037]构建包括中耳滤波器、外毛细胞模型、基底膜模型和内毛细胞模型的多特征频率的听觉外周模型；
[0038]将处理后的声音信号输入至所述听觉外周模型，通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合听觉和视觉特征的供热管网状态监测方法，其特征在于，所述供热管网状态监测方法包括：步骤S1、获取供热管网不同运行状态下的声音信号和图像信号；步骤S2、对获取的声音信号进行降噪处理、分帧加窗、幅值规整和信号预加重处理；对获取的图像信号进行降噪处理、亮度增强和直方图均衡化处理；步骤S3、采用听觉外周模型对处理后的声音信号进行听觉特征提取；对处理后的图像信号进行视觉特征提取，包括颜色特征提取和纹理特征提取；步骤S4、对特征提取后的声音信号和图像信号进行降维处理；步骤S5、将降维处理后的听觉特征和视觉特征进行融合后，输入至机器学习算法中进行训练获得供热管网状态监测结果。2.根据权利要求1所述的供热管网状态监测方法，其特征在于，所述步骤S1中，获取供热管网不同运行状态下的声音信号和图像信号，包括：真实声音信号和图像信号获取：通过在待监测的供热管网附近设置多个声音采集装置和图像采集装置，分别获取供热管网处于正常状态和泄漏、裂缝、破损、堵塞状态下的声音信号和图像信号，并记录采集的声音信号、图像信号与待监测供热管网正常状态、泄漏、裂缝、破损、堵塞状态的对应关系；模拟声音信号和图像信号获取：构建待监测供热管网数字孪生模型，通过该数字孪生模型仿真模拟供热管网正常状态和泄漏、裂缝、破损、堵塞状态，获取对应状态下的模拟声音信号和模拟图像信号；其中，所述构建待监测供热管网数字孪生模型，包括：接收待监测的供热管网物理实体数据，并对接收的物理实体数据进行实体确定和各实体之间的关联关系确定后，再确定实体中所包括的属性数据；所述供热管网的物理实体至少包括多个供热管道和管道附件；所述属性数据包括实体的数据特征集合；对属性数据进行处理，统计每一数据特征的原始分布和分布参数，并对数据特征进行调整后输入至机器学习模型中进行训练，获得数字孪生模型参数；根据所述数字孪生模型参数提取出静态常量数据和动态变量数据，根据所述静态常量数据和动态变量数据构建初始数字孪生模型；将预设输入源输入至所述初始数字孪生模型获得对应的预测输出，判断预测输出与实际输出的出入是否大于预设阈值，若大于预设阈值，则该数字孪生模型不满足预设条件，重新调整数字孪生模型参数；否则该数字孪生模型满足预设条件。3.根据权利要求1所述的供热管网状态监测方法，其特征在于，所述步骤S2中，对获取的声音信号进行降噪处理、分帧加窗、幅值规整和信号预加重处理，包括：采用改进的小波阈值去噪算法对获取的声音信号进行降噪处理；选取窗函数对声音信号进行分帧加窗处理；所述窗函数至少包括矩形窗和汉宁窗；选取幅值规整方法对声音信号进行相应规整处理；所述幅值规整方法至少包括归一化法、极差变换法和标准样本变换法；采用FIR高通滤波对声音信号进行预加重；所述预加重结果表示为：y(n)＝x(n)
‑
αx(n
‑
1)；α为预加重系数，0＜α＜1；x(n)为声音信号在n时刻的采样值。4.根据权利要求3所述的供热管网状态监测方法，其特征在于，所述采用改进的小波阈
值去噪算法对获取的声音信号进行降噪处理，包括：选取具有衰减性的小波基，对获取的声音信号进行小波分解；所述小波分解的层数选择与声音信号的采样频率Fs相关，若对声音信号进行P层分解，则各层数频段大小表示为：选取小波阈值λ，经过小波分解后的小波系数w
λ
表示为：sgn()为阶跃函数；通过引入指数函数1/exp()和参数a对阈值函数进行改进，表示为：采用阈值函数改进后的小波系数重构获得降噪后的声音信号。5.根据权利要求1所述的供热管网状态监测方法，其特征在于，所述步骤S2中，对获取的图像信号进行降噪处理、亮度增强和直方图均衡化处理，包括：采用高斯滤波法对图像信号中的像素点进行采集，将其作为数组运算，将每个像素点乘以不同的权重再与周围的像素点相加后取平均值，进行图像降噪处理；采用图像增强算法将三通道图像中的绿色通道取反后与其他通道的像素值相乘获得新的图像层，再将原图像与新的图像层进行一次滤色混合，实现图像亮度增强；采用直方图均衡化处理方法对原始的像素灰度进行函数变换，将像素中灰度值分别计数，算出每个灰度值对应的概率，完成新的灰度值映射。6.根据权利要求1所述的供热管网状态监测方法，其特征在于，所述步骤S3中，采用听觉外周模型对处理后的声音信号进行听觉特征提取，包括：构建包括中耳滤波器、外毛细胞模型、基底膜模型和内毛细胞模型的多特征频率的听觉外周模型；将处理后的声音信号输入至所述听觉外周模型，通过中耳滤波器对声音信号中不同频率成分滤波，再通过基底膜模型选频、外毛细胞模型放大和内毛细胞模型换能后，生成内毛细胞电压信号，进行多个特征频率听觉信号的提取，构成听觉谱特征，并提取多类统计特征组成特征向量；其中，所述多类统计特征包括：听觉谱能量x
i
(k)为第i个特征频率对应的听觉信号，N为第i个听觉信号采样点数；听觉谱能量熵
听觉谱能量矩f
s
为声音信号采样频率；听觉谱功率熵听觉谱功率熵X
i
(w)为对各特征频率的听觉信号进行傅里叶变换获得；听觉谱偏度Skewness
i
＝E(x
i
‑
μ)3/σ3；μ、σ分别为听觉信号的均值和准差；听觉谱峭度Kurtosis
i
＝E(x
i
‑
μ)4/σ4；听觉谱奇异值分解：A＝USV
T
；U、V
T
分别为M
×

【专利技术属性】
技术研发人员：穆佩红，金鹤峰，裘天阅，
申请(专利权)人：浙江英集动力科技有限公司，
类型：发明
国别省市：