本申請涉及輸油管道泄露，例如涉及一種輸油管道泄漏智能監(jiān)測和定位方法及裝置。
背景技術：
1、近年來，隨著能源需求的不斷增長，輸油管道作為能源運輸?shù)闹匾ǖ?，其安全運營變得尤為關鍵。由于管道的長距離輸送過程和所處的復雜環(huán)境，泄漏問題一直是行業(yè)面臨的挑戰(zhàn)之一。
2、傳統(tǒng)的管道泄漏監(jiān)測方法為質量平衡法、負壓波方法和壓力點分析等方法，但這些方法存在誤報率高以及無法定位等缺陷，無法滿足智能化監(jiān)測需求。為了提高泄漏監(jiān)測的效率和準確性，分布式光纖傳感器被引入管道泄漏檢測中。這項技術基于光纖傳感器，通過在光纖中引入微小的摻雜或反射點，實現(xiàn)了對溫度和振動，等環(huán)境參數(shù)的高精度實時監(jiān)測。相較于傳統(tǒng)的傳感器技術，分布式光纖傳感器具有更高的靈敏度和空間分辨率。
3、目前大部分研究采用單一的光纖溫度傳感檢測系統(tǒng)或振動檢測系統(tǒng)來識別管道泄漏。然而單一的溫度變量或者振動變量有可能是由于外界環(huán)境和操作引起的，會使得系統(tǒng)的誤報率變大。由于管道泄漏必然會引起溫度和振動的同時變化，因此將溫度和振動信號結合在一起進行融合處理，能夠獲取到更多的管道狀態(tài)信息和信號特征，極大的提高泄漏檢測的準確率。
4、此外，目前大部分應用的工程中的泄露檢測原理是基于閾值識別法，即基于對信號進行閾值分析，在檢測過程中，一旦溫度或振動信號超過所設定的閾值，檢測系統(tǒng)就會進行預警。這種方法更為便捷，但閾值的設定也會導致檢測的準確率容易受到外界的干擾。
5、通常通過人工提取特征向量依賴于經(jīng)驗知識，且可能無法提取出信號中的全部特征信息，且這些模型主要關注管道的安全狀態(tài)，沒有進一步對相應的問題點進行定位，不便于快速采取相應的檢維修措施。
技術實現(xiàn)思路
1、為了對披露的實施例的一些方面有基本的理解，下面給出了簡單的概括。所述概括不是泛泛評述，也不是要確定關鍵/重要組成元素或描繪這些實施例的保護范圍，而是作為后面的詳細說明的序言。
2、一方面，本公開實施例提供一種輸油管道泄漏智能監(jiān)測和定位方法，包括：
3、采集光纖溫度和振動信號；
4、基于所述光纖溫度和振動信號，構建深層卷積神經(jīng)網(wǎng)絡融合模型；
5、采集實時光纖溫度和振動信號，將所述實時光纖溫度和振動信號輸入深層卷積神經(jīng)網(wǎng)絡融合模型進行識別，根據(jù)輸出的分類結果進行管道泄漏狀態(tài)識別，根據(jù)輸出的回歸結果進行泄露點定位。
6、進一步，所述采集光纖溫度和振動信號，包括：
7、搭建管道泄露模擬試驗臺，將分布式溫度光纖和振動光纖布置到管道上；
8、采用分布式溫度光纖傳感器采集管道各個位置的光纖溫度信號；
9、采用分布式振動光纖傳感器采集管道在同一狀態(tài)下相同時間內各個位置的光纖振動信號；
10、記錄管道狀態(tài)，其中，所述管道狀態(tài)為樣本數(shù)據(jù)標簽，包括管道泄漏、管道未泄漏和泄漏點位置。
11、進一步，所述基于所述光纖溫度和振動信號，構建深層卷積神經(jīng)網(wǎng)絡融合模型，包括：
12、將采集的光纖溫度和振動信號進行預處理，并將處理后的數(shù)據(jù)劃分為訓練集、測試集和驗證集，其中，所述預處理至少包括數(shù)據(jù)清洗、歸一化處理；所述數(shù)據(jù)清洗包括異常值或/和壞值剔除；所述歸一化處理包括對溫度進行歸一化處理；
13、采用溫度和振動信號數(shù)據(jù)訓練集對模型進行學習訓練，并通過溫度和振動信號數(shù)據(jù)測試集對模型進行測試，直至模型的準確率滿足預設要求，獲得基于深層卷積神經(jīng)網(wǎng)絡的融合模型。
14、進一步，所述樣本數(shù)據(jù)標簽在訓練集、測試集和驗證集中成比例均分。
15、進一步，所述采用溫度和振動信號數(shù)據(jù)訓練集對模型進行學習訓練，并通過溫度和振動信號數(shù)據(jù)測試集對模型進行測試，直至模型的準確率滿足預設要求，獲得基于深層卷積神經(jīng)網(wǎng)絡的融合模型，包括：
16、構建兩個輸入形狀不同但輸出形狀相同的卷積神經(jīng)網(wǎng)絡提取溫度信號和振動信號的特征；
17、通過融合神經(jīng)網(wǎng)絡模型將兩個卷積神經(jīng)網(wǎng)絡的輸出拼接在一起，得到管道泄漏狀態(tài)分類和回歸定位。
18、進一步，所述構建兩個輸入形狀不同但輸出形狀相同的卷積神經(jīng)網(wǎng)絡提取溫度信號和振動信號的特征，包括：
19、采用二維卷積層提取一段時間內管道長度上所有采樣點構成的具有時間和空間維度的溫度信號和振動信號。
