[发明专利]基于信号时频特征和支持向量机的供水管道泄漏识别方法

说明书

本发明公开了一种基于信号时频特征和支持向量机的供水管道泄漏识别方法，属于漏水检测定位技术领域。所述方法包括：输入被检测的信号；对输入的信号进行特征提取；将所提取的特征集输入已进行优化的支持向量机，利用支持向量机对特征进行识别；支持向量机根据输入的信号特征输出识别结果，确定信号为泄漏信号还是非泄漏信号。该方法利用漏水信号随机性、频谱较集中等特点，基于信号固有模态函数、近似熵、主成分提出了三个时频特征。利用这些特征构造特征矩阵作为支持向量机输入，将支持向量机作为分类器对信号进行识别并输出识别结果，从而解决了现有管道泄漏检测技术存在的建模难度系数大、误判率高等问题。

技术领域

本发明涉及漏水检测定位技术领域，特别是涉及一种基于信号时频特征和支持向量机的供水管道泄漏识别方法。

背景技术

水是人类和一切生物赖以生存的物质基础,是人类社会发展不可缺少的自然资源。联合国发布的《2018年世界水资源开发报告》显示，由于人口增长、经济发展和消费方式转变等因素，全球水资源的需求正在以每年1％的速度增长，而这一速度在未来20年还将大幅加快。随着人口的不断增长和污染的持续恶化，水资源的缺乏日益加剧。在全球水资源严重短缺的情况下，水资源的浪费问题却十分严重。其中，供水管道泄漏造成的水资源浪费十分严重。世界银行的一项研究表明，全世界由于供水管道的泄漏造成的水损失量达到每年486亿立方米，相应的经济损失约为每年146亿美元。因此，研究高效的供水管道泄漏检测定位技术对于保护水资源和促进经济发展具有重要意义。

为了能够检测出地下供水管道的泄漏情况，学术界和工业界开展了大量研究工作，开发了许多有效的检测方法。最早出现的检测方法是音听法。该方法是检测人员借助听音检测设备根据泄漏声的大小与音质特点来判断漏水区域。这种方法虽然操作简便，但依赖检测人员的经验，并且由于供水管网分布广泛，所以该方法工作量大、可靠性低。地面穿透雷达可以通过检测由漏水引起的土壤空隙来确定管道中的泄漏位置，然而，由于不同地区地质结构相对复杂，所以该方法实用性较差，并且成本昂贵。根据供水管道内部压力变化学者们相继提出了压力梯度法、负压波法、流量平衡法。这些方法对管内水流压力值较为敏感，但是，由于供水管网水流持续波动,当波动幅度较大时容易产生误报。研究发现泄漏信号频谱较为集中，且管道的振动频率仅与泄漏情况有关。利用这一特性通过对管道上的压电加速度传感器获取的信号进行谱分析，从而进行泄漏检测。但是，当存在与泄漏信号频谱相似的环境噪声时，该方法容易出现误判。研究人员结合泄漏声信号线性预测编码双谱系数(LPCC)和隐马尔可夫模型(Hidden Markov Models,HMM)进一步提高了对泄漏信号和环境干扰信号的辨识能力。然而受算法本身的限制，随着系统运行时间的增加，该方法的错误概率会上升。对于大规模的供水管网系统，学者们尝试使用实时模型法在管网上建模，将管网上的测量数据与流量模型的预测值进行比较，但是在实际应用中该方法建模难度系数高、数据运算量大。

发明内容

为了解决以上问题，本发明提出了一种基于信号时频特征和支持向量机的供水管道泄漏识别方法，该方法利用漏水信号随机性、频谱较集中等特点，根据泄漏信号和非泄漏信号时频特性的差异性基于信号固有模态函数、近似熵、主成分提出了三个时频特征。利用这些特征构造特征矩阵作为支持向量机输入，将支持向量机作为分类器对信号进行识别并输出识别结果，从而解决了现有管道泄漏检测技术存在的建模难度系数大、误判率高等问题。

根据本发明的基于信号时频特征和支持向量机的供水管道泄漏识别方法，所述方法根据泄漏信号和非泄漏信号时频特性的差异性，基于信号固有模态函数、近似熵、主成分提出了三个时频特征，并利用这些特征构造特征矩阵作为支持向量机输入，将支持向量机作为分类器对信号进行识别并输出识别结果，确定信号为泄漏信号还是非泄漏信号。

进一步的，所述方法包括：

S1：输入被检测的信号；

S2：对输入的信号进行特征提取；

S3：将所提取的特征集输入已进行优化的支持向量机，利用支持向量机对特征进行识别；