[发明专利]基于声音信号的天然气管道微泄漏检测方法

权利要求书

1.一种基于声音信号的天然气管道微泄漏检测方法，其特征在于，包括 如下步骤：

S1：采集天然气管道微泄漏时的声音信号以及温度、压力、流量信号；

S2：对声音信号进行特征提取和去噪的预处理；

S3：设计一个深度受限玻尔兹曼机模型，对步骤S2预处理后的声音信号 以及步骤S1采集到的温度、压力、流量信号的进行预训练，获得最优权值矩 阵和最优偏置值，作为深度卷积神经网络模型的权重初始值和偏置值初始值；

S4：将步骤S3得到的最优权值矩阵和最优偏置值作为权重初始值和偏置 值初始值，建立四层深度卷积神经网络模型，并利用该模型对天然气管道的微 泄漏状况进行监测，其中，所述四层深度卷积神经网络模型包括一个输入层、 两个隐藏层和一个输出层，输入层所输入的主信号为预处理后的声音信号，次 信号为温度、压力和流量信号，输出层所输出的信号为天然气管道微泄漏概率， 每个隐藏层均由卷积和下采样函数组成。

2.根据权利要求1所述的基于声音信号的天然气管道微泄漏检测方法， 其特征在于，步骤S4中具体包括如下步骤：

S41：取每个采样点预处理后的声音信号和对应的温度、压力、流量信号 构成输入向量组；

S42：对输入数据进行卷积计算，得到式中，为 第l层隐藏层第j个单元的输出值，f为激活函数，为第l层隐藏层第j个单 元的偏置值，为第l-1层隐藏层第i个单元的输出值，为第l-1层隐藏层 第i个单元的输出值到第l层隐藏层第j个单元的输出值之间的连接权值；

S43：设计基于窗口边界大小的下采样函数：对局部进 行均值化，降低第二个隐藏层的输入量，式中，N为窗宽；

S44：设计输出函数的运算函数，输出管道微泄漏事故发生的概率。

3.根据权利要求2所述的基于声音信号的天然气管道微泄漏检测方法， 其特征在于，在每个隐藏层的输入端引入Dropout以降低数据的过拟合，即， 在训练过程中将隐藏层节点的输出层以概率P清零，利用反向传播算法更新权 值。

4.根据权利要求1所述的基于声音信号的天然气管道微泄漏检测方法， 其特征在于，步骤S3中采用了Gibbs采样。

5.根据权利要求1所述的基于声音信号的天然气管道微泄漏检测方法， 其特征在于，步骤S2中对声音信号进行预处理的具体步骤包括：

S21：将采集到的声音信号进行离散傅里叶变换，转化为浮点型数值数据；

S22：对转化后的声音信号进行加窗处理，转化到Melfilter域上；

S23：进行离散余弦变换提取特征参数式 中，m_k为步骤S22转化所得的梅尔滤波系数，q为滤波器阶数，k＝1,2,…q。

S24：采用倒谱均值归一化算法进行去噪，即：E(t)＝c(t)-m(t)，式中，E(t) 为深度卷积神经网络的声音信号输入变量，倒谱均值 μ为每次计算的更新步长，N为窗宽，且满足 1-μN=12.]]>

6.根据权利要求2所述的基于声音信号的天然气管道微泄漏检测方法， 其特征在于，步骤S42中选取sigmoid函数作为激活函数。