基于深度学习的强背景噪声环境下的气体管道泄漏识别方法

摘要

本发明提出一种基于深度学习的强背景噪声环境下的气体管道泄漏识别方法，首先在实验室管道泄漏模拟系统上模拟阀门外泄、垫片泄漏并采集泄漏声信号，同时在实际管廊中采集强背景(风机)噪声信号，将泄漏信号与实际背景信号混合以模拟在实际管廊下的泄漏情况。将每一类音频数据进行分割获得大量的短时音频信号，对音频信号进行短时傅里叶变换，然后进行特征增强处理，将增强后的特征矩阵映射为时频图，形成地下综合管廊泄漏检测的数据集。然后搭建适用于气体泄漏检测的卷积神经网络模型。将特征增强与神经网络相结合构成一套完整的行之有效的输气管道泄漏检测方案。本发明能够有效的提高在强背景噪声干扰下的泄漏识别准确率。