[发明专利]一种基于灰狼算法优化BP神经网络的供热管道泄漏检测方法

说明书

本申请提供一种基于灰狼算法优化BP神经网络的供热管道泄漏检测方法，包括步骤1：采集管道泄漏次声数据；步骤2：对所述的次声数据提取出可用于泄漏信号表征的20种特征参数；步骤3：基于提取的泄漏声信号特征参数，构建泄漏声信号BP神经网络识别模型；步骤4：利用改进灰狼算法对BP神经网络初始阈值和初始权值进行优化以解决数据融合中BP神经网络对初值敏感、易陷入局部最优的问题；步骤5：对所述优化的BP神经网络检测模型进行训练及参数优化，并验证模型的鲁棒性。

技术领域

本申请涉及管线密封性检测领域，具体涉及一种基于灰狼算法优化BP神经网络的供热管道泄漏检测方法。

背景技术

随着我国供热管道使用年限的增加和规模的不断增大，由于管道及部件的材质、铺设方式、工作环境、施工方法及管理维护等诸多因素的影响，各地供热管道泄漏故障时有发生，同时供热管道泄漏发生的时间和地点随机性很强，对管道运行、维护和管理造成的较大的影响，对管网运行安全性造成了很大的威胁。由于热管道泄漏的是经高价软化处理的热水，因此泄漏将造成水资源流失、经济损失和无畏的能耗损失，同时影响供热质量，造成环境污染。所以，提高供热管道泄漏检测效果的研究工作就显得尤为重要。

在以往的管道泄漏研究中，大多针对实验室测试到的泄漏声信号的识别，鲜少将智能识别方法应用到工业现场管道的泄漏识别。实际上，工业现场管道运行环境极为复杂，噪声干扰因素很多，以往基于负压波的方法对小泄漏监测的灵敏度不高，在面对长距离，复杂管网系统时，往往会导致漏报，从而无法高效，准确地对供热管网的泄漏情况进行检测，因此对工业现场供热管道泄漏的检测还需要进一步深入地研究。

发明内容

针对次声波法和负压波的优势和弊端，对多种场景下的泄漏信号进行研究，本申请通过提取出可用于泄漏信号识别的物理本质特征，对泄漏时次声波信号与负压波信号的时域、频域以及波形分布特点进行了分析，提取出可用于泄漏信号表征的多种特征参数；建立了泄漏声信号BP神经网络识别系统，研究了神经网络结构及输入特征参数对泄漏信号识别效果的影响，并且将优化后的灰狼算法用于优化神经网络参数，将其应用于现场管道泄漏信号的识别。

为了实现上述目的，本申请采用的技术方案是：基于灰狼算法优化BP神经网络的供热管道泄漏检测方法。包括以下步骤：

步骤1：采集管道泄漏次声数据；

步骤2：对所述的次声数据提取出可用于泄漏信号表征的多种特征参数；

步骤3：基于提取的泄漏声信号特征参数，构建泄漏声信号BP神经网络识别模型；

步骤4：利用改进灰狼算法对BP神经网络初始阈值和初始权值进行优化；

步骤5：对所述优化的BP神经网络检测模型进行训练及参数优化，并验证模型的鲁棒性。

进一步的，步骤1中采集的管道泄漏次声数据，采样率为10KHz，每段声信号的固定时长为1S。

进一步的，步骤2中对所述的次声数据提取出可用于泄漏信号表征的20种特征参数，包括以下步骤：

步骤2.1：对泄漏次声信号的时域特征进行提取，包括平均值、方差、能量、平均幅值、均方根、方根幅值、有效值、有效值熵；

步骤2.2：对泄漏次声信号的形状特征进行提取，包括峰值系数、形状参数、偏度参数、脉冲因子、峪度因子、峭度、峭度因子；

步骤2.3：对泄漏次声信号的频域特征进行提取，包括泄漏信号的峰值频率、 -6dB带宽、中心频率；

进一步的，步骤4包括，生成一个基于灰狼算法优化BP神经网络的供热管道泄漏检测模型，所述供热管道泄漏检测模型的包括以下几个步骤：

步骤4.1：设置搜索空间维度：d＝M·N+N·1+N+1；BP神经网络参数向量：