论文部分内容阅读
针对以数据为驱动的管道泄漏检测方法,未能有效同步利用泄漏信号的空间和时序特征的问题,提出一种基于一维卷积神经网络(1D-CNN)和长短期记忆网络(LSTM)相结合的管道泄漏识别方法.该网络模型以去噪处理后的管道压力信号为输入源,先后使用1D-CNN、LSTM提取其空间特征和时间维度特征,利用已提取的空时两种不同维度的特征建立压力信号与管道状况的对应关系,进而实现对管道泄漏的检测.对比分析实验结果表明,1D-CNN-LSTM方法提取的特征参数更具有效性与可靠性,管道泄漏的检测精准度显著提升.