基于CNN的供热管道泄漏识别方法研究

作者：马广兴; 曲波; 常琛; 卞浩然

来源：电子测量技术, 2022, 45(16): 34-41.

DOI：10.19651/j.cnki.emt.2208905

• 泄漏检测
• 小波去噪
• 卷积神经网络
• 负压波

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。

• 单位
  土木工程学院; 内蒙古工业大学