利用声音信号对管道系统进行泄漏检测
相关申请
本公开要求于2017年12月26日提交的题为“AUDIO LEAK DETECTION FOR WATERPIPING SYSTEMS（用于水管系统的音频泄露检测）”的美国临时申请第62/610,418号的优先权，该美国临时申请的公开内容以其整体并入本文中。
技术领域
本公开一般涉及管道系统中的故障检测，并且更特别地，涉及音频泄漏检测。
背景技术
管道系统通常安装在地下、墙或天花板内、或者在其处管道不完全可见的其它位置。因此，当发生泄漏时，可能在一定时间内未检测到泄露，并且泄漏的实际位置可能难以确定。管道系统中的泄漏不仅会将流体释放到环境中，还可能使污染物进入管道系统。及时检测和定位泄漏可以有助于最小化这些风险。
已经开发了使用压力传感器的泄漏检测技术。流体通常在压力下在管道系统中行进。泄漏可以导致系统中的压力下降，这可以使用压力传感器来检测。在一些情况下，可能无法从系统中的正常压头损失辨别出由于泄漏而导致的系统中的压力下降，结果是在检测到泄漏之前可能会存在延迟。
还开发了音频泄漏检测技术。在一个示例中，由于泄漏而导致的管道中的压力下降引起压力波动，该压力波动在泄漏的上游和下游发送经由振动传感器可检测到的声学信号。将系统中多个位置处的振动检测相关联使得能够确定系统中泄漏的位置。在另一个例子中，超声信号通过管道的目标部分传输，由此管道中的流体对信号的影响被用于检测泄漏。如下面所讨论的，这些常规系统展现出各种缺点。
从各种源产生各种频率的振动，结果是在这样的系统中假阳性泄漏检测很常见。在一个常规系统中，泄漏检测仅在“安静时间”进行，在所述安静时间处，诸如来自交通或建筑的外部噪声被最小化，其缺点是在安静时间开始和检测开始之前，泄露可能存在很长一段时间。
常规系统通常也是永远开启（always-on）的类型，或者仅在预设的时间间隔检查泄漏。永远开启系统需要大量的电力，这会耗尽传感器电池，或者需要昂贵且复杂的有线电力连接。间隔系统可能会使在预定泄漏检测之间的时间段内发生的泄漏检测延迟。
附加地，存在其中泄漏可能不会产生可被传感器检测到的音频信号的情况，从而导致假阴性判定。泄漏可能在传感器的范围之外，信号可能太弱而无法被检测到，或者音频信号可能被来自环境的周围噪声所掩盖。
进一步地，在管道系统上利用多个传感器的系统通常需要集中式的枢纽或服务器来处理传感器数据和对泄露进行定位。中心枢纽不仅增加了系统的复杂性和开支，而且中心枢纽还充当系统中的单点故障。此外，所有传感器与中心枢纽通信的需求增加了通过系统通信的复杂性和成本。
因此，减少错误读数的泄漏检测系统将是有益的。在各种环境噪声条件中可用的系统也是有益的。不需要中心枢纽的系统也将是有益的。能够在各种情况下检测泄漏的系统也将是有益的。
发明内容
为了在监控时间间隔之间不停机地监控管道系统，监控系统被配置为响应于从管道系统的管道区段传出的音频信号而被唤醒。
在示例性实施例中，感测设备包括至少一个传感器、唤醒电路和处理器。所述至少一个传感器被配置为感测管道系统的管道区段的操作特性，并且包括换能器，所述换能器被配置为使得管道区段中传出的音频信号引起换能器产生指示所述音频信号的电压信号。唤醒电路可操作地与换能器连接，并响应于电压信号高于预定阈值而生成唤醒信号。处理器可操作地连接到唤醒电路和所述至少一个传感器，并且被配置为响应于接收到唤醒信号，参照由所述至少一个传感器感测的操作特性来标识管道系统的操作状况。
在一些实施例中，感测设备进一步包括紧固机构，所述紧固机构被配置为将感测设备安装在管道区段上。换能器被定位在紧固机构上，使得当传感设备经由紧固机构安装在管道区段上时，换能器与管道区段的表面直接接触。
在一些实施例中，所述至少一个传感器进一步包括被配置为感测管道区段的温度的温度传感器，以及被配置为感测管道区段周围区域中的湿度的湿度传感器。温度传感器被定位在紧固机构上，使得当传感设备经由紧固机构安装在管道区段上时，温度传感器与管道区段的表面直接接触。
