基于IUPLCD与DTBSVM的输气管道泄漏检测方法

作者：刘勇; 吴明畅; 徐航; 李洪伟

来源：仪表技术与传感器, 2023, (06): 109-114.

• 深度学习
• 孪生有界支持向量机
• 输气管道
• 泄漏检测
• 超声波

为了提高输气管道泄漏的识别准确率，降低漏检率和误报率，提出了基于改进匀相窄波局部特征尺度分解方法(IUPLCD)与深度孪生有界支持向量机(DTBSVM)的管道泄漏检测方法。首先采用内禀尺度分量(ISC)的能量和幅值标准差对UPLCD的信号重构过程进行优化改进，筛选出信号主导的ISC分量进行信号重构，得到降噪后的信号；然后根据深度学习和孪生有界支持向量机(TBSVM)构建了用于管道泄漏识别的DTBSVM模型；最后将降噪后的信号输入到DTBSVM中对管道的状态进行识别。实验结果表明，该方法能够准确判断管道的泄漏，识别精度最高可达99.7%。