基于一维卷积神经网络的天然气管道泄漏检测模型

针对传统声发射天然气管道手动特征提取困难,以及由于不同管道压力和噪声等条件导致的多种泄漏类型难以处理的问题,提出了一种基于一维卷积的泄漏检测模型。该模型使用原始声发射信号直接作为神经网络输入,在卷积层通过使用较多的卷积核和小卷积尺寸,捕获信号中细微的变化特征;并使用全局平均池化层代替全连接层,降低模型参数,增强网络的泛化能力。实验结果表明,该方法在公开数据集GPLA-12上的24个泄漏类别的准确率达到94.64%,相较于传统检测方法,具有较好的准确性和泛化性。