张瑞程，王新颖，胡磊磊，林振源，黄旭安，赵 斌

(常州大学 环境与安全工程学院，江苏 常州 213164)

0 引言

城市燃气管道作为城市能源重要生命线，一旦发生泄漏，将引发火灾爆炸等安全事故，造成人员伤亡与财产损失[1-2]。由于管网建设标准、时间、规格不同，输送介质多为易燃易爆气体，大部分管网深埋地下导致日常检修困难，使城市燃气管道稳定、安全运营面临巨大考验[3]。

目前，国内外主要通过采集管道故障产生的声发射信号，人为提取管道故障特征参数，并采用人工神经网络或支持向量机等模式识别法诊断管道故障，但故障诊断模型仍存在数据预处理繁琐，欠拟合及难以收敛等问题[4-6];卷积神经网络在图像识别领域的成功应用，为故障诊断提供新的研究思路[7]；文献[8-9]通过将故障信号进行时频变换，满足二维卷积神经网络对二维输入的要求，可实现较高准确率的故障诊断，但没有最大化发挥卷积神经网络对原始信号的特征自提取优势[8-9]；Cho等[10]通过测试数据锐化，利用高斯滤波器提高活动识别精度，并采用一维卷积核处理一维数据;Ince等[11]将一维卷积用于通用智能轴承故障诊断系统，以原始时间序列传感器数据作为输入，通过适当训练学习最优特征；刘星辰等[12]针对旋转机械智能诊断方法计算量大与抗噪能力差等问题，在经典LeNet-5基础上提出基于一维卷积神经网络的故障诊断算法；吴春志等[13]提出基于一维卷积神经网络的齿轮箱故障诊断模型，该模型可直接从原始振动信号中学习特征并完成故障诊断，且对于单一与复合故障诊断的准确率均高于传统诊断方法。……