：本發(fā)明涉及供水管道漏水識(shí)別，特別涉及基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)。

背景技術(shù)

0、
背景技術(shù)：

1、隨著城市化進(jìn)程的加快，供水管網(wǎng)系統(tǒng)逐漸變得越來越復(fù)雜和龐大。然而，供水管網(wǎng)的漏損問題卻日益嚴(yán)重，給供水企業(yè)和城市管理帶來了巨大的挑戰(zhàn)。漏損不僅造成了寶貴水資源的浪費(fèi)，還增加了供水成本，并可能導(dǎo)致地面塌陷等安全隱患。傳統(tǒng)的漏損檢測方法主要依賴于人工巡檢和簡單的壓力監(jiān)測，這些方法不僅效率低下，且難以及時(shí)、準(zhǔn)確地定位漏損點(diǎn)。

2、目前，漏損檢測技術(shù)的發(fā)展集中在基于信號(hào)處理和數(shù)據(jù)分析的方法上。這些方法通過對管網(wǎng)運(yùn)行數(shù)據(jù)的分析，識(shí)別異常情況，從而檢測和定位漏損。然而，現(xiàn)有的信號(hào)處理方法(如快速傅里葉變換、經(jīng)驗(yàn)?zāi)B(tài)分解等)在處理復(fù)雜和非平穩(wěn)信號(hào)時(shí)，存在一定的局限性。特別是在面對復(fù)雜的管網(wǎng)運(yùn)行環(huán)境和多樣的干擾信號(hào)時(shí)，傳統(tǒng)方法的準(zhǔn)確性和魯棒性難以保證。

3、變分模態(tài)分解(variationalmodedecomposition，vmd)作為一種新興的信號(hào)處理方法，能夠有效地分解復(fù)雜信號(hào)為若干個(gè)本征模態(tài)函數(shù)(imf)，每個(gè)imf對應(yīng)一個(gè)特定的頻率成分。vmd通過求解變分問題，實(shí)現(xiàn)對信號(hào)的自適應(yīng)分解，具有更高的分辨率和魯棒性。因此，將vmd應(yīng)用于供水管網(wǎng)漏損識(shí)別，能夠提高漏損檢測的準(zhǔn)確性和效率。

4、此外，隨著機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，尤其是支持向量機(jī)(svm)和神經(jīng)網(wǎng)絡(luò)(neuralnetwork)在模式識(shí)別中的廣泛應(yīng)用，為供水管網(wǎng)的漏損檢測提供了新的技術(shù)手段。通過對大量歷史數(shù)據(jù)的訓(xùn)練，機(jī)器學(xué)習(xí)模型能夠自動(dòng)識(shí)別和分類漏損特征，實(shí)現(xiàn)精準(zhǔn)的漏損定位和預(yù)警。

5、為此，我們急需設(shè)計(jì)基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)解決上述問題。

技術(shù)實(shí)現(xiàn)思路

0、
技術(shù)實(shí)現(xiàn)要素：

1、本發(fā)明的目的在于提供基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，包括數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、變分模態(tài)分解模塊、特征提取模塊、漏損識(shí)別模塊和報(bào)警及控制模塊，

3、所述數(shù)據(jù)采集模塊用于實(shí)時(shí)收集供水管網(wǎng)的壓力和流量數(shù)據(jù)，所述傳感器布置在供水管網(wǎng)的關(guān)鍵節(jié)點(diǎn)處，以確保數(shù)據(jù)的代表性和準(zhǔn)確性；

4、所述數(shù)據(jù)預(yù)處理模塊用于對原始數(shù)據(jù)進(jìn)行清洗、去噪和標(biāo)準(zhǔn)化處理，以提高數(shù)據(jù)質(zhì)量和后續(xù)處理的準(zhǔn)確性；

