[发明专利]基于最小二乘支持向量机信息融合的管道泄漏检测方法

摘要

本发明公开了一种基于最小二乘支持向量机信息融合的管道泄漏检测方法，包括以下步骤：S1：采集管道泄漏实验的历史数据作为初始训练样本；S2：定义样本采集时间窗长度，对历史数据进行特征信号提取计算得到信息融合特征数据；S3：利用最小二乘支持向量机方法训练管道泄漏的检测模型；S4：利用优化后的参数训练优化检测模型；S5：验证检测模型的准确性；S6：将待检测管道的流量信息和压力信息进行信号特征提取计算后得到的信息融合特征数据输入最终检测模型，输出待检测管道状态分类结果。本申请所构建的检测模型能够适应管道工作过程中状态检测的需要，进一步有效增强了模型预测能力，提高了模型的预测精度。

主权项

1.基于最小二乘支持向量机信息融合的管道泄漏检测方法，其特征在于：包括以下步骤：S1：采集管道泄漏实验的历史数据作为初始训练样本，历史数据为正常状态和泄漏状态下输油管道的流量信息和压力信息；S2：定义样本采集时间窗长度，对历史数据进行特征信号提取计算得到信息融合特征数据，标记信息融合特征数据对应的管道正常状态或泄漏状态；S3：将S2得到的信息融合特征数据作为检测模型的训练样本，利用最小二乘支持向量机方法训练管道泄漏的检测模型；S4：选择径向基核函数作为检测模型的核函数，采用K折交叉验证对径向基核函数的参数进行优化，每次训练都随机保留1/K个子样本作为用于验证模型的样本，进行K次训练重复验证，计算K次结果的平均值作为优化后的参数；利用优化后的参数作为径向基核函数的基本参数，并将利用优化后的参数训练优化检测模型；S5：验证检测模型的准确性：获取新数据信息，新数据信息为训练好检测模型后获取的正常状态和泄漏状态下输油管道的流量信息和压力信息；对新数据信息进行特征信号提取计算，得到相应的信息融合特征数据后输入检测模型，输出管道状态分类结果，管道状态分类结果包括正常状态和泄漏状态；将管道状态分类结果与新数据信息对应的现场管道真实状态进行对比，若管道状态不一致，则将新数据信息加入历史数据，重复步骤S1至步骤S4更新检测模型；若管道状态一致，则验证结束，输出最终检测模型；S6：将待检测管道的流量信息和压力信息进行信号特征提取计算后得到的信息融合特征数据输入最终检测模型，输出待检测管道状态分类结果。