[发明专利]一种管道泄漏检测方法

权利要求书

1.一种管道泄漏检测方法，其特征在于，包含以下步骤：

对泄漏情况已知的管道中的各监测点采集应力波信号，提取特征值，构建训练样本，得到样本特征值；

对所述样本特征值，通过主成分分析的方法，进行降维处理，得到降维样本特征值和降维矩阵；

将所述降维样本特征值作为支持向量机分类器的输入信号，根据各监测点实际泄漏情况，得到对泄漏情况判断的支持向量机最优分类面函数；

将所述样本特征值作为神经网络回归器的输入信号，根据泄漏点实际位置，得到对泄漏点位置计算的神经网络模型、泄漏点模型位置；

根据已知的泄漏点实际位置，采用Adagrad方法，对所述泄漏点模型位置进行优化，得到对泄漏点位置优化的优化模型；

所述特征值包含：所述应力波信号的峰值、平均幅值、方差、方均根、方根幅值、无量纲波形指标、峰值因子、脉冲因子、裕度因子、峭度、峭度因子。

2.如权利要求1所述的管道泄漏检测方法，其特征在于，所述支持向量机分类器的核函数为多项式内积函数、径向基函数、S型内积函数。

3.如权利要求1所述的管道泄漏检测方法，其特征在于，所述神经网络模型采用三层人工神经网络，激活函数为Relu函数。

4.如权利要求1所述的管道泄漏检测方法，其特征在于，所述神经网络模型采用标准BP算法、自适应调整学习速率BP算法、动量改进BP算法、共轭梯度法、高斯牛顿法、LevenbergMarquardt法。

5.如权利要求1所述的管道泄漏检测方法，其特征在于，对泄漏情况已知的管道中的各监测点采集应力波信号的采集频率为0.1Hz。

6.如权利要求1所述的管道泄漏检测方法，其特征在于，所述对样本特征值，通过主成分分析的方法，进行降维处理，得到降维样本特征值和降维矩阵，并将所述降维样本特征值作为所述支持向量机分类器的输入信号的步骤，进一步包含：

对所述样本特征值进行标准化预处理，得到标准化样本特征值；

从所述标准化样本特征值中筛选出降维空间数据，并按照方差贡献率降序排序，得到所述降维样本特征值；

根据所述降维样本特征值是所述降维矩阵与所述标准化样本特征值线性乘积，计算得到所述降维矩阵。

7.如权利要求1所述的管道泄漏检测方法，其特征在于，降维后与降维前的维度比例为0.75。