1.前言城市供水管网如同城市的血管绵延数十万公里将清洁的水源源不断地输送到千家万户。然而随着管道老化、气候变化和城市人口增长管网漏损问题日益突出。据2023年中国城市建设状况公报我国城市供水管道总长已达115.31万公里如此庞大的管网系统维护难度可想而知。漏损不仅造成宝贵的水资源流失和经济损失还可能引发水污染威胁用水安全。因此及时、准确地发现管网中的漏损事件对于提升供水运维效率至关重要。传统的漏损检测方法主要有三类。第一类是基于独立计量区域DMA的最小夜间流量法通过分析夜间流量波动来判断是否存在漏损但这种方法高度依赖水力校准且居民用水的随机性会干扰检测结果。第二类是基于流量计和压力计的数据驱动方法利用流量或压力的异常变化识别漏损这类方法对大漏损效果较好但对早期小漏损的灵敏度不足。第三类便是基于声信号的检测方法——当管道发生泄漏时高压水流从裂缝中喷出与管壁摩擦产生特定的声波沿管道传播检测人员只需听出这种异常声音就能判断漏损的存在。传统的人工听音巡检对工作人员的经验要求极高且耗时耗力。近年来随着深度学习技术的发展大量企业/机构开始尝试用算法自动识别漏损声信号。然而现有方法仍面临两大挑战一是信号预处理流程繁琐往往需要针对特定场景设计降噪策略导致模型难以在不同管网环境中快速迁移二是单一谱图变换难以覆盖声信号的全部关键特征可能存在信息缺失。针对这些问题#熵澜科技 提出了一种融合声信号多尺度特征、利用并行时-频注意力卷积神经网络的漏损检测方法MFAN在真实管网数据上实现了98.17%的漏损识别率和零误警。2.把声音变成图片多特征时频谱图的构建声信号本质上是一种随时间变化的振动波单纯看它的振幅随时间变化的波形很难发现其中隐藏的频率信息。而漏损声信号的关键特征恰恰体现在频率成分的分布和变化上。因此行业通常使用谱图变换将时域信号转换为时频域的二维图像——横轴代表时间纵轴代表频率颜色深浅代表能量大小就像给声音拍了一张彩色照片。谱图变换的核心工具是短时傅里叶变换STFT。简单来说就是用一个滑动的时间窗口把长信号切成许多小段对每一小段做傅里叶变换得到该时刻的频率分布最终拼接成一张完整的时频谱图。本文方法的第一个创新点在于同时构建了四种不同尺度的时频谱图从多个角度拍摄声信号实现特征互补。第一种是线性谱图以线性刻度表示频率能量分布频率分辨率均匀擅长捕捉漏损声信号中高频段的细微特征。在金属管道中漏损特征峰值往往集中在2 kHz至6 kHz的高频段线性谱图对这类信息尤为敏感。第二种是对数梅尔谱图通过非线性变换强调低频部分对环境噪声有更好的抑制效果有助于捕捉声信号低频段的动态变化。在塑料管道或传感器距离漏点较远时特征频段可能下移至0.5 kHz至2 kHz对数梅尔谱图便能发挥优势。除了谱图类型的差异我们还设计了不同的快速傅里叶变换FFT窗口长度以获取高时间分辨率和高频率分辨率两种版本。FFT窗口的选择就像拍照时的快门速度窗口越短时间分辨率越高能更清晰地捕捉信号的短时突发变化窗口越长频率分辨率越高能提供更细致的频率结构信息有助于解析微弱的频率特征。这样线性谱图与对数梅尔谱图各有高时间分辨率和高频率分辨率两个版本共四幅谱图完整覆盖了声信号时频特征的四个核心维度。四幅谱图以并行方式同时输入卷积神经网络让模型从多个角度综合判断弥补了单一谱图信息不全的缺陷。值得一提的是与现有方法不同MFAN在谱图变换前不做任何针对性的降噪预处理直接对原始声信号进行变换。这大大简化了处理流程也使得方法更容易迁移到不同的管网环境中。