一种基于VMD和PNCC的U型管运行状态声纹识别方法

一种基于vmd和pncc的u型管运行状态声纹识别方法
技术领域
1.一种基于vmd和pncc的u型管运行状态声纹识别方法，属于管道故障检测技术领域。


背景技术：

2.供水系统和排水系统是城市地下核心网络，扮演着举足轻重的作用。而u型管又是供排水系统中不可或缺的一部分，当地面上存在建筑物、生产设备等重要设施时，为避免由长期共振带来的机械性损伤，相应的地下管道部分将使用下沉式或平铺式u型管道。由于周围环境和介质的改变、管道自然老化和人为破坏，u型管道易发生堵塞和破损变形等故障，若对于故障没有进行及时的处理，不仅会对人民的生活造成严重的影响，而且会带来不可估量的经济损失。因此，对u型管运行状态的识别是必要的。
3.目前研究管道堵塞和泄露的方法主要有压电超声传感器技术、涡流探头、闭路电视、下水道扫描仪评估技术、和探地雷达等。这些方法不但花费高昂，而且还对土地进行不同程度开挖，耗时耗力但效果不一定理想。声学主动检测技术是一种无损检测方法，其优点是实施简单、成本低、效率高、不依赖于实验人员的主观判断。因此，利用声学主动检测技术来获取管道声压信号进行信号处理与模式识别，得出管道的运行状态既经济又实用，成为了研究的热点。


