基于双传感器数据融合的供水管道泄漏检测方法：改进双传感器格拉米角场与双通道多尺度特征融合网络的创新应用

本文提出了一种基于改进双传感器格拉米角场（IBGAF）和双通道多尺度特征融合网络（DMFFN）的管道泄漏检测方法。该方法通过将振动和压力传感器数据融合为彩色图像，利用多尺度卷积和通道注意力机制提取关键特征，有效解决了单传感器检测误报率高的问题，显著提升了泄漏程度识别的准确性。

　　

Section snippets

Gramian Angular Field

随着计算机视觉技术的发展，将时间序列信号以二维图像形式表达的方法在故障诊断领域展现出巨大潜力。格拉米角场（GAF）是一种将时间序列编码为二维图像的方法，能有效保留时间序列特征，具有鲁棒性强、计算效率高、对非平稳信号适应性好等特点。

GAF编码的本质是将信号从笛卡尔坐标系转换到极坐标系，通过角度和半径的映射保留时间依赖性。

The proposed methods

为解决单类传感器在泄漏程度检测中误报率高的问题，本节提出IBGAF数据融合方法和DMFFN泄漏检测模型。该方法首先通过IBGAF将振动和压力信号融合为彩色图像，并将该图像输入DMFFN以进一步提取关键信息，实现高精度泄漏等级判别。

Experimental process and results

本节详细描述了实验过程，包括实验操作平台、数据采集与分析、实验参数设置以及实验结果讨论。

Conclusion

针对单类传感器信号泄漏检测方法误报率高的问题，本文提出IBGAF数据融合方法和DMFFN泄漏检测模型。所提出的IBGAF能够融合两类传感器数据，克服了传统GAF仅能编码单类信号的局限性，为泄漏等级判别提供更全面的数据支持。设计的DMFFN模型通过双通道并行处理输入信号，结合多尺度卷积和通道注意力机制增强关键特征提取能力，显著提升检测性能。