基于改进卷积神经网络的管道泄漏识别方法

本发明涉及海上平台管道泄漏识别领域，公开了基于改进卷积神经网络的管道泄漏识别方法，首先，在实验室构建管道泄漏模型，采集多种工况的泄漏信号，在“荔湾3‑1”海上平台的19m和29m位置获取真实背景噪声，并将真实背景噪声注入实验室泄漏信号以模拟真实工作环境，最终，对传统一维卷积神经网络进行改进，其核心是引入残差连接增加训练的稳定性，引入最大池化和平均池化减小特征图尺寸，减少计算量，使用Dropout正则化技术防止模型过拟合，使用自适应矩估计优化算法来调整网络权重，之后对卷积神经网络结构进行自适应设计，该方法实现了高准确率的管道泄露识别并且具有良好的鲁棒性，解决了传统机器学习方法严重依赖人工干预，识别流程复杂的问题。