压缩感知结合卷积网络的天然气管道泄漏孔径识别

摘要：

针对传统天然气管道泄漏孔径检测面临的原始数据冗余性大、特征选取主观依赖性强以及复杂环境下识别准确率低等问题,提出了一种将压缩感知与深度卷积神经网络相结合的泄漏孔径识别方法.首先利用随机高斯矩阵对原始泄漏信号进行压缩采集,以较少的压缩感知域数据获取全部泄漏信息;然后构建深度一维卷积神经网络,将压缩采集数据送入网络中实现自适应特征提取及高准确度泄漏孔径识别;还对主要参数的影响进行了深入的分析.实验结果表明,该方法能够快速、准确地实现天然气管道泄漏孔径识别,且在低信噪比环境下具有较好的鲁棒性,总体识别效果优于传统的分类方法.

关键词：管道泄漏孔径识别、压缩感知采集、1维卷积网络、自适应特征提取

所属期刊栏目：39

分类号：TP391.4;TH865(计算技术、计算机技术)

资助基金：国家自然科学基金项目;河北省自然科学基金资助项目;河北省引进留学人员资助项目

在线出版日期：2020-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：17-23