基于支持向量機與多特征融合的城市燃氣管道泄漏聲發(fā)射診斷技術研究.pdf

1、為提高城市燃氣管道泄漏檢測能力，預防燃氣泄漏事故發(fā)生，將信息融合技術引入到管道泄漏檢測領域，并提出一種基于 D-S證據理論與支持向量機（SVM）的城市燃氣管道泄漏聲發(fā)射診斷技術。在實驗室條件下，采集管道不同位置和不同周期的聲發(fā)射傳感器信號，運用小波分析法提取并選擇出五種能反映管道運行狀態(tài)的特征參數，輸入SVM分類器中進行初次分類，然后根據識別結果構造基本概率指派（BPA），再運用組合規(guī)則對不同時空域數據進行 D-S融合，最后根據判決門限

2、得出決策結果。將這種支持向量機與多特征融合的泄漏診斷技術應用于實驗室管道泄漏檢測系統(tǒng)中進行試驗驗證，獲得了以下研究結論：
　?。?）運用小波分析法提取出的聲發(fā)射特征參數能較好地反映管道的實際運行狀態(tài)。利用 SVM二分類模型的硬判斷結果形成的后驗概率輸出，可以合理構造D-S融合所需的BPA，可有效解決證據融合理論無法直接使用向量機硬輸出結果的問題。
　?。?）采用 SVM-DS管道泄漏診斷方法要比單一分類器或單獨進行D-S融合

3、的準確率更高。這是由于單一分類器在分類過程中經常受到不確定性因素的干擾；小樣本數據條件下BPNN等模式識別方法性能不穩(wěn)定，直接進行D-S融合時難以構造出更為合理的BPA，這都會導致診斷準確率的下降。因此采用SVM分類器在樣本數量較少的情況下也可以給出合理的BPA值，再通過DS融合降低證據的不確定性，使得整個診斷系統(tǒng)具有較強的魯棒性，最終的決策結果更加準確、可靠。
　　（3）基于支持向量機與多特征融合的聲發(fā)射診斷技術可以較好地應用于