一种基于FRFT域特征融合的管道堵塞识别方法技术

本发明专利技术公开了一种基于FRFT域特征融合的管道堵塞识别方法，将预处理后的管道堵塞故障数据集映射到多阶次分数阶傅里叶变换时频平面，计算各阶次的样本熵特征并构建特征集，进而采用欧式距离法计算各阶次特征的权重并实现加权融合，最后利用融合特征进行管道堵塞故障识别，获得识别结果；本发明专利技术提供的方法中，不同阶次的分数阶傅里叶变换是对信号在不同角度下、进行频域分解，体现出不同的能量分布，可以提取不同的细节特征，具有不同的分类性能，相较于现有技术声学识别更准确。相较于现有技术声学识别更准确。相较于现有技术声学识别更准确。

【技术实现步骤摘要】
一种基于FRFT域特征融合的管道堵塞识别方法


[0001]本专利技术属于管道故障检测
，具体属于一种基于FRFT域特征融合的管道堵塞识别方法。

技术介绍

[0002]特征融合在图像识别领域已经得到了广泛的应用，如人脸识别、基于内容的图像检索等，随着各国学者的不断深入研究，已经在图像识别领域取得了许多成果，但声学识别领域却鲜有相关研究，而且研究方向多为语音识别领域，如情绪识别。随着声学检测技术的快速发展，声学信号特征提取方法使得信号所包含的信息可以更有效的保存下来，同时对于声学识别系统来说，信号所包含的有效信息保存的越多，整个系统的识别效果就会越好。因此，特征融合技术对于整个声音识别系统的识别性能和泛化性能起着至关重要的作用。
[0003]常规的特征融合方法如串联融合、降维融合都是对目标样本数据映射到某一特定空间后提取几类特征向量进行特征融合，但是声学管道检测得到的回波信号有较高的重叠性，仅仅将几类独立的没有统一量纲的特征用特定算法融合会丢失特征本身所表达的信息，降低识别准确率。
[0004]因此，当下需要一种能优化信息融合并提高识别准确率的管道堵塞识别方法。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供了一种基于FRFT域特征融合的管道堵塞识别方法，该方法多个方面挖掘一个特征的深层含义，并将这些特征信息融合，将融合这个概念聚焦到特征本身，充分提高对特征信息的利用程度提高信号特征的辨别能力，运用模式识别以准确高效的进行埋地排水管道堵塞情况的识别。
[0006]为了达到上述目的，本专利技术是通过以下技术方案实现的：一种基于FRFT域特征融合的管道堵塞识别方法，将预处理后的管道堵塞故障数据集映射到多阶次分数阶傅里叶变换时频平面，计算各阶次的样本熵特征并构建特征集，进而采用欧式距离法计算各阶次特征的权重并实现加权融合，最后利用融合特征进行管道堵塞故障识别，获得识别结果；
[0007]进一步的，所述该管道堵塞识别方法，具体包括以下步骤：
[0008]Step1、采集不同堵塞情况的低频声学信号数据，并进行小波降噪，获得降噪后的管道堵塞故障数据；
[0009]Step2、分别将Step1处理后的管道堵塞故障数据映射到多阶次FRFT时频平面，计算各阶次的样本熵特征，构建特征集；
[0010]Step3、采用欧式距离法计算Step2中各阶次特征的权重并实现加权融合；
[0011]Step4、利用Step3得到的融合特征最终特征融合矩阵作为输入放入SVM分类器进行有标签的监督识别分类。
[0012]进一步的，所述Step2中将去噪后的管道堵塞故障数据集进行FRFT，提取不同分数阶域下数据集的样本熵特征，通过比较类内平均差、类间样本熵值得到集中度、区分度较高
的最优阶次区间；
[0013]进一步的，所述Step3中通过欧氏判据得到最优阶次区间各阶次的权重矩阵，从而得到的特征集合在权重矩阵下的最终特征融合矩阵；
[0014]进一步的，所述Step4将得到的融合特征分类识别率结果与权重较大的几个较优阶次的分类识别率结果进行对比，将对比结果对step5所述的特征融合方法进行评价。
[0015]1、本专利技术提供的方法中，不同阶次的分数阶傅里叶变换是对信号在不同角度下、进行频域分解，体现出不同的能量分布，可以提取不同的细节特征，具有不同的分类性能，相较于现有技术声学识别更准确。
[0016]2、本专利技术从多个方面去挖掘一个特征的深层含义，并将这些特征信息融合，将融合这个概念聚焦到特征本身，充分提高对特征信息的利用程度。