5、所述變分模態(tài)分解模塊用于將預(yù)處理后的數(shù)據(jù)進(jìn)行變分模態(tài)分解，得到若干本征模態(tài)函數(shù)(i?mf)，每個(gè)i?mf代表信號(hào)的不同頻率成分；

6、所述特征提取模塊用于從i?mf中提取能量特征、頻率特征和幅值特征，構(gòu)成用于漏損識(shí)別的特征向量；

7、所述漏損識(shí)別模塊用于基于提取的特征進(jìn)行漏損識(shí)別和定位，采用機(jī)器學(xué)習(xí)算法如支持向量機(jī)或神經(jīng)網(wǎng)絡(luò)進(jìn)行分類和預(yù)測；

8、所述報(bào)警及控制模塊用于在檢測到漏損時(shí)生成報(bào)警信息，并通過短信、郵件方式通知維護(hù)人員，同時(shí)自動(dòng)調(diào)節(jié)供水管網(wǎng)的運(yùn)行參數(shù)，如調(diào)節(jié)閥門開度、改變水壓，以減少漏損影響。

9、作為本發(fā)明優(yōu)選的技術(shù)方案，所述變分模態(tài)分解模塊采用變分模態(tài)分解(vmd)算法進(jìn)行信號(hào)分解，具體步驟包括：

10、設(shè)定信號(hào)x(t)為待分解信號(hào)，vmd算法通過求解以下變分問題，將信號(hào)x(t分解為若干個(gè)本征模態(tài)函數(shù)(i?mf):

11、

12、其中，uk(t)為第k個(gè)本征模態(tài)函數(shù)，ωk為其中心頻率，表示對時(shí)間t的導(dǎo)數(shù)，δ(t)為狄拉克函數(shù)，j為虛數(shù)單位，*表示卷積運(yùn)算，k為模態(tài)數(shù)。

13、作為本發(fā)明優(yōu)選的技術(shù)方案，所述特征提取模塊提取的能量特征ek通過以下公式計(jì)算：

14、其中，uk(t)為第k個(gè)本征模態(tài)函數(shù)。能量特征ek用于反映信號(hào)中各模態(tài)的能量分布情況，從而提供對管網(wǎng)運(yùn)行狀態(tài)的深刻理解。

15、作為本發(fā)明優(yōu)選的技術(shù)方案，所述特征提取模塊提取的頻率特征fk通過以下公式計(jì)算：

16、

17、其中，uk(t)為第k個(gè)本征模態(tài)函數(shù)，頻率特征fk反映了信號(hào)中不同模態(tài)的主要頻率成分，有助于識(shí)別漏損特征。

18、作為本發(fā)明優(yōu)選的技術(shù)方案，所述漏損識(shí)別模塊采用支持向量機(jī)(svm)進(jìn)行漏損識(shí)別，其分類決策函數(shù)為：

19、

20、其中，αi為拉格朗日乘子，yi為類別標(biāo)簽，k(xi,x)為核函數(shù)，b為偏置項(xiàng)。通過對大量歷史數(shù)據(jù)的訓(xùn)練，svm模型能夠有效識(shí)別并分類漏損事件。

21、作為本發(fā)明優(yōu)選的技術(shù)方案，所述報(bào)警及控制模塊包括短信和郵件通知系統(tǒng)，當(dāng)漏損識(shí)別模塊檢測到漏損時(shí)，系統(tǒng)會(huì)自動(dòng)發(fā)送報(bào)警信息給相關(guān)維護(hù)人員，以確保及時(shí)響應(yīng)和處理。

22、作為本發(fā)明優(yōu)選的技術(shù)方案，所述報(bào)警及控制模塊進(jìn)一步包括自動(dòng)控制閥門的功能，用于根據(jù)漏損情況調(diào)節(jié)供水管網(wǎng)的閥門開度。具體而言，當(dāng)系統(tǒng)檢測到某一段管網(wǎng)發(fā)生漏損時(shí)，自動(dòng)控制閥門可以迅速調(diào)節(jié)水流，降低水壓，以減小漏損的影響。

