改进CNN的供水管道泄漏声音识别

为了检测供水管道是否出现泄漏,同时针对人工检测精度低、背景噪音难以去除和现有检测设备的实用性低等问题,研究了一种基于卷积神经网络(convolutional neural network,CNN)的供水管道泄漏声音识别方法。首先设计水下机器人的供水管道内部声音实时采集系统,并利用用户数据报协议(user datagram protocol/internet protocol,UDP/IP)通信技术将该系统采集的声音信息上传至上位机,并对供水管道内的声音进行泄漏和不泄漏的划分且制作成数据集,提取泄漏音频和不泄漏音频样本的梅尔谱特征图,根据实时性选用轻量级卷积神经网络ShuffleNet V2进行训练和识别;其次引入卷积注意力模块(convolution block attention module,CBAM)到网络模型中,并对ShuffleNet V2的Unit1单元进行改进,提出了Unit1_y单元;最后将改进后的网络与MobileNet V3、ResNet18等轻量级网络进行对比。试验结果表明,改进后的网络模型相较于其他的模型对供水管道漏泄声音识别效果最佳且参数量低,占用上位机运算资源少,测试集识别率达到92.14%,验证了算法的有效性。

高压釜泄漏声音的高频高阶空间交互识别算法研究

高压釜是湿法冶金领域常用的重要设备,存在危险气体泄漏的风险;同时,泄漏会导致高压釜内压不稳,严重时甚至引起爆炸,威胁设备和生产安全;针对高压釜泄漏导致的危险和威胁,提出了一种高压釜泄漏声音的高频高阶空间交互识别算法,用于监测高压釜泄漏发生时的声音,从而及时发现泄漏并采取相应的措施,确保设备和生产安全;该算法首先通过高通滤波器消除低频噪声对于识别结果的干扰,然后利用递归门控卷积块实现高频分量在高阶空间的交互,最后使用全卷积层识别高压釜泄漏的声音;实验结果表明,所提算法具有较好的高压釜泄漏识别效果,平均置信度达到0.93,以0.65作为置信度阈值时,识别准确率可达到99.5%;在处理速度上,算法能够每秒识别60个5秒长的音频文件,满足实时性的需求。

冷却剂泄漏监测系统在核电厂的应用

为应用LBB准则,法规要求需至少设置3种不同的、多样的独立的方法来监测系统管道冷却剂的泄漏,并对泄漏监测系统的灵敏度提出了具体的要求。除常规的辐射、地坑液位等泄漏监测外,田湾核电站设计、安装了两套不同原理的额外在线泄漏监测系统,包括声音泄漏监测系统和湿度泄漏监测系统。介绍了这两种泄漏监测系统的布置、主要传感器结构及参数性能,描述了其监测的灵敏度,并介绍了核电站技术规格书中对这两种泄漏监测系统的要求和出现泄漏后的响应行动。

声音泄漏及防护技术研究

声音是信息存在的一种形式,声音泄漏是信息泄露的途径之一。本文系统分析了声音泄露的途径和被窃听的风险,研究了窃听麦克风特性,提出了声音信息防护措施建议。

声掩蔽技术浅析

保密会议室等重要场所围护结构的缺陷会导致声音泄漏隐患。声掩蔽技术通过产生特定的声音,对泄漏的语音进行干扰,是保障声音信息安全的重要手段。本文从关键技术及评价方法等方面对声掩蔽技术进行了分析,指出目前存在的问题,并对未来发展提出了建议,为声掩蔽系统的研发、测试、使用及维护提供参考。