文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201510963312.7

申 请 日：20151221

发 明 人：利节 陈国荣 吴韩 冯骊骁 李忠 陈梦良 高铮

申 请 人：重庆科技学院

申请人地址：400023 重庆市沙坪坝区大学城东路20号

公 开 日：20160504

公 开 号：CN105546352A

代 理 人：陈千

代理机构：重庆为信知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明提供了一种基于声音信号的天然气管道微泄漏检测方法，将管道微泄漏时波动最强烈的声音信号作为主信号，将温度、压力、流量信号作为次信号，建立基于多参数的深度卷积神经网络，通过学习主信号和次信号的数据来确定天然气管道微泄漏概率，此外，针对多参数数据的异构性，设计一个深度受限玻尔兹曼机模型，对多参数数据进行预训练，获得最优权值矩阵和最优偏置值，作为深度卷积神经网络模型的权重初始值和偏置值初始值，该方法大大提高了管道微泄漏事故判定的准确率，降低了大型安全事故的发生，提高天然气管道事故抢险效率。

主 权 项：1.一种基于声音信号的天然气管道微泄漏检测方法，其特征在于，包括如下步骤：S1：采集天然气管道微泄漏时的声音信号以及温度、压力、流量信号；S2：对声音信号进行特征提取和去噪的预处理；S3：设计一个深度受限玻尔兹曼机模型，对步骤S2预处理后的声音信号以及步骤S1采集到的温度、压力、流量信号的进行预训练，获得最优权值矩阵和最优偏置值，作为深度卷积神经网络模型的权重初始值和偏置值初始值；S4：将步骤S3得到的最优权值矩阵和最优偏置值作为权重初始值和偏置值初始值，建立四层深度卷积神经网络模型，并利用该模型对天然气管道的微泄漏状况进行监测，其中，所述四层深度卷积神经网络模型包括一个输入层、两个隐藏层和一个输出层，输入层所输入的主信号为预处理后的声音信号，次信号为温度、压力和流量信号，输出层所输出的信号为天然气管道微泄漏概率，每个隐藏层均由卷积和下采样函数组成。

关 键 词：微泄漏  天然气管道 多参数  卷积神经网络  次信号  偏置值  安全事故  检测方法  流量信号  深度受限  最优权值  矩阵和 异构性 预训练  主信号  准确率  权重  一种  最优  判定  抢险 概率  设计  确定  学习  建立  进行  

IPC专利分类号：F17D5/00(20060101);F17D5/02(20060101);F17D5/06(20060101)