Page 110 - 《应用声学》2022年第4期
P. 110

608                                                                                  2022 年 7 月


                   1.2                                         都大于 “背景” 类的声压级,导致在进行分类时,通
                                          ۳వᎪፏፇ౞
                   1.0                    ஈᤉᎪፏፇ౞               过声压级信息就可以判断出是否有泄漏,分类相对
                                                               简单。在三分类模型中,通过细分泄漏类型,训练集
                  ᝫጷᬷ૯ܿѦ஝  0.6                                 样本增加了一类。其中阀门泄漏和垫片泄漏的声压
                   0.8
                                                               级都在 20 dB 和 70 dB 之间,此时在训练过程中会
                                                               充分利用时频图上的特征信息进行判断,分类情况
                   0.4
                                                               更为复杂。
                   0.2
                   0.1
                    0
                      0   2000  4000  6000  8000  10000        4 结论
                                   ᝫጷ൦஝
                           (a) ᝫጷᬷ૯ܿѦ஝ԫӑᡖҹ                         通过模拟管道气体泄漏中常见的阀门泄漏和
                   100                                         垫片泄漏,采集对应超声信号进行时频图表征,建
                    96
                                                               立基于 “泄漏” 和 “背景” 的二分类模型判断是否有
                    80
                                                               泄漏发生,并对输入时频图尺寸进行了探讨。建立
                  ᝫጷᬷюᆸဋ/%  60                                 基于“阀门泄漏”、“垫片泄漏”和“背景”的三分类模
                                                               型判断泄漏属于哪一类。对比发现,二分类模型数
                    40
                                                               分类时,通过声压级信息就可以判断出是否有泄漏。
                    20                   ۳వᎪፏፇ౞                据类型比较单一,而且进行超声截断,导致在进行
                                         ஈᤉᎪፏፇ౞
                                                               而在三分类模型中,阀门泄漏和垫片泄漏频谱声压
                     0
                      0   2000  4000  6000  8000  10000        级在同一区间内,但是其频谱特点不一样,基本消
                                  ᝫጷ൦஝
                                                               除了绝对声压级对分类的影响。在设计 CNN 网络
                            (b) ᝫጷᬷюᆸဋԫӑᡖҹ
                                                               结构时,添加Inception模块可以平衡网络的宽度和
                         图 5  三分类模型收敛特性
                                                               深度,在加速模型收敛的同时提高三分类模型整体
               Fig. 5 Convergence characteristics of the three-
                                                               性能。
               category model
                     表 8   三分类模型测试集识别性能
                                                                              参 考 文        献
              Table 8 Recognition performance of three-
              class model test set
                                                                 [1] Sun J, Xiao Q, Wen J, et al.  Natural gas pipeline
                                                                   leak aperture identification and location based on local
                    测试集         原始模型       改进三分类模型                 mean decomposition analysis[J]. Measurement, 2016, 79:
                    召回率           0.910        0.934               147–157.
                                                                 [2] Xiao Q, Li J, Sun J, et al.  Natural-gas pipeline leak
                    精度            0.916        0.930
                                                                   location using variational mode decomposition analy-
                   F1-score       0.911        0.932               sis and cross-time-frequency spectrum[J]. Measurement,
                    漏警率           0.269        0.066               2018, 124: 163–172.
                                                                 [3] Buerck J, Roth S, Kraemer K, et al. OTDR fiber-optical
                    虚警率           0.049        0.034
                                                                   chemical sensor system for detection and location of hy-
                总体识别准确率          91.05%       93.12%               drocarbon leakage[J]. Journal of Hazardous Materials,
                   阀门泄漏          94.67%       91.00%               2003, 102(1): 13–28.
                                                                 [4] Rougier J N. Probabilistic leak detection in pipelines us-
                   垫片泄漏          82.00%       92.67%
                                                                   ing the mass imbalance approach[J]. Journal of Hydraulic
                    背景           96.49%       95.69%               Research, 2005, 43(5): 556–566.
                                                                 [5] bin Md Akib A, bin Saad N, Asirvadam V. Pressure point
                 和二分类模型进行对比,三分类模型总体识                               analysis for early detection system[C]//2011 IEEE 7th In-
             别准确率和 F1-score 均有所降低。这是因为在进行                          ternational Colloquium on Signal Processing and its Ap-
                                                                   plications. IEEE, 2011: 103–107.
             “泄漏”和“背景”的二分类时,在超声频率段内无论
                                                                 [6] Buerck J, Roth S, Kraemer K, et al. OTDR fiber-optical
             是阀门泄漏还是垫片泄漏,“ 泄漏”类频谱的声压级                              chemical sensor system for detection and location of hy-
   105   106   107   108   109   110   111   112   113   114   115