一种噪音计智能检测方法技术

本发明专利技术公开了一种噪音计智能检测方法。本发明专利技术中的噪音计通过抽取音频信号计算得到的多个特征，包括时域标准差、峰值因子和过零率；之后建立泄漏检测模型，并依据Accuracy和F1分数要求对模型进行训练及验证；最后通过泄漏检测模型进行泄漏判别，从而前端硬件实现低功耗的智能检测。相比于目前大多数机器学习模型及深度学习模型的检漏算法，本发明专利技术的检漏算法简单实用，更符合前端噪音计的算力和功耗要求。更符合前端噪音计的算力和功耗要求。更符合前端噪音计的算力和功耗要求。

【技术实现步骤摘要】
一种噪音计智能检测方法


本专利技术属于供水管道泄漏检测领域，具体涉及一种噪音计智能检测方法。

技术介绍

声学检漏通过在管壁的噪音计(Noise logger)或管内的水听器(Hydrophone)监测管道噪声，对比正常水流噪声来判断管道泄漏，是较为有效的供水管网探漏方法，其中的噪音计是非侵入式设备，装拆、移动便捷，可以固定或者流动式部署在消防栓、地下水管阀门或外露管道上，在城市供水管网检漏中应用广泛[1]。为了减少环境噪声的干扰，并降低自身功耗，市售噪音计通常采取传统夜间监测方式，例如从凌晨2点开始，每隔30秒采集一组，采集n组计算平均强度，通过绝对监测指标MI(或相对监测指标MIE)阈值进行检测识别[2]。尽管众多学者对噪音计音频信号进行了深入研究，抽取的信号特征包括时域的峰值、平均值、均方根、标准差、峰值因子和能量，频域的频域峰值、平均幅值、幅值标准差、频率质心，通过多种机器学习甚至深度学习算法，提高了识别准确率[3][4]。但是噪音计受算力和功耗限制，复杂计算或上传大量数据并不可行。因此，上述技术方法在实际应用中遇到前端硬件条件限制。目前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种噪音计智能检测方法，其特征在于该方法包括以下步骤：步骤1开启噪音计，进行全天检测，收集样本；在供水管网片区间隔布置足量噪音计，保留噪音计夜间采集模式，其它时间段每隔一小时定时采集1～6组音频信号；计算每组信号的时域标准差、峰值因子和过零率，上传云端SCADA数据库；步骤2对所收集样本进行标识；利用噪音计夜间监测模式检出的泄漏事件及修复记录，给漏点修复前后的音频信号样本打上泄漏与否标签；步骤3训练泄漏检测模型；针对SCADA数据库收集到正常和泄漏样本，随机划分训练集和测试集；选择适合前端噪音计运算的机器学习模型，进行模型训练和测试，直到机器学习模型符合准确率Accuracy和F1分数要求，形成泄漏检测模型；步骤4泄漏检测模型下传至噪音计，前端实行智能监测；将泄漏检测模型下传至噪音计；噪音计在全天检取信号的同时，开启智能监测：对于定期采集的音频信号，计算其时域标准差、峰值因子和过零率，输入泄漏检测模型，得到检测结果，上报云端。2.根据权利要求1所述的一种噪音计智能检测方法，其特征在于：步骤1中，在供水管网高危区域布置噪音计，便于在短期内收集到足量泄漏样本。3.根据权利要求1所述的一种噪音计智能检测方法，其特征在于：步骤1中，音频信号时长为2s～3s，采样频率不低于3kHz。4.根据权利要求1所述的一种噪音计智能检测方法，其特征在于：步骤3中，机器学习模型经训练后，在测试集上进行预测，计算其准确率Accuracy和F1分数；若机器...

【专利技术属性】
技术研发人员：彭浩，严佳杰，赵叶华，王海涛，陈晖，徐哲，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：