在一些实施例中，感测设备进一步包括存储第一机器学习算法和第一数据的存储器。第一机器学习算法可由处理器操作，以参照所述至少一个传感器随时间的经过来确定管道系统的正常操作状况。第一数据指示管道系统的正常操作状况。处理器被进一步配置为通过确定所标识的操作状况偏离正常操作状况来标识管道系统中的故障。
在一些实施例中，感测设备进一步包括存储第一音频数据和第二音频数据的存储器。第一音频数据指示管道区段中传出的音频信号。第二音频数据包括对应于在管道区段和管道区段周围区域中的至少一个中发生的特定事件的声学标记（signature）。特定事件对应于管道系统的操作状况。处理器被配置为通过比较来自第一音频数据的音频信号和第二音频数据的声学标记，并确定音频信号指示特定事件，来标识管道系统的操作状况。
在一些实施例中，所述至少一个传感器进一步包括麦克风，所述麦克风被配置为捕捉从管道区段周围的区域传出的进一步的音频信号。处理器被进一步配置为参照所述进一步的音频信号来将噪声消除算法应用于管道区段中传出的音频信号。
在一些实施例中，存储器进一步存储可由处理器操作的第二机器学习算法，以标识管道系统的相应操作状况和相应特定事件之间的对应关系。
在一些实施例中，感测设备进一步包括通信模块，所述通信模块可操作地连接到处理器，并且可操作地分别进行向外部设备传输和从外部设备接收关于管道系统操作状况的信息中的至少一个。
用于监控管道系统的监控系统的示例性实施例包括第一感测设备，该第一感测设备包括至少一个传感器、唤醒电路和处理器。所述至少一个传感器被配置为感测管道系统的管道区段的操作特性，并且包括换能器，所述换能器被配置为使得管道区段中传出的音频信号引起换能器产生指示所述音频信号的电压信号。唤醒电路可操作地与换能器连接，并响应于电压信号高于预定阈值而生成唤醒信号。处理器可操作地连接到唤醒电路和所述至少一个传感器，并且被配置为响应于接收到唤醒信号，参照由所述至少一个传感器感测的操作特性来标识管道系统的操作状况。
在一些实施例中，第一传感器设备进一步包括第一通信模块，该第一通信模块可操作地连接到处理器，并且可操作地分别进行向外部设备传输和从外部设备接收关于管道系统操作状况的信息中的至少一个。
在一些实施例中，监控系统进一步包括致动器。致动器包括阀门元件和第二通信模块。阀门元件可操作以选择性地限制和使能通过管道系统的一部分的流动。由第一通信模块传输的信息包括激活指令，并且第二通信模块被配置为接收激活指令，并且响应于接收到的激活指令来激活阀门元件。
在一些实施例中，监控系统进一步包括远程计算设备。远程计算设备包括第三通信模块、输出设备和进一步的处理器。第三通信模块被配置为进行向第一感测设备发送信息和从第一感测设备接收信息中的至少一个。所述进一步的处理器可操作地连接到所述第三通信模块和所述输出设备，并且被配置为经由所述输出设备输出关于由所述第三通信模块接收的管道系统操作状况的信息。
在一些实施例中，所述进一步的处理器被配置为向第一感测设备传输关于管道系统的操作状况的进一步信息。第一感测设备进一步包括存储与管道系统的操作状况相对应的第一数据的存储器。处理器被配置为响应于从远程计算设备接收到所述进一步的信息而基于所述进一步的信息更新第一数据。
在一些实施例中，监控系统进一步包括致动器。致动器包括阀门元件和第二通信模块。阀门元件可操作以选择性地限制和使能流过管道系统的一部分。由远程计算设备传输的进一步信息包括激活指令。第二通信模块被配置为接收激活指令，并响应于接收到的激活指令来激活阀门元件。
在一些实施例中，第一感测设备进一步包括存储第一音频数据和第二音频数据的存储器。第一音频数据指示管道区段中传出的音频信号。第二音频数据包括对应于在管道区段和管道区段周围区域中的至少一个中发生的特定事件的声学标记。特定事件对应于管道系统的操作状况。处理器被配置为通过比较来自第一音频数据的音频信号和第二音频数据的声学标记，并确定音频信号指示特定事件，来标识管道系统的操作状况。
附图说明
图1描绘了根据本公开的用于管道系统的监控系统的示意图；
图2描绘了用于图1的监控系统的感测设备的侧视图；
图3是图2的传感装置的正透视图；
图4描绘了图2的感测设备的底视图；