[0017]3、本专利技术通过提取经最优阶次区间的样本熵融合特征，可以将对象的故障类别进行区分，该方法聚焦于对象的特征的信息熵而不拘泥于对象的类别，可以实现不同故障检测领域的识别分类。
附图说明
[0018]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍。
[0019]图1是本专利技术中FRFT域特征融合识别方法流程示意图；
[0020]图2是本专利技术中声学信号数据采集装置简图；
[0021]图3是本专利技术中20mm堵塞信号图；
[0022]其中，图(a)为20mm堵塞原始信号，图(b)为20mm堵塞小波消噪信号，图(c)为20mm堵塞FRFT信号；
[0023]图4是本专利技术中四类样本在分数阶空间的样本熵分布图；
[0024]其中，图(a)为p<0.5时的样本熵分布图，图(b)为p>0.时的样本熵分布图；
[0025]图5是本专利技术中四类样本各20组数据在分数阶空间的平均差分布图；
[0026]其中，图(a)为轻度堵塞的平均差分布图，图(b)为中度堵塞的平均差分布图，图(c)为重度堵塞的平均差分布图，图(d)为正常管道的平均差分布图；
[0027]图6是本专利技术中四类样本在最优区间的样本熵分布图；
[0028]图7是本专利技术中最优区间权重柱状图。
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述；所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0030]实施例1
[0031]一种基于FRFT域特征融合的管道堵塞识别方法，具体包括以下步骤：
[0032]Step1、通过数据采集装置对多类运行状况埋地排水管道进行检测，获得不同堵塞情况的低频声压信号数据；
[0033]其中，声学仪器包括水听器和扬声器，数据采集装置包括计算机、声卡、功率放大器，滤波器。水听器与滤波器连接，功率放大器与扬声器连接，功率放大器与声卡连接，声卡
与计算机连接。具体实现过程为实验人员将经功率放大器放大后的声学信号释放到管道中，之后通过水听器接收声回波信号，经过滤波器去除噪音，最后上传至计算机获得不同堵塞情况的低频声学信号数据。
[0034]其中，不同堵塞情况为55mm、40mm和20mm三种不同高度的石质挡板模拟堵塞物，定义堵塞物高度是55mm的为重度堵塞，堵塞物高度是40mm的为中度堵塞，堵塞物高度是20mm的为轻度堵塞。
[0035]Step2、分别对Step1中获得的不同堵塞情况的低频声学信号数据进行小波降噪，获得降噪后的管道堵塞故障数据；
[0036]Step3、分别将Step2处理后的管道堵塞故障数据映射到多阶次FRFT时频平面，计算各阶次的样本熵特征，构建特征集；
[0037]其中，将去噪后的管道堵塞故障数据集进行FRFT，提取不同分数阶域下数据集的样本熵特征，通过比较类内平均差、类间样本熵值得到集中度、区分度较高的最优阶次区间。
[0038]Step4、采用欧式距离法计算Step3中各阶次特征的权重并实现加权融合；
[0039]其中，通过欧氏判据得到最优阶次区间各阶次的权重矩阵，从而得到的特征集合在权重矩阵下的最终特征融合矩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FRFT域特征融合的管道堵塞识别方法，其特征在于，将预处理后的管道堵塞故障数据集映射到多阶次分数阶傅里叶变换时频平面，计算各阶次的样本熵特征并构建特征集，进而采用欧式距离法计算各阶次特征的权重并实现加权融合，最后利用融合特征进行管道堵塞故障识别，获得识别结果。2.根据权利要求1所述一种基于FRFT域特征融合的管道堵塞识别方法，其特征在于，所述该管道堵塞识别方法，具体包括以下步骤：Step1、采集不同堵塞情况的低频声学信号数据，并进行小波降噪，获得降噪后的管道堵塞故障数据；Step2、分别将Step1处理后的管道堵塞故障数据映射到多阶次FRFT时频平面，计算各阶次的样本熵特征，构建特征集；Step3、采用欧式距离法计算Step2中各阶次特征的权重并实现加权融合；Step4、利用Step3得到的融合特征最终特征融...

【专利技术属性】
技术研发人员：冯早，曹哲，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：