Acoustic data condensation to enhance pipeline leak detection

تکنیک های کنترل آکوستیک به طور گسترده ای برای شناسایی نشت های مختلف از امکانات کارخانه برای جلوگیری از از دست رفتن منابع و هر گونه آسیب های ساختاری بیشتر استفاده می شود. همانطور که دستگاه های سنجش معمولی سیگنال های صوتی را در موقعیت های پیش تعیین شده در داخل یا نزدیک به شی مشاهده می کنند اندازه گیری شده است، نیاز به نظارت پیچیده تر و خودکار بیشتر از زیرساخت های پیچیده، افزایش تعداد سنسورهای نصب شده و میزان داده ها را به تحلیل شود بنابراین، برای تشخیص فشار ناپذیر فشار بخار به طور موثر، این تحقیق روش جدیدی را برای یافتن و تلفیق ویژگی های قابل تشخیص از سیگنال های صوتی، که توسط گره های حسگر میکروفون از راه دور پراکنده در اطراف یک مقیاس آزمایشگاهی سیستم خنک کننده نیروگاه هسته ای . عملکرد روش پیشنهادی با استفاده از چند معیار کمی که حاصل از پنج الگوریتم پیشرفته یادگیری ماشین است، همراه با نسبت داده های متراکم شده است. نتایج تجربی نشان می دهد که روش پیشنهادی می تواند سیگنال های آکوستیک اصلی را به تعداد کمی از پیشگوهای برجسته تبدیل کند، حتی کمتر از ده هزارم مقدار اصلی داده ها، و در عین حال بهبود دقت طبقه بندی به رغم آنکه صداهای رانده شده با صدای بلند در اطراف آن وجود دارد.