图5描绘了图2的感测设备的顶视图；
图6描绘了图2的传感器设备的示意图；
图7描绘了操作图2的感测设备的处理的示例性实施例的流程图；
图8描绘了操作图2的感测设备的处理的另一示例性实施例的流程图；
图9描绘了操作图2的感测设备的处理的另一示例性实施例的流程图；
图10描绘了操作图2的感测设备的处理的另一示例性实施例的流程图；
图11描绘了操作图1的监控系统的处理的示例性实施例的流程图；
图12描绘了操作图1的监控系统的处理的示例性实施例的另一流程图。
具体实施方式
出于促进对本文中描述的实施例的原理的理解，现在参照以下书面说明书中的附图和描述。参考文献并不旨在限制主题的范围。本公开还包括对所图示实施例的任何变化和修改，并且包括所描述的实施例的原理的进一步应用，如本文档所属领域的普通技术人员通常会想到的。
图1描绘了用于管道系统10中的泄漏检测的系统100的示例性实施例的示意图。系统100包括第一传感器设备102、第二传感器设备104、致动器106和远程计算设备108。系统100的元件经由数据网络125连接在一起。
第一传感器102安装在管道系统10的管道区段12上。如下面更详细讨论的，第一传感器102被配置为检测管道区段12和管道区段12周围的区域14的操作状况，并且系统100被配置为参照由第一传感器102检测的操作状况来推断管道区段12和/或管道系统10的状况，并且参照所推断的状况来选择性地执行操作。作为说明性示例，在一些实施例中，所检测的操作状况包括管道区段12和/或区域14的温度、压力、湿度和/或声学测量值。在一些实施例中，管道系统10的所推断的状况包括管道区段12和/或管道系统10中的故障。在一些实施例中，响应于所推断的状况而执行的操作包括向远程计算设备108传输故障的通知，激活第一传感器102和/或第二传感器104，和/或对致动器106进行致动。
在该实施例中，第二传感器104包括与第一传感器102相似的组件，并且被以相似的方式配置。第二传感器104被安装到管道12’的另一区段，并且像第一传感器102一样，被配置为检测管道12’区段和管道12’区段周围的区域14’的操作状况。系统100被进一步配置为参照由第二传感器104检测到的操作状况来推断管道系统10的状况，并且参照所推断的状况选择性地执行操作。在一些实施例中，系统100被进一步配置为参照由多个传感器组合检测的操作状况来推断管道系统10的状况。参照多个传感器使得系统100能够做出关于管道系统10的操作状况的推断，否则所述推断可能是不可辨别的或不准确的。虽然该实施例中的系统100包括两个传感器102和104，但是在其它实施例中，系统100包括其它数量的传感器。一些实施例仅包括一个传感器，并且一些实施例包括多于两个的传感器。
致动器106被定位在管道系统的管道区段20处，并且包括通信模块110和阀门元件112。通信模块110被配置为从诸如第一传感器102、第二传感器104和远程计算设备108的其它设备接收激活指令，并响应于所接收的激活指令来激活阀门元件112。在一些实施例中，通信模块110被配置为充当继电器，并且传输从一个设备到另一个设备的通信，诸如从第一传感器102传输到第二传感器104或传输到远程计算设备108，或者反之亦然。
阀门元件112可选择性地操作以使能和限制通过管道区段20的流动。任何可接受类型的阀门元件都是可用的。在一些实施例中，致动器106被分派给第一传感器102，由此第一传感器102的管道区段12位于管道区段20附近，使得致动器106被配置为使能和限制通过管道区段12的流动。在一些实施例中，系统100包括被分派给每个传感器的相应致动器。在一些实施例中，系统100被配置为参照关于管道系统和检测到的故障的信息来动态地将致动器分派给传感器。
在各种实施例中，远程计算设备108是任何可接受的计算设备，诸如个人计算机、平板电脑或移动电话等。在一些实施例中，远程计算设备108包括被配置为与一个或多个客户端设备通信的服务器。远程计算设备108包括处理器130、存储器132、通信模块134、输入设备136和输出设备138。