23、作為本發(fā)明優(yōu)選的技術(shù)方案，所述數(shù)據(jù)預(yù)處理模塊對原始數(shù)據(jù)進(jìn)行去噪處理時(shí)，采用小波變換方法。去噪后的信號(hào)x′(t)通過以下公式表示：

24、

25、其中，wi為小波基函數(shù)，*表示卷積操作。小波變換能夠有效地濾除信號(hào)中的噪聲，同時(shí)保留信號(hào)的有用信息，提升數(shù)據(jù)的質(zhì)量。

26、作為本發(fā)明優(yōu)選的技術(shù)方案，所述漏損識(shí)別模塊采用神經(jīng)網(wǎng)絡(luò)進(jìn)行漏損識(shí)別，神經(jīng)網(wǎng)絡(luò)的損失函數(shù)為：

27、

28、其中，θ為神經(jīng)網(wǎng)絡(luò)的參數(shù)，yi為真實(shí)標(biāo)簽，為預(yù)測值，λ為正則化參數(shù)。神經(jīng)網(wǎng)絡(luò)通過大規(guī)模數(shù)據(jù)訓(xùn)練，能夠自適應(yīng)地調(diào)整參數(shù)，以提高漏損識(shí)別的準(zhǔn)確率。

29、作為本發(fā)明優(yōu)選的技術(shù)方案，所述神經(jīng)網(wǎng)絡(luò)模型采用多層感知機(jī)(mlp)結(jié)構(gòu)，包括輸入層、若干隱藏層和輸出層。輸入層接受特征提取模塊輸出的特征向量，隱藏層通過非線性激活函數(shù)(如relu)處理數(shù)據(jù)，輸出層生成漏損識(shí)別結(jié)果。模型通過反向傳播算法進(jìn)行訓(xùn)練，優(yōu)化參數(shù)，以達(dá)到最佳的識(shí)別性能。

30、有益效果

31、本發(fā)明提出了一種基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)。該系統(tǒng)通過數(shù)據(jù)采集、預(yù)處理、vmd分解、特征提取和機(jī)器學(xué)習(xí)識(shí)別，構(gòu)建了一套高效、精準(zhǔn)的漏損檢測方案。系統(tǒng)不僅能夠?qū)崟r(shí)監(jiān)測供水管網(wǎng)的運(yùn)行狀態(tài)，及時(shí)發(fā)現(xiàn)和定位漏損點(diǎn)，還可以通過報(bào)警和控制模塊，自動(dòng)調(diào)節(jié)管網(wǎng)運(yùn)行參數(shù)，減少漏損帶來的影響，提高供水系統(tǒng)的運(yùn)行效率和安全性。

32、綜上所述，本發(fā)明在現(xiàn)有技術(shù)的基礎(chǔ)上，結(jié)合了變分模態(tài)分解和機(jī)器學(xué)習(xí)的優(yōu)勢，為供水管網(wǎng)漏損檢測提供了一種創(chuàng)新且有效的解決方案。通過本發(fā)明，能夠顯著提升漏損檢測的效率和準(zhǔn)確性，為供水企業(yè)和城市管理部門提供有力的技術(shù)支持。

33、下面通過附圖和實(shí)施例，對本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。

技術(shù)特征：

1.一種基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，包括數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、變分模態(tài)分解模塊、特征提取模塊、漏損識(shí)別模塊和報(bào)警及控制模塊，其特征在于：

2.根據(jù)權(quán)利要求1所述的基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，其特征在于：所述變分模態(tài)分解模塊采用變分模態(tài)分解vmd算法進(jìn)行信號(hào)分解，具體步驟包括：

3.根據(jù)權(quán)利要求1或2所述的基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，其特征在于：所述特征提取模塊提取的能量特征ek通過以下公式計(jì)算：

4.根據(jù)權(quán)利要求1或2所述的基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，其特征在于：所述特征提取模塊提取的頻率特征fk通過以下公式計(jì)算：

