首页 / 资料库 / 文献详情

基于CNN-Transformer的DAS管道泄漏信号识别方法

李琅 Li Lang、蒋忠胜 Jiang Zhongsheng、胡洲畅 Hu Zhouchang、杨爽 Yang Shuang、汤玉泉 Tang Yuquan、蒋兴荣 Jiang Xingrong、孙苗 Sun Miao、张志荣 Zhang Zhirong

2025Acta Optica SinicaEngineering被引 1开放获取

摘要

管道泄漏的高效监测对于降低安全隐患和经济损失具有重要意义。针对现有方法在复杂场景下精度不足的问题，提出一种结合卷积神经网络（CNN）与Transformer架构的混合算法，用于分布式光纤声波传感（DAS）信号的管道泄漏识别。首先，利用CNN处理频谱图以提取时频特征；随后，通过粗细粒度模块捕捉信号的局部细节与全局趋势特征，并结合Transformer模块的自注意力机制建模全局关系；最后，融合多层次特征并通过分类器实现泄漏信号的精准识别。实验结果显示，在多种不同运输环境与介质条件下的测试集中，所提算法的识别平均准确率达到97.47%，误报率低于0.3%，相较于其他经典算法有显著提升，为管道泄漏监测提供了一种高效、可靠的技术手段。

引用本文（GB/T 7714）

DOI：https://doi.org/10.3788/aos250471