图1 基于MFAN 的漏损检测流程框架有了四幅谱图作为输入接下来需要用卷积神经网络CNN提取特征并判断是否存在漏损。本文方法的第二个创新点是引入了并行的时-频注意力机制让网络学会在时间维度和频率维度上自动抓重点。注意力机制的灵感来源于人类的视觉系统——当我们观察一幅图像时往往会不自觉地将注意力集中在关键区域而忽略无关的背景。在漏损检测中漏损声信号通常表现为连续且无规则的扰动与正常状态下平稳、周期性的背景流动噪声形成鲜明对比。时-频注意力机制的作用就是帮助网络聚焦于这些具有区分度的时频区域抑制背景噪声的干扰。具体而言每幅输入谱图首先经过两个卷积层进行初步特征提取得到一个特征矩阵。随后该特征矩阵被送入并行的时-频注意力模块一条分支沿时间维度计算注意力权重突出信号随时间变化的关键动态另一条分支沿频率维度计算注意力权重强调具有判别力的频率成分。两条分支的输出与原始特征按权重融合公式表达为U αU_T βU_F γU其中U_T为时域特征U_F为频域特征α、β、γ为融合权重衡量时间注意力、频率注意力和原始特征的相对重要性。这种双重注意力机制能够加强网络对细节特征的提取能力学习到区分性更强的声信号特征表示。四幅谱图分别经过两个时-频注意力卷积块后在合并层进行特征拼接将四个通道提取到的特征融合为一个综合特征向量。随后全连接层对融合特征进行变换最终由Softmax分类层输出输入信号属于漏损或非漏损的概率完成漏损检测。整个网络共12层结构简洁而高效。与依赖复杂预处理的传统方法相比MFAN实现了从原始声信号到漏损判断的端到端处理兼具准确性和实用性。图2 技术路线图3.实验验证3.1 数据集与实验设置实验使用两个数据集。Lab-data是实验室规模的物理仿真数据管网含环状和分支两种拓扑结构通过更换四种人为设计的破损管道环向裂缝、纵向裂缝、垫片泄漏、孔口泄漏模拟漏损由两个水听器以8 kHz采样背景噪声用真实环境下录制的交通音频和电锯声模拟。SZ-data是深圳某区域真实地下供水管网的监听数据由安装在阀门上的水听器以4 kHz采样记录漏损修复前后多次采集的声信号漏损与无漏损各40段、每段10秒背景为监听时刻的真实环境噪声。图3水听器安装现场效果针对两个数据集体量偏小的情况实验将所有音频按1秒长度分割以提升样本数量检测过程以秒级速度针对每段音频执行。每个算法在同一组数据上均重复10次实验取各指标的平均值和标准差。评估指标为准确率、识别率、误警率和F1值四项。一个好的漏损检测算法应在高识别率的同时保持低误警率。3.2 真实管网数据上的检测结果在SZ-data真实数据上MFAN取得了五个对比算法中的最佳成绩准确率99.09%±0.33漏损识别率98.17%±0.66误警率为0F1值99.07%±0.33漏损识别率超过同为谱图类方法的TFCNN达11.66%。几个对比算法的失效模式同样有参考价值。Log PS-ResNet18在真实数据上完全失效将所有样例均识别为无漏损论文分析其原因可能是在谱图预处理中执行了低频段剪除操作导致算法没有学习到漏损声的代表性特征。VMD-Transformer和FFT-Transformer分别仅关注时域或频域特征未能充分利用时域与频域间的互补性识别率分别为77.42%和47.08%且标准差较大性能不稳定。相比之下MFAN各指标的标准差明显更小表现出更高的性能稳定性。在Lab-data仿真数据上环状拓扑、0.18 L/s背景流量的实验组中MFAN与TFCNN在三组对比实验中均获得了100%漏损检出、0误警的成绩。