[发明专利]一种多参数相互融合的清管器实时定位方法及装置

权利要求书

1.一种多参数相互融合的清管器实时定位方法，其特征在于，所述一种多参数相互融合的清管器实时定位方法包括：

采集管道首、末段的负压波信号以及管道漏磁图像；

基于漏磁缺陷检测网络对所述管道漏磁图像进行检测，判定所述管道是否存在泄漏；

若所述管道无泄漏，则基于双向长短期记忆神经网络对所述负压波信号去噪；

基于一维卷积神经网络串联循环神经网络对去噪后的负压波信号进行拐点特征识别，提取上下游负压波到达时间差；

采集清管器在运行过程中距离上游压力传感器的距离；

采集上下游压力传感器接收到负压波信号的时间和上下游压力传感器之间的距离；

根据清管器在运行过程中距离上游压力传感器不同的距离、上下游压力传感器接收到负压波信号的时间和上下游压力传感器之间的距离，计算出多个负压波波速；

对多个负压波波速进行平均值计算得到修正负压波波速；

将所述修正负压波波速和上下游负压波到达时间差代入负压波定位公式得到清管器位置。

2.根据权利要求1所述的方法，其特征在于，所述基于漏磁缺陷检测网络对所述管道漏磁图像进行检测，判定所述管道是否存在泄漏包括：

将所述管道漏磁图像输入至所述漏磁缺陷检测网络，经过卷积运算之后，获取管道漏磁缺陷图像；

根据管道漏磁缺陷图像判定所述管道是否存在泄漏。

3.根据权利要求1所述的方法，其特征在于，所述基于双向长短期记忆神经网络对所述负压波信号去噪包括：

将所述负压波信号输入至所述双向长短期记忆神经网络得到噪声轮廓信号；

将所述负压波信号减去噪声轮廓信号得到去噪后的负压波信号。

4.根据权利要求3所述的方法，其特征在于，所述基于一维卷积神经网络串联循环神经网络对去噪后的负压波信号进行拐点特征识别，提取上下游负压波到达时间差包括：

将所述去噪后的负压波信号输入至一维卷积神经网络串联循环神经网络；

所述一维卷积神经网络学习所述去噪后的负压波信号的拐点特征；

所述循环神经网络提取所述去噪后的负压波信号的拐点信息；

所述循环神经网络根据所述拐点信息对去噪后的负压波信号进行分类；

筛选出包含至少两个拐点信息对应的负压波信号；

计算相邻拐点之间的时间值并将所述时间值设置为上下游负压波到达的时间差。

5.根据权利要求1所述的方法，其特征在于，所述对多个负压波波速进行平均值计算得到修正负压波波速包括：

在所述清管器运行过程中，当所述清管器在运行过程中，记录5组不同的位置为、、、、；分别记录所述清管器运行至、、、、各点时所述上下游压力传感器接收到所述负压波信号的时间为、、、、与、、、、，所述上下游压力传感器之间的距离为L；当所述清管器运行到点时，所述上游压力传感器接收到所述负压波信号的时间为，所述下游压力传感器接收到所述负压波信号的时间为，则负压波波速为，将、、、L代入波速修正公式中，所述波速修正公式为：；其中 为清管器运行至 计算得出的负压波波速，其中 为清管器运行至 计算得出的负压波波速，其中 为清管器运行至 计算得出的负压波波速，其中 为清管器运行至 计算得出的负压波波速，其中 为清管器运行至 计算得出的负压波波速；

所述修正负压波波速为。

6.根据权利要求5所述的方法，其特征在于，所述将所述修正负压波波速和上下游负压波道道时间差代入负压波定位公式得到清管器位置包括：

所述修正负压波波速为、所述上下游负压波信号到达时间差为，所述清管器位置为，所述负压波定位公式为。