一种管道高后果区无线智能安防监测方法与流程

本发明涉及管道智能安防监测，具体涉及一种管道高后果区无线智能安防监测方法。

背景技术：

1、在现代社会，输气管道作为重要的能源输送手段，其安全运营对保障国家能源安全和环境保护至关重要。由于管道穿越各种地形和环境，某些位于人口密集区、生态敏感区或靠近重要设施的区域被定义为高后果区（hcas）。在这些区域内，任何管道泄漏或损坏都可能带来灾难性的后果。因此，对这些区域进行高效的风险监测尤为重要。现有技术常根据声音信号的特征进行异常的监测，但是管道高后果区在人员活动区域，外界干扰信号大，直接采用声音信号进行管道的异常监测，存在监测精度不高的问题。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种管道高后果区无线智能安防监测方法解决了现有直接采用声音信号进行管道的异常监测，存在监测精度不高的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：一种管道高后果区无线智能安防监测方法，包括以下步骤：

3、s1、在管道高后果区的管道上设置声音传感器；

4、s2、通过声音传感器采集管道周边的声音信号；

5、s3、将声音信号通过无线通信网络传输至监控端；

6、s4、在监控端根据信号幅值波动系数，从声音信号中剔除干扰段声音信号，得到剩余声音信号；

7、s5、对剩余声音信号提取各对相同信号成分，并进行信号重构，得到两段重构信号；

8、s6、采用估计模型处理两段重构信号，得到管道异常值。

9、本发明的有益效果为：本发明在管道高后果区的管道上设置声音传感器，采集管道周边的声音信号，通过无线通信网络传输至监控端，在监控端根据信号幅值波动系数剔除干扰段声音信号，实现将显著的干扰段信号去除，再对剩余声音信号提取相同成分，进一步地剔除掉非显著的干扰成分，将相同成分进行重构，采用估计模型处理两段重构信号，得到管道异常值。本发明从声音信号中剔除各种异常信号，并获取相同成分，实现将属于管道的声音进行分离，提高监测精度。

10、进一步地，所述s4包括以下分步骤：

11、s41、设置长度为n的滑动窗口，将滑动窗口放在声音信号上滑动，每次前进一个信号值；

12、s42、在每次滑动后，计算滑动窗口下的信号幅值波动系数；

13、s43、将信号幅值波动系数高于波动阈值时对应的滑动窗口下信号值作为干扰段声音信号；

14、s44、从声音信号中剔除干扰段声音信号，得到剩余声音信号。

15、上述进一步地方案的有益效果为：本发明设置了滑动窗口，将滑动窗口放在声音信号上滑动，在每次滑动后，计算出滑动窗口下的信号幅值波动系数，在信号幅值波动系数高于波动阈值时，对应段则为干扰段声音信号，在外界出现声音干扰后，该种声音干扰叠加到管道的声音上，使得采集到的声音信号幅值波动更大，因此，选出干扰段声音信号，剔除明显异常的信号。

16、进一步地，所述s42中计算滑动窗口下的信号幅值波动系数的公式为：

17、，

18、其中，θ为滑动窗口下的信号幅值波动系数，xi为滑动窗口下第i个信号值的幅值，| |为绝对值运算，arctan为反正切函数，i为正整数。

19、上述进一步地方案的有益效果为：在信号幅值波动系数越大时，该滑动窗口下的信号存在越大波动，外界的噪声严重干扰采集的声音信号。

20、进一步地，所述s5包括以下分步骤：

21、s51、对剩余声音信号进行分段，得到第一段信号和第二段信号；

22、s52、对第一段信号和第二段信号进行分解，得到第一段信号的多个信号成分和第二段信号的多个信号成分；

23、s53、提取每个信号成分的特征值，构建时域特征向量；

24、s54、计算第一段信号中信号成分与第二段信号中信号成分在时域特征向量上的关联度；

25、s55、将关联度大于关联阈值的信号成分作为一对相同信号成分；

26、s56、对各对相同信号成分进行重构，得到两段重构信号。

27、上述进一步地方案的有益效果为：本发明对剩余声音信号进行分段，得到第一段信号和第二段信号，对第一段信号和第二段信号进行分解，得到各自的信号成分，根据信号成分的时域特征向量的关联度，找出第一段信号和第二段信号中相同信号成分，本发明通过对剩余声音信号进行分段的方式，实现两段信号的对比，从而找到长时间存在的声音信号成分，剔除干扰成分，干扰成分在不同段不同时间点均不同，而管道异常是持续的，因此提取出相同信号成分作为管道的异常声音。

28、进一步地，所述s54中计算关联度的公式为：

29、，

30、其中，γ为关联度，r1,j为第一段信号中信号成分的时域特征向量中第j个特征值，r2,j为第二段信号中信号成分的时域特征向量中第j个特征值，为第一段信号中信号成分的时域特征向量的特征均值，为第二段信号中信号成分的时域特征向量的特征均值，m为时域特征向量中特征值的数量，j为正整数。

31、进一步地，所述s56包括以下分步骤：

32、s561、根据第一段信号上的各个相同信号成分，重构第一段信号；

33、s562、根据第二段信号上的各个相同信号成分，重构第二段信号。

34、进一步地，所述s6中估计模型包括：信号增强层、第一全连接层、第二全连接层和决策层；

35、所述信号增强层用于分别对两段重构信号进行增强处理，得到两段增强信号；

36、所述第一全连接层用于处理一段增强信号，得到第一估计值；

37、所述第二全连接层用于处理另一段增强信号，得到第二估计值；

38、所述决策层用于根据第一估计值和第二估计值，得到管道异常值。

39、进一步地，所述信号增强层的表达式为：

40、，

41、其中，ek为增强信号中第k个增强值，fk为重构信号中第k个信号值的幅值，fmax为最大幅值，k为正整数，d为归一化整数。

42、上述进一步地方案的有益效果为：本发明在信号增强层中设定增强系数，使得幅值进一步地增强，同时增大各个幅值之间的差距，使得各个幅值更显著，特征更明显，再采用归一化整数进行归一化处理。

43、进一步地，所述第一全连接层和第二全连接层的表达式均为：

44、，

45、其中，h为第一全连接层或第二全连接层输出的估计值，ek为增强信号中第k个增强值，ωk为第k个增强值的权重，bk为第k个增强值的偏置，l为增强值的数量，k为正整数。

46、进一步地，所述决策层的表达式为：

47、，

48、其中，y为管道异常值，h1为第一估计值，h2为第二估计值。

49、上述进一步地方案的有益效果为：本发明中第一全连接层处理一段增强信号，第二全连接层处理另一段增强信号，综合两段增强信号，提高获取管道异常值的精度，提高监测精度。