分支拓扑实验中MFAN对环向裂缝漏损的识别率达到91.67%超过TFCNN约5%但误警率相应上升了3.89%。论文对此的解释是MFAN更倾向于将不确定样本判为漏损以最大限度地减少漏检风险。在实际应用中关键管段的漏检代价远高于误报因此适度的假阳性被认为是可接受的。图4 3 个算法谱图变换过程对比3.3 消融实验哪个设计起了作用为评估不同输入特征和注意力模块对性能的实际贡献论文在SZ-data上做了系统的消融实验。在注意力机制方面移除频率注意力后识别率降至96.50%移除时间注意力后降至98.00%完全去除注意力机制后为98.08%均低于完整结构的98.17%。移除频率注意力的影响更明显说明频率维度的建模对漏损检测起到了更为关键的作用。在输入谱图方面仅使用线性谱图时识别率为97.50%优于仅使用对数梅尔谱图的96.00%表明线性谱图所包含的高频信息对漏损识别更加重要仅使用高频率分辨率谱图的识别率97.17%也优于仅使用高时间分辨率谱图95.75%进一步印证了频率维度的细粒度信息对识别精度更为关键。四种谱图全部作为输入时性能最优证实了多分辨率、多类型谱图融合输入的有效性。3.4 抗噪声性能背景噪声的干扰可能削弱谱图中漏损特征的对比度。论文在原始音频中分别添加高斯白噪声模拟传感器固有的随机噪声和粉红噪声模拟供水管网中的水流噪声、管道振动等实际工况设置10 dB、20 dB、30 dB三档信噪比用结构化信噪比SSNR和结构相似性指数SSIM量化三种谱图变换方案的抗干扰能力。SSNR衡量信号中有效信息的保真度SSIM衡量谱图在噪声干扰下的结构一致性两者均为值越大越好。结果显示MFAN在两类噪声、各档信噪比下的SSNR值均优于对比方法。在高斯白噪声10 dB的强干扰条件下MFAN的SSNR值为9.82几乎为TFCNN4.02的2倍也高于Log PS-ResNet185.12。SSIM指标下MFAN整体同样占优尤其在低信噪比条件下优势明显说明其谱图变换方案在噪声干扰较强的环境中也能较好地保留信号的有效信息和关键结构特征。3.5 多水听器融合的效果在Lab-data分支拓扑、0.47 L/s背景流量的纵向裂缝漏损检测组上融合两个水听器数据构成双通道谱图输入后MFAN的平均识别率达到97.78%误警率为3.33%10次实验中有6次实现了100%的漏损检出和0误警。作为对照单水听器条件下MFAN在这一组的识别率曾落后于两个对比算法85.56%多源声信号融合带来的提升相当明显。图5 听澜水听器4.结论与展望在实际供水管网中往往部署了多个水听器进行同步监听。当漏损发生时各个水听器会从不同位置接收到同一漏损信号的不同部分虽然频率特征相似但每个水听器捕获的信号都提供了额外的时频信息。针对这一场景熵澜科技提出了一种多水听器声信号融合策略在构建谱图时将同一时刻多个水听器信号的谱图进行通道拼接作为卷积神经网络的输入从而融合多源信息提高检测准确性。在实验室双水听器数据上的实验表明融合两个水听器的信号后MFAN的平均识别率提升至97.78%误警率仅为3.33%且在10次实验中有6次实现了100%的漏损检出和零误警充分展现了多传感器融合的优势。随着管网监测终端的大规模部署与声信号数据的持续积累训练数据的规模将不断增长叠加算力下沉与模型压缩技术的成熟CNNTransformer 混合架构有望凭借其对局部特征的精细提取能力与对全局时序依赖的建模能力成为声信号漏损检测乃至更广泛工业智能感知领域的主流技术路线。