处理器130可操作地连接到存储器132、通信设备134、输入设备136和输出设备138，并且被配置为执行存储在存储器132中的编程指令。存储器132被配置为存储关于管道系统10的数据，诸如历史使用信息、传感器数据、如环境噪声源的声学分布的音频数据以及其它数据。
通信设备134被配置为经由数据网络125发送传输和接收来自系统100的其它组件的传输，所述其它组件诸如第一传感器102、第二传感器104、致动器106和远离系统100的其它设备。在各种实施例中，数据网络125使得能够经由WiFi、BTE、LoRa、诸如MQTT的轻量级消息传递协议或任何其它可接受的通信协议来传递数据和信息。在一些实施例中，数据网络125包括经由互联网的连接。在一些实施例中，通信设备134向其它设备提供对存储器132的访问和/或从其它设备检索数据，并将检索到的数据存储在存储器132中。
输入设备136包括能够从用户接收输入的任何可接受的设备。示例包括键盘、鼠标和触摸屏等。输出设备138包括能够为用户生成输出的任何可接受的设备。示例包括视觉显示器、音频设备和指示灯等。
虽然图1中的系统100包括单个远程计算设备108，但是其它实施例包括任意数量的远程计算设备。在一些实施例中，系统100不包括远程计算设备。
图2-图5分别描绘了来自图1的第一传感器102的侧视图、透视正视图、底视图和顶视图。如图2中所描绘的，第一传感器102包括基座部分120和电子器件部分160。基座部分120包括基板122和固定机构124。基板120支撑电子器件部分160。固定机构124被配置为将第一传感器102固定到管道区段12上（图1）。
在该实施例中，固定机构124包括第一夹具126和第二夹具128。在其它实施例中使用其它数量的夹具和其它固定机构。在该实施例中，夹具126和128的大小与管道区段12的大小相对应。在一些实施例中，夹具和/或其它固定机构被配置为进行调节，以便适配不同大小的管道区段。
参照图4中第一传感器102的底视图，第一夹具126包括声学换能器130。换能器130被定位成使得当夹具126与管道区段12接合以在其上安装第一传感器102时，换能器130与管道区段12接合，并且被配置为捕捉来自管道区段12的表面16的音频信号。在一些实施例中，夹具126被配置为当安装在管道区段12上时施加力，该力用于维持换能器130和管道区段12的表面16之间的牢固接触。
换能器130被进一步配置为产生指示信号的电压，由此电压的幅度与信号的音频水平（dB）相对应。在各种实施例中，换能器130是模拟的、数字的或其组合。在一些实施例中，换能器130包括振动传感器、压电接触传感器和音频接触传感器中的一个或多个。在该实施例中，配置换能器130以便经由振动来供电，使得由于换能器130接收的信号而引起由换能器130产生的电压。通过以所引起的电力进行操作，换能器130不需要来自第一传感器102的电力供应来起作用。
在一些实施例中，第一传感器102还进一步包括模数转换器（未示出），其被配置为将来自换能器130的模拟信号转换成数字信号。在各种实施例中，转换器被包括在换能器130、夹具126、电子器件部分160中，或者位于第一传感器102上的任何其它可接受的位置。在各种其它实施例中，换能器130位于传感器102上的任何其它可接受的位置，使得当第一传感器102安装在管道区段12上时，换能器130维持与管道区段12的表面16的表面接触。
夹具128包括温度传感器132。温度传感器132被定位成当夹具128与管道区段12接合时直接紧靠管道区段12的表面16，并且被配置为测量管道区段12的操作温度。任何可接受的温度传感器都是可用的。在一些实施例中，温度传感器132是接触式温度传感器，并且夹具128被配置为当固定在管道区段12上时施加力，该力用于维持温度传感器132和管道区段12的表面16之间的牢固接触。在其它实施例中，温度传感器132被包括在夹具126上，或者在第一传感器102上的任何其它可接受的位置处。
