基于CNN的供热管道泄漏识别方法研究

来源：电子测量技术杂志2022年第16期北京时间：

作者：马广兴，曲波，常琛，卞浩然

单位：1.内蒙古工业大学 土木工程学院，内蒙古 呼和浩特 010050; 2.内蒙古自治区土木工程结构与力学重点实验室

摘要：为了快速识别出供热管道泄漏故障，以管道泄漏时产生的负压波特征，研究提出了利用卷积神经网络（CNN）识别压力数据的管道漏损诊断方法。通过搭建供热管道实验平台，采集了正常、泄漏、调阀三种工况下的压力数据作为卷积神经网络的训练集和测试集。对原始数据进行小波降噪处理，应用硬阈值的处理方法有效消除了噪声信号，同时在调阀工况中出现了强化特征，增强了卷积神经网络的分类能力。针对一维数据特征采用改进的AlexNet卷积网络模型对采集的数据进行学习及识别。结果发现，在对实验室数据测试中，CNN模型的平均识别正确率达98.39%。在对实际管网的验证中，三个热力站的泄漏数据均被正确识别，表明CNN模型具备良好的故障诊断能力。

关键词：泄漏检测;小波去噪; 卷积神经网络; 负压波