1.前言城市供水管网如同城市的血管绵延数十万公里将清洁的水源源不断地输送到千家万户。然而随着管道老化、气候变化和城市人口增长管网漏损问题日益突出。据2023年中国城市建设状况公报我国城市供水管道总长已达115.31万公里如此庞大的管网系统维护难度可想而知。漏损不仅造成宝贵的水资源流失和经济损失还可能引发水污染威胁用水安全。因此及时、准确地发现管网中的漏损事件对于提升供水运维效率至关重要。传统的漏损检测方法主要有三类。第一类是基于独立计量区域DMA的最小夜间流量法通过分析夜间流量波动来判断是否存在漏损但这种方法高度依赖水力校准且居民用水的随机性会干扰检测结果。第二类是基于流量计和压力计的数据驱动方法利用流量或压力的异常变化识别漏损这类方法对大漏损效果较好但对早期小漏损的灵敏度不足。第三类便是基于声信号的检测方法——当管道发生泄漏时高压水流从裂缝中喷出与管壁摩擦产生特定的声波沿管道传播检测人员只需听出这种异常声音就能判断漏损的存在。传统的人工听音巡检对工作人员的经验要求极高且耗时耗力。近年来随着深度学习技术的发展大量企业/机构开始尝试用算法自动识别漏损声信号。然而现有方法仍面临两大挑战一是信号预处理流程繁琐往往需要针对特定场景设计降噪策略导致模型难以在不同管网环境中快速迁移二是单一谱图变换难以覆盖声信号的全部关键特征可能存在信息缺失。针对这些问题#熵澜科技 提出了一种融合声信号多尺度特征、利用并行时-频注意力卷积神经网络的漏损检测方法MFAN在真实管网数据上实现了98.17%的漏损识别率和零误警。2.把声音变成图片多特征时频谱图的构建声信号本质上是一种随时间变化的振动波单纯看它的振幅随时间变化的波形很难发现其中隐藏的频率信息。而漏损声信号的关键特征恰恰体现在频率成分的分布和变化上。因此行业通常使用谱图变换将时域信号转换为时频域的二维图像——横轴代表时间纵轴代表频率颜色深浅代表能量大小就像给声音拍了一张彩色照片。谱图变换的核心工具是短时傅里叶变换STFT。简单来说就是用一个滑动的时间窗口把长信号切成许多小段对每一小段做傅里叶变换得到该时刻的频率分布最终拼接成一张完整的时频谱图。本文方法的第一个创新点在于同时构建了四种不同尺度的时频谱图从多个角度拍摄声信号实现特征互补。第一种是线性谱图以线性刻度表示频率能量分布频率分辨率均匀擅长捕捉漏损声信号中高频段的细微特征。在金属管道中漏损特征峰值往往集中在2 kHz至6 kHz的高频段线性谱图对这类信息尤为敏感。第二种是对数梅尔谱图通过非线性变换强调低频部分对环境噪声有更好的抑制效果有助于捕捉声信号低频段的动态变化。在塑料管道或传感器距离漏点较远时特征频段可能下移至0.5 kHz至2 kHz对数梅尔谱图便能发挥优势。除了谱图类型的差异我们还设计了不同的快速傅里叶变换FFT窗口长度以获取高时间分辨率和高频率分辨率两种版本。FFT窗口的选择就像拍照时的快门速度窗口越短时间分辨率越高能更清晰地捕捉信号的短时突发变化窗口越长频率分辨率越高能提供更细致的频率结构信息有助于解析微弱的频率特征。这样线性谱图与对数梅尔谱图各有高时间分辨率和高频率分辨率两个版本共四幅谱图完整覆盖了声信号时频特征的四个核心维度。四幅谱图以并行方式同时输入卷积神经网络让模型从多个角度综合判断弥补了单一谱图信息不全的缺陷。值得一提的是与现有方法不同MFAN在谱图变换前不做任何针对性的降噪预处理直接对原始声信号进行变换。这大大简化了处理流程也使得方法更容易迁移到不同的管网环境中。