[发明专利]基于AlexNet网络的长输油气管线沿线施工扰动及泄漏识别方法

权利要求书

1.一种基于AlexNet网络的长输油气管线沿线施工扰动及泄漏识别方法，其特征在于，包括以下步骤：

S1、采集长输油气管线沿线人工挖掘时的施工扰动信号、机器挖掘时的施工扰动信号、管道泄漏信号、环境背景噪音信号和土壤振动信号，建立现场信号数据库，并通过分析相关特点搭建实验室模拟场，模拟油气管道在不同工况下的状态，采集实验室模拟场的实验数据，建立实验室信号数据库；

S2、将现场信号数据库和实验室信号数据库中的信号进行信号处理，得到时域图和频域图；

S3、搭建AlexNet网络，将步骤S2得到的时域图和频域图进行划分，划分为训练集和测试集，使用训练集训练AlexNet网络，使用测试集测试AlexNet网络的识别率，得到每一类工况的识别率，保存识别结果；

S4、根据AlexNet网络的识别率的测试结果，调整AlexNet网络的参数，优化AlexNet网络，再利用优化后的AlexNet网络进行长输油气管线沿线施工扰动及泄漏的识别，并将结果上传至上位机进行进行保存和图像显示。

2.根据权利要求1所述的基于AlexNet网络的长输油气管线沿线施工扰动及泄漏识别方法，其特征在于，步骤S1中信号采集采用基于Φ-OTDR技术的传感方法进行采集，油气运输管道同沟敷设传感光缆，油气运输管道受到外力时，施加的外力与土壤进行接触会产生振动信号，该振动信号沿土壤传播，被分布式微振动光纤传感器采集，再通过中继放大器放大，传输至传感光缆，传感光缆受到外界信号扰动，并通过引导光缆传输至光线振动信号检测装置：

S11、改变泄漏点直径、气液流量、泄漏点周向位置，采集此时的土壤振动信号，并分析上述瞬态操作导致的流量、压力变化规律与泄漏造成的不同；利用风压机对管道内空气进行压缩，采集此时的土壤振动信号，并持续采集管道后续破裂泄漏的信号；在具有背景噪声的环境中，进行距管道不同距离实验模拟，模拟采掘、过车操作下对管道的影响，采集此时的土壤振动信号；

S12、根据上述采集的信号搭建实验室模拟场。

3.根据权利要求1或2所述的基于AlexNet网络的长输油气管线沿线施工扰动及泄漏识别方法，其特征在于，步骤S2中的信号处理为：

S21、分帧处理：将现场信号数据库和实验室信号数据库中的信号进行分帧处理，得到时域信号；

S22、快速傅里叶变换：将时域信号通过快速傅里叶变换转化为频域信号；

S23、滤波器滤波：使用滤波器对频域信号进行滤波，滤波器是由高阻滤波器和低阻滤波器组成的通过SVM的识别方法进行性能优化的带通滤波器；

S24、将时域信号绘制成时域图，将滤波后的频域信号绘制成频域图，均进行压缩处理，作为AlexNet网络的输入。

4.根据权利要求1所述的基于AlexNet网络的长输油气管线沿线施工扰动及泄漏识别方法，其特征在于，步骤S3中AlexNet网络共有八层，其具体结构为：

第一层为卷积层，将步骤S2中的时域图和频域图作为输入，采用ReLU为激活函数，核数为96，内核尺寸为11*11,步幅为4*4，输出矩阵大小为55*55*96，经重叠池化归一输出两组27*27*96的矩阵；

第二层为卷积层，以第一层的输出作为输入，核数为256，内核尺寸为5*5，步幅为1*1，输出矩阵大小为27*27*256，经重叠池化归一输出两组13*13*256的矩阵；

第三层为卷积层，以第二层的输出作为输入，核数为384，内核尺寸为3*3，步幅为1*1，输出矩阵大小为13*13*384；

第四层为卷积层，以第三层的输出作为输入，核数为384，内核尺寸为3*3，步幅为1*1，输出矩阵大小为13*13*384的矩阵；

第五层为卷积层，以第四层的输出作为输入，核数为256，内核尺寸为3*3，步幅为1*1，输出矩阵大小为13*13*256，经重叠池化归一输出两组6*6*256的矩阵；

第六层为全连接层，以第五层的输出作为输入，滤波器尺寸为6*6*256，每个滤波器对输入数据进行卷积运算生成一个运算结果，通过一个神经元输出这个运算结果；滤波器数量为4096个，通过ReLU激活函数以及dropout运算输出4096个数据；

第七层为全连接层，以第六层的输出作为输入，第六层输出的4096个数据与第七层的4096个神经元进行全连接，然后经由ReLU和Dropout进行处理后生成4096个数据；

第八层为全连接层，以第七层的输出作为输入，第七层输入的4096个数据与第八层的1000个神经元进行全连接，经过训练后输出被训练的数值。