本发明专利技术公开了一种分支管道泄漏的检测方法及装置，涉及一种检测技术领域，主要目的在于解决现有分支管道泄漏的检测准确性差的问题。包括：采集位于油气管道两端的声发射信号以及压力信号，所述油气管道两端之间包括至少一个分支管道；按照预设时间间隔对所述声发射信号以及所述压力信号进行短时帧时序对齐，得到声压时序信号；基于已完成模型训练的管道泄漏分类模型对所述声压时序信号进行分类检测，得到管道检测结果，所述管道泄漏分类模型中包括基于交叉注意力机制进行特征信息融合的编码层。码层。码层。
【技术实现步骤摘要】
油气分支管道泄漏的检测方法及装置
[0001]本专利技术涉及一种检测
，特别是涉及一种分支管道泄漏的检测方法及装置
。
技术介绍
[0002]管道运输以安全可靠，经济实用的特点在油气运输中被广泛应用
。
其中，由于管道现场环境复杂，带有分支的管道更常见，所以分支管道泄漏检测一直以来都是研究热点
。
[0003]目前，现有针对油气分支管道泄漏的检测通常是采集单一信号并结合神经网络以及深度学习等模型算法进行分类预测
。
但是，由于管道现场复杂多样，单独使用一种信号很难保证提取的泄漏信号的完整性，并且都存在一个共性，只考虑了直管段，没有考虑分支管道出现泄漏的情况，因此，亟需一种分支管道泄漏的检测方法来解决上述问题
。
技术实现思路
[0004]有鉴于此，本专利技术提供一种分支管道泄漏的检测方法及装置，主要目的在于解决现有分支管道泄漏的检测准确性差的问题
。
[0005]依据本专利技术一个方面，提供了一种分支管道泄漏的检测方法，包括：
[0006]采集位于油气管道两端的声发射信号以及压力信号，所述油气管道两端之间包括至少一个分支管道；
[0007]对所述声发射信号以及所述压力信号进行模态分解，得到降噪的所述声发射信号以及压力信号；
[0008]基于已完成模型训练的管道泄漏分类模型对所述声发射信号以及所述压力信号进行分类检测，得到管道检测结果，所述管道泄漏分类模型中包括基于交叉注意力机制进行特征信息融合的编码层
。
[0009]进一步地，所述采集位于油气管道两端的声发射信号以及压力信号之前，所述方法还包括：
[0010]获取管道泄漏样本数据集，并基于编码器构建初始管道泄漏分类模型，所述编码器中包括携带有压力类令牌以及声音类令牌的位置编码层
、
以及交叉融合编码层
、
融合决策层；
[0011]基于所述管道泄漏样本数据集对所述初始管道泄漏分类模型进行模型训练，得到管道泄漏分类模型
。
[0012]进一步地，所述基于所述管道泄漏样本数据集对所述初始管道泄漏分类模型进行模型训练，得到管道泄漏分类模型包括：
[0013]基于所述管道泄漏样本数据集中已降噪后的声音时序信号以及压力时序信号经过所述初始管道泄漏分类模型中的全连接层提取局部特征后添加压力类令牌以及声音类令牌，并对所述局部特征在位置编码层进行位置编码，得到压力包令牌序列以及声音包令牌序列；
[0014]基于所述交叉融合编码层中的声音编码器获取声音时序特征，以及所述交叉融合编码层中的压力编码器获取压力时序特征；
[0015]将所述压力包令牌序列与所述声音时序特征进行特征交换，并通过交叉注意力机制进行特征交互融合，得到融合后的声音特征；
[0016]将所述声音包令牌序列与所述压力时序特征进行特征交换，并通过交叉注意力机制进行特征交互融合，得到融合后的压力特征；
[0017]在所述融合决策层对于所述压力特征
、
所述声音特征进行泄漏类别概率的融合转换，并在得到概率类别匹配模型训练需求时，确定完成对所述管道泄漏分类模型的模型训练
。
[0018]进一步地，所述对所述声发射信号以及所述压力信号进行模态分解，得到降噪的所述声发射信号以及压力信号包括：
[0019]对所述声发射信号以及所述压力信号进行互补集合经验模态分解，得到声分量以及压分量，并基于所述声分量以及所述压分量确定高相关分量；
[0020]筛选匹配分类类型的声分量以及压分量，并对所述声分量以及所述压分量进行滤波降噪，得到降噪后的所述声分量以及所述压分量；
[0021]对所述高相关分量以及降噪后的所述声分量以及所述压分量进行信号重构，得到降噪后的所述声发射信号以及所述压力信号
。
[0022]进一步地，所述基于已完成模型训练的管道泄漏分类模型对所述声发射信号以及所述压力信号进行分类检测，得到管道检测结果之后，所述方法还包括：
[0023]若所述管道检测结果为管道泄漏，则确定所述声发射信号以及所述压力信号的衰减趋势，并按照分支管道分布映射关系确定与所述衰减趋势对应的泄漏定位区间
。
[0024]依据本专利技术另一个方面，提供了一种分支管道泄漏的检测装置，包括：
[0025]采集模块，用于采集位于油气管道两端的声发射信号以及压力信号，所述油气管道两端之间包括至少一个分支管道；