图1 基于MFAN 的漏损检测流程框架有了四幅谱图作为输入接下来需要用卷积神经网络CNN提取特征并判断是否存在漏损。本文方法的第二个创新点是引入了并行的时-频注意力机制让网络学会在时间维度和频率维度上自动抓重点。注意力机制的灵感来源于人类的视觉系统——当我们观察一幅图像时往往会不自觉地将注意力集中在关键区域而忽略无关的背景。在漏损检测中漏损声信号通常表现为连续且无规则的扰动与正常状态下平稳、周期性的背景流动噪声形成鲜明对比。时-频注意力机制的作用就是帮助网络聚焦于这些具有区分度的时频区域抑制背景噪声的干扰。具体而言每幅输入谱图首先经过两个卷积层进行初步特征提取得到一个特征矩阵。随后该特征矩阵被送入并行的时-频注意力模块一条分支沿时间维度计算注意力权重突出信号随时间变化的关键动态另一条分支沿频率维度计算注意力权重强调具有判别力的频率成分。两条分支的输出与原始特征按权重融合公式表达为U αU_T βU_F γU其中U_T为时域特征U_F为频域特征α、β、γ为融合权重衡量时间注意力、频率注意力和原始特征的相对重要性。这种双重注意力机制能够加强网络对细节特征的提取能力学习到区分性更强的声信号特征表示。四幅谱图分别经过两个时-频注意力卷积块后在合并层进行特征拼接将四个通道提取到的特征融合为一个综合特征向量。随后全连接层对融合特征进行变换最终由Softmax分类层输出输入信号属于漏损或非漏损的概率完成漏损检测。整个网络共12层结构简洁而高效。与依赖复杂预处理的传统方法相比MFAN实现了从原始声信号到漏损判断的端到端处理兼具准确性和实用性。图2 技术路线图3.实验验证3.1 数据集与实验设置实验使用两个数据集。Lab-data是实验室规模的物理仿真数据管网含环状和分支两种拓扑结构通过更换四种人为设计的破损管道环向裂缝、纵向裂缝、垫片泄漏、孔口泄漏模拟漏损由两个水听器以8 kHz采样背景噪声用真实环境下录制的交通音频和电锯声模拟。SZ-data是深圳某区域真实地下供水管网的监听数据由安装在阀门上的水听器以4 kHz采样记录漏损修复前后多次采集的声信号漏损与无漏损各40段、每段10秒背景为监听时刻的真实环境噪声。图3水听器安装现场效果针对两个数据集体量偏小的情况实验将所有音频按1秒长度分割以提升样本数量检测过程以秒级速度针对每段音频执行。每个算法在同一组数据上均重复10次实验取各指标的平均值和标准差。评估指标为准确率、识别率、误警率和F1值四项。一个好的漏损检测算法应在高识别率的同时保持低误警率。3.2 真实管网数据上的检测结果在SZ-data真实数据上MFAN取得了五个对比算法中的最佳成绩准确率99.09%±0.33漏损识别率98.17%±0.66误警率为0F1值99.07%±0.33漏损识别率超过同为谱图类方法的TFCNN达11.66%。几个对比算法的失效模式同样有参考价值。Log PS-ResNet18在真实数据上完全失效将所有样例均识别为无漏损论文分析其原因可能是在谱图预处理中执行了低频段剪除操作导致算法没有学习到漏损声的代表性特征。VMD-Transformer和FFT-Transformer分别仅关注时域或频域特征未能充分利用时域与频域间的互补性识别率分别为77.42%和47.08%且标准差较大性能不稳定。相比之下MFAN各指标的标准差明显更小表现出更高的性能稳定性。在Lab-data仿真数据上环状拓扑、0.18 L/s背景流量的实验组中MFAN与TFCNN在三组对比实验中均获得了100%漏损检出、0误警的成绩。