[发明专利]基于改进VMD和1DCNN的油气管道泄漏检测方法

权利要求书

1.一种基于改进VMD和1DCNN的油气管道泄漏检测方法，其特征在于：

步骤一、利用声波传感器采集在正常、泄漏两种工况下天然气管道中的声波信号；

步骤二、初始化变分模态分解算法VMD的参数，确定VMD模态数K，由2到N从低到高依次选取K值，N＞2，选择相关系数值最大的模态分量计算其方差值，并绘制方差的变化曲线，若在当前曲线方差没有峰值且单调递增，则继续计算K为N+1时，相关系数最大IMF的方差值，并重复以上步骤，根据方差最大原则，选取方差值最大时候的当前K值作为最佳K值；

对管道声波信号进行变分模态分解的具体分解步骤如下：

(1)采用Hilbert变换，计算每个u_k的解析函数以获得其相应的单边频谱：

(2)对每个模态u_k，通过与其对应的中心频率的指数项混叠，将每个模态u_k的频谱转移到相应基带：

(3)由解调信号的高斯平滑度和梯度平方范数来估计带宽；

(4)由上述步骤得到的约束变分问题为：

其中，u_k＝{u₁，u₂，...，u_k}为各模态函数；ω_k＝{ω₁，ω₂，…ω_k，}为各中心频率；*表示卷积；δ(t)为单位冲激函数；表示对t的偏导数，f为原始信号；

(5)通过引入拉格朗日乘子λ(t)和二次惩罚因子将约束变分问题转变为非约束变分问题，二次惩罚因子是典型的实现重构信号保真度的方法，拉格朗日乘子则用来实现精确重构；将两者结合得到拓展的拉格朗日表达式如下：

(6)采用乘法算子交替方向法解决上述变分问题，迭代优化u^k+1、ω^k+1、λ^k+1求得扩展拉格朗日表达式的鞍点，变分问题的解为：

(7)中心频率的更新方法为：

步骤三、利用VMD算法对步骤一采集的声波信号进行自适应分解，获取若干从低频到高频分布的本征模态函数IMF，并计算VMD分解后各个IMFS的方差值，选取其中方差最大的IMF作为有效本征模态函数；

步骤四、通过优化网络结构和超参数构建一维卷积神经网络1DCNN管道泄漏检测模型；

步骤五、将步骤三预处理后的声波信号构建训练样本和测试样本，训练样本输入到步骤四构建的一维卷积神经网络1DCNN管道泄漏检测模型中进行训练，使用测试样本测试模型泛化性能，最终获取分类结果检测管道是否发生泄漏。