电子器件部分160（图2）包括容纳多个电子组件的主体162，诸如被配置为存储电力并将电力供应给传感器102（未示出）的电源，例如电池。图6描绘了第一传感器102的电子器件部分160的示意图。如图5和图6中所描绘的，电子器件部分160进一步包括麦克风164、湿度传感器166、LED状况指示器168、唤醒电路170、处理器172、存储器174、通信模块176和电子电路板182。
麦克风164、湿度传感器166和LED状况指示器168安装在主体162（图5）的顶部170上，以便暴露于管道区段12周围的区域14。麦克风164被配置为从管道区段12周围的区域14捕捉音频信号。在一些实施例中，麦克风164被配置为捕捉源自管道区段12外部的音频信号。湿度传感器166被配置为感测管道区段12周围的区域14中的环境湿度。指示器168被配置为向用户发出视觉信号，诸如传感器102是否通电、是否正在处理信息、是否正在与远程计算设备108通信、或者是否处于警报状态。
参照图6，处理器172、存储器174和通信模块176被共同安装在容纳在主体162内部的电子电路板182上。在不同的实施例中，不同的组件被安装在一个或多个电子电路板上，或者被安装在主体162中的其它地方，或者传感器102中的其它地方。
温度传感器132、麦克风164、湿度传感器166、指示器168、存储器174和通信模块176每个都可操作地连接到处理器172。这样的组件也可操作地连接到电源（未示出）。
处理器172被配置成在待机（即，省电）模式和活动（即，全功率）模式之间选择性地操作第一传感器102。在待机模式下，处理器172被配置为最小化功耗，例如以便最大化电池的寿命。虽然第一传感器102的大多数组件保持在低功率模式或未通电，但是在一些实施例中，处理器172被配置为以定期的预定时间间隔轮询非声学传感器，即温度传感器132和湿度传感器166。在一些实施例中，处理器172被配置为默认地在待机模式下操作第一传感器102，并且仅响应于轮询、来自另外的设备的信号或来自唤醒电路170的指令来将第一传感器102的操作转换到活动模式，如下面进一步详细讨论的。在活动模式中，处理器172被配置为参照温度传感器132、湿度传感器166、换能器130和麦克风164来确定管道区段12的操作状态，并且基于所述确定来执行操作，如下面进一步详细讨论的。
唤醒电路170可操作地连接在换能器130和处理器172之间，并且被配置为向处理器172传输指令，所述指令被配置为响应于来自换能器130的电压高于预定阈值，而使得处理器172转换到以活动模式操作第一传感器102。换句话说，由于换能器130产生的电压基于从管道区段12传出的音频信号的音频水平（dB），所以足以在换能器中引起高于预定阈值的电压的音频信号使得唤醒电路170指示处理器172转换到活动模式。
存储器174存储关于管道系统10的历史信息，诸如用水量、温度、湿度、声学特性等。存储器174附加地存储管道系统的预定操作范围，诸如例如温度操作范围、湿度阈值和压力操作范围。
在一些实施例中，存储器174进一步存储包括对应于特定事件的声学标记的特征的音频数据。特定事件的示例包括指示诸如滴水、喷水或溅水噪声之类的故障的事件，以及指示无故障的事件，诸如环境噪声、机器噪声和源自利用管道系统10的设备的噪声，所述设备诸如像洗衣机、淋浴器、马桶、洗碗机等的家用电器，或者像泵、过滤器、锅炉等的其它家用电器。声学标记是与特定事件相关联或由于特定事件而生成的音频标记。声学标记包括音频信号的任何可接受的描述方面。在一些实施例中，特征是从音频信号中提取的梅尔频率倒谱系数（“MFCC”）。
在一些实施例中，存储器174还存储一个或多个机器学习算法。例如，在一些实施例中，存储器174包括第一机器学习算法，第一机器学习算法可操作来基于来自第一传感器102和/或系统100中的其它设备（诸如第二传感器104、致动器106和远程计算设备108）的信号来确定管道系统10的操作特性和流动模式。在一些实施例中，第一机器学习算法参照由传感器102和/或系统100中的其它设备捕捉的历史使用信息和/或音频数据来操作。在一些实施例中，第一机器学习算法可操作来将致动器106分派给管道系统10中检测到的故障。换句话说，第一机器学习算法可操作来确定管道系统10中的故障被定位，以便激活致动器106减轻或减少故障的影响。
