摘要：为了应对不可靠观测系统中典型的传感器数据丢失问题，利用长短期记忆网络（LSTM）对采样终端的温度信号丢包进行补偿，构建了结合基于连续小波变换（CWT）和卷积神经网络（CNN）的渗漏识别框架，加强了渗漏特征提取能力，实现了渗漏管道的识别，准确率达98.21%，通过与其他常用诊断方法对比，验证了本文所提出方法的有效性。同时建立了含噪声信号的训练集，对模型进行训练，在信噪比为25 dB的噪声下，本文所提方法的识别准确率不低于90%，证明了该方法具有良好的抗噪性，适合在物理系统中进行部署。
文章目录
0引言
1供热管网的动态模型及数据采集
1.1供热管网动态特性建模
1.1.1 温降延迟
1.1.2 温度损失
1.2供热管网数据采集系统通信干扰建模
2 考虑不可靠通信的渗漏识别方法
3 仿真试验与结果分析
3.1供热管网建模
3.2故障参数设置
3.3数据修复
3.4渗漏识别
3.4.1 模型训练
3.4.2 抗噪测试
4结论
