仪器仪表学报

作者：花靖开，郎宪明

单位：花靖开,辽宁石油化工大学信息与控制工程学院抚顺113001,,郎宪明,辽宁石油化工大学信息与控制工程学院抚顺113001,langxianming@lnpu.edu.cn,

关键词：天然气管道;小泄漏识别;次声波;能量选择

基金：辽宁省自然科学基金项目（2023-MMS-289）、科技创新团队项目（LJ222410148036）资助

管道泄漏是一个不可避免的问题,然而天然气管道小泄漏存在信号微弱、易被强背景噪声淹没等问题，不及时进行处理会造成严重危害，所以及时准确识别是一项艰巨的挑战。故开展了一种基于迭代自更新多元变分模态分解结合小波能量变换和双通道神经网络的有效识别研究。首先，引入参数自更新的多元变分模态分解算法，通过双循环策略不断迭代调整内部模态数量与惩罚因子，实现了对多通道次声泄漏信号的自适应、高保真分解，有效避免了传统检测方式的模态混叠和参数依赖问题；然后，提出自适应连续小波变换增强策略，利用K-means将本征模态函数区分为高能泄漏分量与低能背景分量，并仅针对高能模态信号进行增强策略，同时保留了低能信号的特征完整，针对关键特征增强了信息提取能力；最后，将其输入到所设计的双通道神经网络中。其中高能通道集成了注意机制和最大池，以提高对重要特征的感知，低能量通道使用大的感受野卷积来提取全局背景信息，将不同通道信息进行融合池化操作，利用双路径协同融合提升特征感知能力。最终对实验进行验证，针对小泄漏（孔径≤2mm）的识别准确率达到97.1%，比传统检测方式主流提高了10%，并且在跨场景迁移实验中保持了良好的性能与较短的推理时间，证明了其在实际工程应用中的有效性与鲁棒性。

来源：2026年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第1期