在一些实施例中，存储器174包括第二机器学习算法，第二机器学习算法可操作来将经由换能器130和/或麦克风164接收到的音频信号与特定事件相关联。在一些实施例中，第二机器学习算法被配置为参照用户指令进行操作，所述用户指令诸如用户对特定事件的标识。在一些实施例中，第二机器学习算法被配置为参照管道区段12和/或管道系统10在与音频信号相关联的时间段内的操作状况，来将接收到的音频信号标识为故障事件或非故障事件。
存储器174还存储可用于一个或多个机器学习算法的预先训练和/或学习的分类参数。在各种实施例中，参数和/或一个或多个机器学习算法和/或其组合被预先加载到存储器174中，被随着时间的经过而累积和更新。在一些实施例中，一个或多个机器学习算法包括深度学习算法、最近邻算法、支持向量算法、卷积网络和任何其它可接受的机器学习技术中的至少一种。存储器174进一步存储噪声消除算法，所述噪声消除算法可操作以将从管道区段12传出的音频信号与管道区段12周围的区域14中的环境噪声隔离。
通信模块176可操作以使得能够实现第一传感器102和第二传感器104、致动器106、远程计算设备108和其它设备中的一个或多个之间的通信。在一些实施例中，通信模块176被配置为通过诸如互联网的数据网络发送和接收传输。在一些实施例中，通信模块176经由WiFi、BTE、LoRa、诸如MQTT之类的轻量级消息传递协议或任何其它可接受的通信协议来传递数据。在一些实施例中，通信模块176向其它设备提供对存储器174的访问和/或从其它设备检索数据，并将检索到的数据存储在存储器174中。在一些实施例中，通信模块176和通信设备134被配置为进行合作，使得存储器174和存储器132作为联网的存储器进行操作。如下面进一步详细讨论的，在各种实施例中，通信包括指示管道区段12和管道系统10的操作状态的信息、关于管道系统10的历史信息、管道区段12和/或管道系统10中的故障指示、指令和其它数据中的一个或多个。
图7描绘了用于在待机模式下操作第一传感器102的处理的示例性实施例的流程图。在框702处，处理器172在待机模式下操作第一传感器102。在框704处，处理器确定管道区段12的操作状态。在一些实施例中，处理器172以定期的时间间隔轮询温度传感器132和湿度传感器166，并基于轮询做出确定。在一些实施例中，确定管道区段12并未正常地操作包括从温度传感器132接收到管道区段12在操作温度范围之外（即，低于冻结极限或高于温度/压力极限）操作的指示。在操作温度范围之外操作能够使得管道区段12由于冻结或由于热量导致的过压而爆裂。在一些实施例中，确定管道区段12并未正常地操作包括从湿度传感器166接收到管道区段12周围的区域14中的环境湿度高于预定湿度阈值的指示。管道108周围的环境中的过高湿度可以指示非活跃监控的管道区段中的泄漏。在一些实施例中，所述确定基于机器学习算法，诸如在上面讨论的第二机器学习算法。
在框706处，响应于确定管道区段12处于正常操作状态，处理器172将关于正常操作状态的信息存储在存储器174中。在一些实施例中，处理器172周期性地操作通信模块176，以将关于管道区段12的历史使用和操作的数据传输到远程计算设备108和/或其它设备，并接收关于管道系统10的历史使用和操作的信息。在一些实施例中，这样的数据包括与管道系统10中和管道系统10周围的环境噪声的潜在来源相关的音频数据。在一些实施例中，处理器172使用关于管道区段12的历史使用和操作的数据来更新存储在存储器174中的一个或多个机器学习算法。
在框708处，响应于确定管道区段12没有在正常操作状态下操作，处理器172被配置为将第一传感器102转换到活动模式。
