[发明专利]基于压力波模式识别的管网故障诊断与定位方法及系统

权利要求书

1.一种基于压力波模式识别的管网故障诊断与定位方法，其特征在于，包括：

信息采集；

信息预处理；

根据预处理的信息进行故障特征参数提取；

根据故障特征参数进行故障诊断；

对故障进行定位；以及

根据故障诊断和定位发送故障信息。

2.如权利要求1所述的管网故障诊断与定位方法，其特征在于，

所述信息采集的方法包括：

通过设置在被诊断管网系统管网上的压力波采集器采集管内的瞬态压力波信号。

3.如权利要求2所述的管网故障诊断与定位方法，其特征在于，

所述信息预处理的方法包括：

将采集的瞬态压力波信号进行信号消噪处理、信号滤波处理、时间序列对齐，并且将采集的瞬态压力波信号进行存储，以形成历史数据库加实时数据的全局数据库。

4.如权利要求3所述的管网故障诊断与定位方法，其特征在于，

所述根据预处理的信息进行故障特征参数提取的方法包括：

通过小波变换，对瞬态压力波变化信号进行多层小波分解，采用启发式的小波阈值法剔除信号中的干扰噪声，从降噪信号中提取时频域内对泄漏敏感的故障特征参数，即

将小波母函数ψ(t)进行伸缩和平移，得到函数ψ_a,τ(t)：

式中，a为伸缩因子；τ为平移因子；ψ_a,τ(t)为依赖于参数a和τ的小波基函数；

函数f(t)连续小波变换CWT，其表达式为：

将含噪信号进行离散二进制小波变换，在n层尺度上分别采用不同阈值方法去噪，并重构出波形，则信号的重构方法为：

其中，l，k＝1,2,…N，l、k为时间序列号，N为最大时间序列号；j表示层数；

h，g分别为小波低通滤波器和带通滤波器系数；

为在对应尺度内的低频部分的小波系数；

通过统计指标适于反映管网泄漏特征，则各故障特征参数的计算方法包括：

峰值：X_amax＝max{|x_i|}；

平均幅值：

方差：

方根幅值：

峭度：

能量比：

其中，x_i(i＝1,2,...,N)表示重构信号各离散点的值。

5.如权利要求4所述的管网故障诊断与定位方法，其特征在于，

所述根据故障特征参数进行故障诊断的方法包括：

根据启发式寻优算法和BP神经网络，构建管网故障特征参数的寻优与神经网络融合结构，完成传感器节点对故障的初始识别，即

构建故障的波形特征与故障类型之间的对应关系，即诊断矩阵；通过权重矩阵表格描述每种特征对构成相应故障类型的影响因子；采用机器学习算法训练获取故障特征向量，与诊断矩阵进行模式识别与匹配，确定瞬态压力故障类型；

在诊断之前，利用全局数据库中的数据进行权重值的初始化；

将提取的故障特征参数作为输入层，通过训练样本数据对网络进行训练，根据误差结果反向调整各神经元之间的连接权值和阈值，直至达到训练进度；

神经网络输出层神经元数为m个，理想输出向量为T_out，T_out＝(0,0…1)，ρ_i∈[0,1]；

经神经网络训练输出后，管网采集的所有数据信息被转换成适于故障诊断的特征向量：

T_out＝[ρ₁,ρ₂,ρ₃,...ρ_i,...ρ_m]；

其中，ρ_i表示特征向量，0表示数据信息中不存在该特征向量，1表示存在该特征向量。