技术实现要素：

4.为了判别u型管不同运行状态的问题，本发明提出了一种基于vmd和pncc的u型管运行状态声纹识别方法。
5.本发明的技术方案是：一种基于vmd和pncc的u型管运行状态声纹识别方法，所述的方法具体步骤如下：
6.step1、通过数据采集装置对不同运行状态下的u型管进行数据采集，获得不同运行状态下的低频声压信号数据；
7.其中，数据采集装置包括计算机、声卡、功率放大器、扬声器、水听器、滤波器、两根带有固定装置的伸缩杆。数据采集的具体过程为：操作人员先将分别固定在伸缩杆上的扬声器和水听器通过伸缩杆从u型管两侧伸入到底部弯管处，然后通过操作计算机控制声卡发出检测信号，检测信号通过功率放大器经由扬声器发射到u型管中，然后另一侧的水听器采集到检测信号通过滤波器后长传至计算机中，存储信噪比较低的管道声压信号数据。
8.step2、对不同运行状态下的声压信号进行变分模态分解，获得不同频段下的模态分量；
9.step3、利用最大中心频率准则确定最大模态分量数k，同时选取有效的模态分量；
10.其中，确定最大模态分量数k和有效模态分量的具体过程为：对不同运行状态下的声压数进行变分模态分解，按照最大中心频率准则选取最大分解数，其中最大中心频率准则定义是当分解数目为k时，第k
‑
1个模态分量的中心频率和第k个模态分量的中心频率保
持相对稳定则最佳分解数k,若中心频率不稳定则最佳分解数目不为k，然后根据检测信号的频率范围确定有效模态分量的数目，具体为模态分量的中心频率不能超过检测信号的最大频率。
11.step4、对有效地模态分量提取pncc系数，构建能表征u型管不同运行状态的特征向量集；
12.其中，提取pncc系数的具体过程为：对有效模态分量先进行分帧、加窗；对其求取快速傅里叶变换；取幅值平方；gammatone滤波器频率整合；时频归一化；中间能量偏差移除；计算非线性函数幂；离散余弦变换；最后得到能量归一化倒谱系数(pncc)，构建能表征u型管不同运行状态的特征向量样本集。
13.step5、将特征向量样本集分为测试样本集和训练样本集，其中比例为3：7。然后将训练样本集用于模型的训练，测试样本集用于模型的测试；
14.本发明的有益效果是：
15.1检测方法是一种无损检测，它既不依赖于检测人员的主观判断，也没有对管道有任何创伤，易操作性强。
16.2利用声学检测方法，可以让实验人员不下管道的同时也能获得大量的关于管道运行状态声学信息。
17.3提取pncc系数构建特征向量能较好地表征管道不同的运行状态，从而达到对管道运行状态的识别。
18.4pncc
‑
elm声纹识别模型识别准确率较高，可靠性较强。
附图说明
19.图1是本发明的数据采集装置简图；
20.图2是本发明的方法流程图；
21.图3为模态分量幅值谱图；
22.图4为提取pncc系数流程图；
具体实施方式
23.下面结合附图和具体实施方式，对本发明作进一步说明。
24.实施例1：基于vmd和pncc的u型管运行状态声纹识别方法，其声压信号数据采集装置如附图1所示。实施过程为：操作人员首先将固定在伸缩杆上的水下扬声器和水听器从u型管两侧伸入到底部弯管处，然后通过操作计算机控制声卡产生时间长度为10s，频率范围为100
‑
6000hz的正弦扫频信号，其中声卡品牌与型号为华硕xonar essence stx ii 7.1，正弦扫频信号经功率放大器进行功率放大，通过固定在伸缩杆上的水下扬声器发射到u型管中，其中选用的功率放大器和水下扬声器型号分别为drv603pwr和evum30。固定在另一根伸缩杆上的水听器接收声压信号，经滤波器进行滤波后，上传至计算机中存储信噪比较低的声压信号，其中滤波器的型号为kemo vbf 40。
25.按照方法流程图(如图2)来对本实施例进行说明。
26.信号的获取：为了模拟管道中不同的运行状态，我们在u型管底部的直管处放置了一个高度约为管道直径三分之一的石质挡板模拟堵塞物，同时在底部直管上表面开凿一个
长度为120mm，宽度为70mm的孔来模拟泄漏，然后搭建了一个如附图1所示的实验平台来进行数据采集。其中堵塞运行状态下的样本数量为100组，泄漏运行状态下的样本数量为100组，正常运行状态下的样本数量为100组。
27.信号去噪和分量选取：首先对采集得到的声压信号进行变分模态分解，根据模态分量的幅值谱图如附图3(a)、3(b)、3(c)所示，图3(a)和图3(b)的最大中心频率发生改变，说明模态欠分解。图3(b)和图3(c)的最大中心频率相对稳定，所以最大分解数为3。因为信号的发射频率范围为100
‑
6000hz，根据模态分量的中心频率不超过信号的发射频率的准则，选取模态分量1作为有效模态分量。
28.特征提取：将有效模态分量提取pncc系数，构建特征向量样本集。其中特征提取的流程如附图4所示。
29.模型训练与测试：将特征向量样本集分成测试样本集和训练样本集，其中测试样本集和训练样本集的比例为3：7，测试样本集用于elm声纹模型的训练，测试样本集用于elm声纹模型的测试。
30.实施例2：为了验证本发明的鲁棒性，我们在u型管底部直管中放置了两个高度不同的石质挡板用于模拟堵塞物，其中高度分别为管道直径的三分之一和管道直径的5分之一，同时在底部直管的上表面开凿一个长度约为200mm的裂缝来模拟泄漏，通过数据采集装置进行数据采集得到声压信号，其中数据采集流程和实施例1一样，得到堵塞运行状态的样本量为100组，泄漏运行状态的样本量为100组，正常运行状态下的样本数量为100组。然后经过变分模态分解对信号进行去噪，通过模态分量的幅值谱图来确定最大分解数和有效模态分量。最后构建特征向量样本集用于模型的训练与测试，其中测试样本集和训练样本集的比例为2：8，声纹模型输出准确率越高，则该模型可靠性和鲁棒性越好。
31.实施例3:为了验证本发明提出方法的有效性和可靠性，我们在u型管直管和弯管结合处留有缝隙并放置堵塞物用来模拟堵塞与泄漏，其中缝隙长度为5mm，堵塞物的高度为管道直径的三分之一。通过数据采集装置进行数据采集得到声压信号，其中数据采集流程和实施例1一样，得到堵塞运行状态的样本量为200组，泄漏运行状态的样本量为200组，正常运行状态下的样本数量为200组。然后经过变分模态分解对信号进行去噪，通过模态分量的幅值谱图来确定最大分解数和有效模态分量。最后构建特征向量样本集用于模型的训练与测试，其中测试样本集和训练样本集的比例为3：7，若声纹模型识别和准确高，说明本发明提出的方法能够检测不同位置堵塞物，也能检测不同位置下发生的泄漏，证明本发明提出方法的有效性和可靠性。
32.以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。