基于CNN的水管道小泄漏声信号识别

摘要

针对供水管道小泄漏声信号识别困难的问题,提出一种基于卷积神经网络(Convolutional neural network,CNN)的管道泄漏声学信号识别方法.该方法首先通过多窗谱谱减法去除信号中的噪声;之后,使用短时傅里叶变换计算去噪后声信号的时频图,将声信号识别问题转化为图像识别问题;并将时频图输入自主搭建的CNN系统,完成泄漏检测.数据集通过管道内检测器样机采集,并作为评价泄漏识别方法性能的依据.结果表明,所提出的方法对无泄漏、0.4 mm泄漏孔、0.6 mm泄漏孔、0.8 mm泄漏孔及1 mm泄漏孔的平均识别率达到95.28％.与基于支持向量机(Support vector machine,SVM)和AlexNet的声信号识别方法进行比较,所提出的方法有明显优势,可应用于管道泄漏声学内检测领域.