一种基于多分类G-WLSTSVM模型的流体管道泄漏识别方法技术

本发明专利技术属于管道泄漏识别技术领域，具体涉及一种基于多分类G

【技术实现步骤摘要】
一种基于多分类G
‑
WLSTSVM模型的流体管道泄漏识别方法


[0001]本专利技术属于管道泄漏识别
，具体涉及一种基于多分类G
‑
WLSTSVM模型的流体管道泄漏识别方法。

技术介绍

[0002]管道是石油、天然气等资源运输和配送使用最广泛的基础设施之一。然而，管道因老化、腐蚀、焊缝缺陷、环境因素和外力干扰等因素而损坏，使得管道泄漏事件时有发生，易造成财政消耗、环境污染和公共健康风险。同时，不同的泄漏工况形成的泄漏规模会造成不同程度的危害，这影响抢修措施的制定。因此，流体管道泄漏识别的研究具有重大实际意义。
[0003]不同管道泄漏工况识别的本质实际是通过分析泄漏信号而实现多种泄漏工况的分类。它的实现主要是通过对采集的管道泄漏信号提取特征量，构建数据集并由分类模型进行分类和识别。其中，分类模型的性能直接决定管道泄漏工况的识别性能。当前的研究重点是寻找分类精度高和计算效率较高的分类算法，最大可能地提高管道泄漏工况的识别精度。中国专利CN110659482A公开了一种基于GAPSO
‑...

【技术保护点】

【技术特征摘要】
1.一种基于多分类G
‑
WLSTSVM模型的流体管道泄漏识别方法，其特征在于，包括：S1：采集供水管道无泄漏、小泄漏、中度泄漏和严重泄漏四种工况下的管道振动信号；S2：提取管道振动信号中的特征值，构建管道泄漏识别的数据集，并对数据集中的所有数据样本在区间[0，1]上做归一化处理；S3：对归一化后的样本数据按照3：1的比例划分训练集和测试集；S4：利用GMM模型确定训练集中各工况下的数据样本的权值，根据各工况下的数据样本的权值构建各个工况下的权重矩阵；S5：利用正则项和权重矩阵改进非线性LSTSVM模型，得到非线性G
‑
WLSTSVM模型，并根据“一对一”策略将非线性G
‑
WLSTSVM作为子分类器，构建用于管道工况识别的多分类G
‑
WLSTSVM模型；S6：将训练集中的数据样本输入多分类G
‑
WLSTSVM模型，进行模型的训练；S7：将测试集中的数据样本输入训练完成后的多分类G
‑
WLSTSVM模型，检测模型的识别准确率，得到最优的多分类G
‑
WLSTSVM模型；S8：将待检测的数据输入最优的多分类G
‑
WLSTSVM模型，得到管道的泄漏情况。2.根据权利要求1所述的一种基于多分类G
‑
WLSTSVM模型的流体管道泄漏识别方法，其特征在于，利用GMM模型确定训练集中各工况下的数据样本的权值，表示为：其中，表示第i个样本数据x在第j个分模型下的权值，z
j
表示第j个高斯分模型的权重，∑
j
表示协方差矩阵的标准正态分布，x
i
表示第i个样本数据，μ
j
表示均值，m表示样本数据总数，k表示GMM中分模型的个数，φ()表示高斯分布密度。3.根据权利要求1所述的一种基于多分类G
‑
WLSTSVM模型的流体管道泄漏识别方法，其特征在于，利用正则项和权重矩阵改进LSTSVM模型，得到非线性G
‑
WLSTSVM模型，表示为：受限制于W
+
[K(A,C
T
)u1+e1b1]＝δW
‑
{[K(B,C
T
)u1+e2b1]+e2}＝ξ受限制于W
‑
[K(B,C
T
)u2+e2b2]＝δ
*
W
+
{e1‑
[K(A,C
T
)u2+e1b2]}＝η其中，C表示正负类数据样本的组合矩阵，T表示转置操作，A表示正类的数据样本组成的矩阵，B表示...

【专利技术属性】
技术研发人员：李帅永，蔡梦嵌，代正栩，张超，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：