[发明专利]一种基于S变换/WGAN解决输卤管道泄漏数据不平衡的算法

说明书

本发明涉及输卤管道检测技术领域，公开了一种基于S变换/WGAN解决输卤管道泄漏数据不平衡的算法，包括1)从输卤管道的历史数据集X中选取故障数据集Z；2)通过S变换将步骤1)中故障数据集Z变为时‑频‑模三维的图片；3)将步骤2)中泄漏点图片放到WGAN模型中进行迭代训练，生成新的泄漏点样本z'；4)将步骤3)中泄漏点样本z'加入到原始的历史数据集X，形成新的数据集Y。与现有技术相比，本发明通过S变换能充分的了解到输卤管道某一时刻数据时‑频‑模三维的特征，利用WGAN网络可以解决在采集到的数据集不平衡时训练出有效的输卤管道泄漏判别模型。

技术领域

本发明涉及输卤管道检测技术领域，特别涉及一种基于S变换/WGAN解决输卤管道泄漏数据不平衡的算法。

背景技术

输卤管道随着管道使用的年限增长，管道泄漏的事故不断增多而其泄漏不仅对环境造成严重污染，还会给企业带来巨大的经济损失。因此，对管道进行实时监测，及时的确定故障的发生并精确定位泄漏点具有重要的研究意义。

对于输卤管道系统，大多数时候它是正常运行的，这意味着故障数据远少于正常数据。故障数据和正常数据的不平衡直接导致基于神经网络的方法难以分类。基于S变换/WGAN的检测方法可以解决输卤管道泄漏数据不平衡，保证之后模型预测的准确性。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种输卤管道泄漏检测的智能算法，可以解决在采集到的数据集不平衡时训练出有效的输卤管道泄漏判别模型。

技术方案：本发明提供了一种基于S变换/WGAN解决输卤管道泄漏数据不平衡的算法，包括以下步骤：

Step1：从输卤管道的历史数据集X中选取故障数据集Z；

Step2：通过S变换将Step1中故障数据集Z变为时-频-模三维的泄漏点图片；

Step3：将Step2中泄漏点图片放到WGAN模型中进行迭代训练，生成新的泄漏点样本z'；

Step4：将Step3中泄漏点样本z'加入到原始的历史数据集X，形成新的数据集Y。

进一步地，所述Step2中S变换的离散形式如下所示：

其中，N为信号的采样总点数，T为采样周期，X[kT](k＝0,1,2…N-1)为采样后的信号，n为第n个点的序号，m为向左平移的频率点，j为虚数单位。

进一步地，所述Step2中S变换的具体步骤如下：

Step1.1：采集输卤管道内壁的压力信号X[kT]；

Step1.2：对压力信号X[kT]进行快速傅里叶变换，得到

Step1.3：n＝0时，转到Step1.4，执行Step1.4与Step1.5；n不为0时，对于给定的频率点n，计算高斯窗函数的FFT：

(j→m,m为频率点)，并转Step1.6；

Step1.4：根据n＝0的公式计算给定时间点k对应的时间序列的S变换S[kt,0](k＝0,1,2,…,N-1表示时间采样点)；

Step1.5：令k＝k+1，重复Step1.4，直至完成所有点的S变换，并结束S变换；

Step1.6：将Step2.2中的向左平移m个频率点得到频谱函数

Step1.7：对进行傅里叶变换后的高斯窗函数和平移后的频谱函数进行卷积，得到再进行反傅里叶变换，即可得到频率点n对应的S变换谱