基于时频卷积神经网络的供水管道漏损检测

针对供水管道漏损现场检测误判、耗时、低效等问题,基于地面振动信号和时频卷积神经网络设计了漏损信号自动识别模型。将采集的地面振动信号进行连续小波变换,得到了包含漏损特征的时频图像,将其输入到卷积神经网络,并对网络超参数进行优化,最终得到了漏损识别模型。结果表明,最终模型在测试集的平均准确率为97.3%,针对检漏人员难以区分的漏损点与漏损点附近的可疑信号平均识别率分别为91.0%和92.3%,具备良好的诊断漏损能力。相比支持向量机、决策树等方法,所提出的方法具有更高的准确率。