基于声学特征的埋地管道堵塞故障的聚类识别方法-云南大学学报.pdfVIP

云南大学学报（自然科学版），２０１８，４０（４）：６６５～６７５ ＤＯＩ：１０．７５４０／ｊ．ｙｎｕ Ｊｏｕｒｎａｌ ｏｆ Ｙｕｎｎａｎ Ｕｎｉｖｅｒｓｉｔｙ 基于声学特征的埋地管道堵塞故障的聚类识别方法∗ １，２ １，２ １，２ １，２ 朱雪峰 ，冯　 早 ，黄国勇 ，李　 洋 （１．昆明理工大学 信息工程与自动化学院，云南 昆明　 ６５０５００； ２．云南省矿物管道输送工程技术研究中心，云南 昆明　 ６５０５００） 摘要：针对在实际工程应用中埋地排水管道不同程度的堵塞难以检测的问题，提出了一种基于声学特征的 管道堵塞故障类型的聚类识别方法．首先对管道中采集的声学信号进行声压级变换，以增加不同故障类型之间 的区分度，其次对声压级信号进行总体平均经验模态分解（Ｅｎｓｅｍｂｌｅ Ｅｍｐｉｒｉｃａｌ Ｍｏｄｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＥＭＤ），利 用皮尔逊相关系数选取前４个 ＩＭＦ分量并提取中心频率和能量占比作为聚类特征，之后采用主成分分析法 － － （Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ，ＰＣＡ）对特征向量进行降维，最后通过ＦＣＭ（（Ｆｕｚｚｙ Ｃ ｍｅａｎｓ））和ＧＫ（Ｇｕｓｔａｆｓｏｎ － Ｋｅｓｓｅｌ），ＧＧ（Ｇａｔｈ Ｇｅｖａ）３种聚类学习方法对特征向量进行堵塞故障的聚类和识别．实验结果表明，该方法能 有效识别排水管道内不同程度的堵塞故障，具有一定的工程实用价值． 关键词：埋地排水管道；声学无损检测，堵塞故障诊断；总体平均经验模态分解；聚类分析 － － － 中图分类号：ＴＰ ２７７　 　 文献标志码：Ａ　 　 文章编号：０２５８ ７９７１（２０１８）０４ ０６６５ １１ ［４］ 　 　 随着城市的不断发展，地下排水管网已成为重 现象．近些年来，魏永合等 提出了一种基于ＥＥ⁃ 要的基础设施．由于管道服役时间的不断延长，管 ＭＤ和ＳＶＭ 的方法，实现了对滚动轴承的故障识 道会出现老化、断裂等各种现象，容易导致管道堵 别，但使用ＳＶＭ对故障进行识别，需要人工对数据 塞事故．因此，如何准确判断管道中有无堵塞物和 进行标签，在实际工程应用中，难以获取数据的标 堵塞程度对保证管道安全运行具有重要意义．管道 签．聚类算法是故障诊断中对未标记数据进行有效 ［１］ ［５］ 堵塞常用的检测方法有压力波法 、电容层析成 分类的常用方法．张玉学等 提出了一种基于ＥＥ⁃ 像法、机器人探堵法等．这些方法存在操作繁杂、在 ＭＤ与ＦＣＭ聚类自动机的故障诊断方法，能有效 检测中容易受到环境限制等缺点，而基于声学的管 地识别自动机的故障类别，但 ＦＣＭ 聚类适用于数 ［６］ 道堵塞检测方法不易受操作人员的主观判断影响， 据分布是球形的样本；黄友朋等 提出了一种基 不需要开挖管道，声音在管道中传播时不受管道运