[0026]降噪模块，用于对所述声发射信号以及所述压力信号进行模态分解，得到降噪的所述声发射信号以及压力信号；
[0027]检测模块，用于基于已完成模型训练的管道泄漏分类模型对所述声发射信号以及所述压力信号进行分类检测，得到管道检测结果，所述管道泄漏分类模型中包括基于交叉注意力机制进行特征信息融合的编码层
。
[0028]进一步地，所述装置还包括：
[0029]获取模块，用于获取管道泄漏样本数据集，并基于编码器构建初始管道泄漏分类模型，所述编码器中包括携带有压力类令牌以及声音类令牌的位置编码层
、
以及交叉融合编码层
、
融合决策层；
[0030]训练模块，用于基于所述管道泄漏样本数据集对所述初始管道泄漏分类模型进行模型训练，得到管道泄漏分类模型
。
[0031]进一步地，所述训练模块，具体用于基于所述管道泄漏样本数据集中已降噪后的声音时序信号以及压力时序信号经过所述初始管道泄漏分类模型中的全连接层提取局部特征后添加压力类令牌以及声音类令牌，并对所述局部特征在位置编码层进行位置编码，得到压力包令牌序列以及声音包令牌序列；基于所述交叉融合编码层中的声音编码器获取
声音时序特征，以及所述交叉融合编码层中的压力编码器获取压力时序特征；将所述压力包令牌序列与所述声音时序特征进行特征交换，并通过交叉注意力机制进行特征交互融合，得到融合后的声音特征；将所述声音包令牌序列与所述压力时序特征进行特征交换，并通过交叉注意力机制进行特征交互融合，得到融合后的压力特征；在所述融合决策层对于所述压力特征
、
所述声音特征进行泄漏类别概率的融合转换，并在得到概率类别匹配模型训练需求时，确定完成对所述管道泄漏分类模型的模型训练
。
[0032]进一步地，所述降噪模块，具体用于对所述声发射信号以及所述压力信号进行互补集合经验模态分解，得到声分量以及压分量，并基于所述声分量以及所述压分量确定高相关分量；筛选匹配分类类型的声分量以及压分量，并对所述声分量以及所述压分量进行滤波降噪，得到降噪后的所述声分量以及所述压分量；对所述高相关分量以及降噪后的所述声分量以及所述压分量进行信号重构，得到降噪后的所述声发射信号以及所述压力信号
。
[0033]进一步地，所述装置还包括：
[0034]确定模块，用于若所述管道检测结果为管道泄漏，则确定所述声发射信本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种分支管道泄漏的检测方法，其特征在于，包括：采集位于油气管道两端的声发射信号以及压力信号，所述油气管道两端之间包括至少一个分支管道；对所述声发射信号以及所述压力信号进行模态分解，得到降噪的所述声发射信号以及压力信号；基于已完成模型训练的管道泄漏分类模型对所述声发射信号以及所述压力信号进行分类检测，得到管道检测结果，所述管道泄漏分类模型中包括基于交叉注意力机制进行特征信息融合的编码层
。2.
根据权利要求所述1的方法，其特征在于，所述采集位于油气管道两端的声发射信号以及压力信号之前，所述方法还包括：获取管道泄漏样本数据集，并基于编码器构建初始管道泄漏分类模型，所述编码器中包括携带有压力类令牌以及声音类令牌的位置编码层
、
以及交叉融合编码层
、
融合决策层；基于所述管道泄漏样本数据集对所述初始管道泄漏分类模型进行模型训练，得到管道泄漏分类模型
。3.
根据权利要求所述2的方法，其特征在于，所述基于所述管道泄漏样本数据集对所述初始管道泄漏分类模型进行模型训练，得到管道泄漏分类模型包括：基于所述管道泄漏样本数据集中已降噪后的声音时序信号以及压力时序信号经过所述初始管道泄漏分类模型中的全连接层提取局部特征后添加压力类令牌以及声音类令牌，并对所述局部特征在位置编码层进行位置编码，得到压力包令牌序列以及声音包令牌序列；基于所述交叉融合编码层中的声音编码器获取声音时序特征，以及所述交叉融合编码层中的压力编码器获取压力时序特征；将所述压力包令牌序列与所述声音时序特征进行特征交换，并通过交叉注意力机制进行特征交互融合，得到融合后的声音特征；将所述声音包令牌序列与所述压力时序特征进行特征交换，并通过交叉注意力机制进行特征交互融合，得到融合后的压力特征；在所述融合决策层对于所述压力特征
、
所述声音特征进行泄漏类别概率的融合转换，并在得到概率类别匹配模型训练需求时，确定完成对所述管道泄漏分类模型的模型训练
。4.
根据权利要求所述3的方法，其特征在于，所述对...
【专利技术属性】
技术研发人员：郎宪明，隋东冶，王春雨，杨帅奇，曹江涛，柳强，
申请(专利权)人：辽宁石油化工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。