分支拓扑实验中MFAN对环向裂缝漏损的识别率达到91.67%超过TFCNN约5%但误警率相应上升了3.89%。论文对此的解释是MFAN更倾向于将不确定样本判为漏损以最大限度地减少漏检风险。在实际应用中关键管段的漏检代价远高于误报因此适度的假阳性被认为是可接受的。图4 3 个算法谱图变换过程对比3.3 消融实验哪个设计起了作用为评估不同输入特征和注意力模块对性能的实际贡献论文在SZ-data上做了系统的消融实验。在注意力机制方面移除频率注意力后识别率降至96.50%移除时间注意力后降至98.00%完全去除注意力机制后为98.08%均低于完整结构的98.17%。移除频率注意力的影响更明显说明频率维度的建模对漏损检测起到了更为关键的作用。在输入谱图方面仅使用线性谱图时识别率为97.50%优于仅使用对数梅尔谱图的96.00%表明线性谱图所包含的高频信息对漏损识别更加重要仅使用高频率分辨率谱图的识别率97.17%也优于仅使用高时间分辨率谱图95.75%进一步印证了频率维度的细粒度信息对识别精度更为关键。四种谱图全部作为输入时性能最优证实了多分辨率、多类型谱图融合输入的有效性。3.4 抗噪声性能背景噪声的干扰可能削弱谱图中漏损特征的对比度。论文在原始音频中分别添加高斯白噪声模拟传感器固有的随机噪声和粉红噪声模拟供水管网中的水流噪声、管道振动等实际工况设置10 dB、20 dB、30 dB三档信噪比用结构化信噪比SSNR和结构相似性指数SSIM量化三种谱图变换方案的抗干扰能力。SSNR衡量信号中有效信息的保真度SSIM衡量谱图在噪声干扰下的结构一致性两者均为值越大越好。结果显示MFAN在两类噪声、各档信噪比下的SSNR值均优于对比方法。在高斯白噪声10 dB的强干扰条件下MFAN的SSNR值为9.82几乎为TFCNN4.02的2倍也高于Log PS-ResNet185.12。SSIM指标下MFAN整体同样占优尤其在低信噪比条件下优势明显说明其谱图变换方案在噪声干扰较强的环境中也能较好地保留信号的有效信息和关键结构特征。3.5 多水听器融合的效果在Lab-data分支拓扑、0.47 L/s背景流量的纵向裂缝漏损检测组上融合两个水听器数据构成双通道谱图输入后MFAN的平均识别率达到97.78%误警率为3.33%10次实验中有6次实现了100%的漏损检出和0误警。作为对照单水听器条件下MFAN在这一组的识别率曾落后于两个对比算法85.56%多源声信号融合带来的提升相当明显。图5 听澜水听器4.结论与展望在实际供水管网中往往部署了多个水听器进行同步监听。当漏损发生时各个水听器会从不同位置接收到同一漏损信号的不同部分虽然频率特征相似但每个水听器捕获的信号都提供了额外的时频信息。针对这一场景熵澜科技提出了一种多水听器声信号融合策略在构建谱图时将同一时刻多个水听器信号的谱图进行通道拼接作为卷积神经网络的输入从而融合多源信息提高检测准确性。在实验室双水听器数据上的实验表明融合两个水听器的信号后MFAN的平均识别率提升至97.78%误警率仅为3.33%且在10次实验中有6次实现了100%的漏损检出和零误警充分展现了多传感器融合的优势。随着管网监测终端的大规模部署与声信号数据的持续积累训练数据的规模将不断增长叠加算力下沉与模型压缩技术的成熟CNNTransformer 混合架构有望凭借其对局部特征的精细提取能力与对全局时序依赖的建模能力成为声信号漏损检测乃至更广泛工业智能感知领域的主流技术路线。