20、進一步，所述采用二維卷積層提取一段時間內管道長度上所有采樣點構成的具有時間和空間維度的溫度信號和振動信號中，若二維卷積層數(shù)的堆疊造成模型梯度變化，進入殘差塊結構對網(wǎng)絡結構進行優(yōu)化。
21、進一步，所述根據(jù)輸出的分類結果進行管道泄漏狀態(tài)識別，根據(jù)輸出的回歸結果進行泄露點定位，包括：
22、當分類結果為無泄漏時，不進行回歸運算，將回歸值輸出為0，表示管道無泄漏；
23、當管道泄漏狀態(tài)為發(fā)生泄漏時，則進行回歸運算，輸出回歸值，其中，
24、所述回歸值為管道泄漏點位置；其中，
25、通過計算損失函數(shù)衡量預測誤差的大小，獲得定位的位置。
26、另一方面，本發(fā)明提出了一種輸油管道泄漏智能監(jiān)測和定位裝置，包括：
27、采集模塊，用于采集光纖溫度和振動信號；
28、構建模塊，用于基于所述光纖溫度和振動信號，構建深層卷積神經(jīng)網(wǎng)絡融合模型；
29、識別模塊，用于采集實時光纖溫度和振動信號，將所述實時光纖溫度和振動信號輸入深層卷積神經(jīng)網(wǎng)絡融合模型進行識別，根據(jù)輸出的分類結果進行管道泄漏狀態(tài)識別，根據(jù)輸出的回歸結果進行泄露點定位。
30、進一步，所述采集模塊，包括：
31、搭建模塊，用于搭建管道泄露模擬試驗臺，將分布式溫度光纖和振動光纖布置到管道上；
32、第一采集模塊，用于采用分布式溫度光纖傳感器采集管道各個位置的光纖溫度信號；
33、第二采集模塊，用于采用分布式振動光纖傳感器采集管道在同一狀態(tài)下相同時間內各個位置的光纖振動信號；
34、第三記錄模塊，用于記錄管道狀態(tài)作為樣本數(shù)據(jù)標簽，其中，所述管道狀態(tài)包括管道泄漏、管道未泄漏、以及泄漏點位置。
35、本公開實施例提供的一種輸油管道泄漏智能監(jiān)測和定位方法及裝置，可以實現(xiàn)以下技術效果：
36、(1)本發(fā)明基于深度學習模型，能夠精準的監(jiān)測管道泄漏狀態(tài)，提升了識別的準確率；
37、(2)本發(fā)明將原始信號直接輸入深層卷積神經(jīng)網(wǎng)絡融合模型中，通過卷積層自動提取特征，實現(xiàn)分類和回歸任務，極大地減小了人工參與量；
38、(3)本發(fā)明將分布式光纖溫度和振動信號結合在一起，模型輸入為雙參量，為此在傳統(tǒng)卷積神經(jīng)網(wǎng)絡中加入了融合網(wǎng)絡結構，該結構可應用范圍廣，還可以用于管道上安裝了多傳感器的多參量管道狀態(tài)監(jiān)測；
39、(4)本發(fā)明在應用時無需改變管道結構，安裝簡便，還可以實現(xiàn)管道的多參量連續(xù)監(jiān)測和預警。
1.一種輸油管道泄漏智能監(jiān)測和定位方法，其特征在于，包括：
2.根據(jù)權利要求1所述的一種輸油管道泄漏智能監(jiān)測和定位方法，其特征在于，所述采集光纖溫度和振動信號，包括：
3.根據(jù)權利要求2所述的一種輸油管道泄漏智能監(jiān)測和定位方法，其特征在于，所述基于所述光纖溫度和振動信號，構建深層卷積神經(jīng)網(wǎng)絡融合模型，包括：
4.根據(jù)權利要求3所述的一種輸油管道泄漏智能監(jiān)測和定位方法，其特征在于，所述樣本數(shù)據(jù)標簽在訓練集、測試集和驗證集中成比例均分。
5.根據(jù)權利要求3所述的一種輸油管道泄漏智能監(jiān)測和定位方法，其特征在于，所述采用溫度和振動信號數(shù)據(jù)訓練集對模型進行學習訓練，并通過溫度和振動信號數(shù)據(jù)測試集對模型進行測試，直至模型的準確率滿足預設要求，獲得基于深層卷積神經(jīng)網(wǎng)絡的融合模型，包括：
6.根據(jù)權利要求5所述的一種輸油管道泄漏智能監(jiān)測和定位方法，其特征在于，所述構建兩個輸入形狀不同但輸出形狀相同的卷積神經(jīng)網(wǎng)絡提取溫度信號和振動信號的特征，包括：
7.根據(jù)權利要求6所述的一種輸油管道泄漏智能監(jiān)測和定位方法，其特征在于，所述采用二維卷積層提取一段時間內管道長度上所有采樣點構成的具有時間和空間維度的溫度信號和振動信號中，若二維卷積層數(shù)的堆疊造成模型梯度變化，進入殘差塊結構對網(wǎng)絡結構進行優(yōu)化。
8.根據(jù)權利要求1所述的一種輸油管道泄漏智能監(jiān)測和定位方法，其特征在于，所述根據(jù)輸出的分類結果進行管道泄漏狀態(tài)識別，根據(jù)輸出的回歸結果進行泄露點定位，包括：
9.一種輸油管道泄漏智能監(jiān)測和定位裝置，其特征在于，包括：
10.根據(jù)權利要求9所述的一種輸油管道泄漏智能監(jiān)測和定位裝置，其特征在于，所述采集模塊，包括：