变工况下管道堵塞识别的声纹模型研究

摘要

针对排水管道堵塞检测实际应用中训练样本所包含的工况类别受限导致新工况识别率低下的问题,提出一种基于精细复合多尺度散布熵(Refined composite multi-scale dispersion entropy,RCMDE)和高斯混合隐马尔可夫模型(Gaussian-mixed-model hidden Markov model,GMM-HMM)的管道堵塞声纹识别模型。首先,采用基于子带谱熵的单参数双门限端点检测算法对单一和复杂工况下降噪后整体声压信号进行端点检测和信号分割,得到对应管道内堵塞物、三通件和管道尾端的个体声压信号。然后,提取精细复合多尺度散布熵作为特征向量。最后,将单一工况下不同类别的声压信号的特征向量用于模型训练,训练好的模型用于复杂工况下的堵塞物、三通件以及管道尾端的识别。结果表明:所提出的声纹识别模型在训练样本工况类别受限的条件下能有效识别变工况下排水管道中的堵塞物,三通件以及管道尾端,综合识别率为93.75%。验证在不同工况下堵塞物对声波的影响具有共性,与三通件、管道尾端具有差异性,具有一定的工程应用价值。