5.根據(jù)權(quán)利要求1所述的基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，其特征在于：所述漏損識(shí)別模塊采用支持向量機(jī)svm進(jìn)行漏損識(shí)別，其分類決策函數(shù)為：

6.根據(jù)權(quán)利要求1或5所述的基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，其特征在于：所述報(bào)警及控制模塊包括短信和郵件通知系統(tǒng)，當(dāng)漏損識(shí)別模塊檢測到漏損時(shí)，系統(tǒng)會(huì)自動(dòng)發(fā)送報(bào)警信息給相關(guān)維護(hù)人員，以確保及時(shí)響應(yīng)和處理。

7.根據(jù)權(quán)利要求1或5所述的基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，其特征在于：所述報(bào)警及控制模塊進(jìn)一步包括自動(dòng)控制閥門的功能，用于根據(jù)漏損情況調(diào)節(jié)供水管網(wǎng)的閥門開度，具體而言，當(dāng)系統(tǒng)檢測到某一段管網(wǎng)發(fā)生漏損時(shí)，自動(dòng)控制閥門可以迅速調(diào)節(jié)水流，降低水壓，以減小漏損的影響。

8.根據(jù)權(quán)利要求1或2所述的基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，其特征在于：所述數(shù)據(jù)預(yù)處理模塊對原始數(shù)據(jù)進(jìn)行去噪處理時(shí)，采用小波變換方法，去噪后的信號(hào)x′(t)通過以下公式表示：

9.根據(jù)權(quán)利要求1或5所述的基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，其特征在于：所述漏損識(shí)別模塊采用神經(jīng)網(wǎng)絡(luò)進(jìn)行漏損識(shí)別，神經(jīng)網(wǎng)絡(luò)的損失函數(shù)為：

10.根據(jù)權(quán)利要求1或9所述的基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，其特征在于：所述神經(jīng)網(wǎng)絡(luò)模型采用多層感知機(jī)mlp結(jié)構(gòu)，包括輸入層、若干隱藏層和輸出層，輸入層接受特征提取模塊輸出的特征向量，隱藏層通過非線性激活函數(shù)處理數(shù)據(jù)，輸出層生成漏損識(shí)別結(jié)果，模型通過反向傳播算法進(jìn)行訓(xùn)練，優(yōu)化參數(shù)，以達(dá)到最佳的識(shí)別性能。

技術(shù)總結(jié)
本發(fā)明提供了一種基于變分模態(tài)分解的供水管網(wǎng)漏損識(shí)別系統(tǒng)，包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、變分模態(tài)分解、特征提取、漏損識(shí)別和報(bào)警及控制模塊。數(shù)據(jù)采集模塊在關(guān)鍵節(jié)點(diǎn)實(shí)時(shí)收集壓力和流量數(shù)據(jù)，數(shù)據(jù)預(yù)處理模塊對原始數(shù)據(jù)進(jìn)行清洗、去噪和標(biāo)準(zhǔn)化處理。變分模態(tài)分解模塊將預(yù)處理后的數(shù)據(jù)分解為若干本征模態(tài)函數(shù)，每個(gè)IMF代表不同頻率成分。特征提取模塊從IMF中提取能量、頻率和幅值特征，構(gòu)成特征向量。漏損識(shí)別模塊基于這些特征進(jìn)行漏損識(shí)別和定位，采用支持向量機(jī)或神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法進(jìn)行分類和預(yù)測。報(bào)警及控制模塊在檢測到漏損時(shí)生成報(bào)警信息，通過短信和郵件通知維護(hù)人員，同時(shí)自動(dòng)調(diào)節(jié)供水管網(wǎng)的運(yùn)行參數(shù)。

技術(shù)研發(fā)人員：張衛(wèi)平,曹曦文,孫展祥
受保護(hù)的技術(shù)使用者：西北工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21