图8描绘了用于在待机模式下操作第一传感器102的处理的另一示例性实施例的流程图。在框802处，处理器172在待机模式下操作第一传感器102。在框804处，管道区段12中的音频信号引起换能器130产生高于唤醒电路170的预定阈值的电压信号。在框806处，响应于电压信号高于预定阈值，唤醒电路170向处理器172传输唤醒指令，并且在框808处，处理器172将第一传感器102的操作转换到活动模式。
图9描绘了用于在待机模式下操作第一传感器102的处理的另一示例性实施例的流程图。在框902处，处理器172在待机模式下操作第一传感器102。在框904处，处理器108经由通信模块176接收包括传感器102的唤醒指令的传输。在一些实施例中，由于用户与远程计算设备的交互而从远程计算设备108接收唤醒指令。在一些实施例中，响应于确定管道系统10中存在故障，而从远程计算设备108接收到唤醒指令。在一些实施例中，诸如响应于由第二传感器104检测到管道系统10中的故障，而从第二传感器104接收到唤醒指令。在框906处，响应于唤醒指令，处理器108将第一传感器102的操作转换到活动模式。
图10描绘了用于在活动模式下操作第一传感器102的处理的示例性实施例的流程图。在框1002处，处理器172在活动模式下操作第一传感器102。在框1004处，处理器172参照来自换能器130、温度传感器132、麦克风164和湿度传感器166中的一个或多个的指示，来确定管道区段12和/或管道系统10是否在正常操作状态之外操作。
在框1006处，响应于确定管道区段12和管道系统10在正常操作状态下操作，处理器172被配置为将传感器的操作转换到待机模式。在一些实施例中，处理器172附加地使用通信模块176向远程计算设备108和/或系统100中的另外的设备传输无故障指示，所述另外的设备诸如第一传感器102从其接收唤醒指令的设备。在一些实施例中，处理器172附加地将来自换能器130、温度传感器132、麦克风164和湿度传感器166中的一个或多个的信息存储在存储器174中，和/或将所述信息传输到系统100中的另外的设备。在一些实施例中，处理器172使用所述信息来更新存储器174中的一个或多个机器学习算法。
在框1008处，响应于确定管道区段12和/或管道系统10没有在正常操作状态下操作，处理器172被配置为基于所述确定来标识故障。在各种实施例中，所述标识基于以下各项中的一个或多个：（i）从系统100中的另外的设备接收的指示，所述另外的设备诸如第二传感器104或远程计算设备108，（ii）来自温度传感器132的、管道区段12正在操作温度范围之外操作的指示，（iii）来自湿度传感器166的、管道区段12周围的区域14中的环境湿度高于预定湿度阈值的指示，以及（iv）来自换能器130和麦克风164中的一个或多个的音频数据中的声音信号指示故障的确定，如下面更详细讨论的。
在各种实施例中，所标识的故障包括温度故障、湿度故障、流动故障、压力故障、泄漏故障或对管道系统10的操作有影响的任何其它类型的故障中的一个或多个。在一些实施例中，对故障的标识包括对管道系统10内故障位置的标识。在一些实施例中，参照来自换能器130、温度传感器132、麦克风164和湿度传感器166中的一个或多个的信息来标识故障的位置。
在框1010处，处理器172执行操作以减轻所标识的故障。在一些实施例中，操作包括标识被分派给管道区段12的致动器106，并经由通信模块176向所分派的致动器106发送激活指令。在一个示例中，所标识的故障是指示管道系统10中靠近管道区段12的泄漏的泄漏故障，并且致动器106由于处在一旦激活就被配置为中断通过管道区段12的流动的位置处而被分派给管道区段12。
在一些实施例中，所述操作包括向第二传感器104传输唤醒指令。在一个示例中，在一些情况下，只基于第一传感器102来标识管道系统10内的故障位置可能是不准确的，并且第一传感器102被配置为激活第二传感器104，以便与第二传感器104进行合作以标识故障的位置。
在一些实施例中，所述操作包括经由通信模块176向远程计算设备108传输通知。在一个示例中，第一传感器102向用户的移动电话108传输消息，该消息包括关于所标识的故障的信息。
在一些实施例中，所述操作包括由系统100中的另外的设备进行的附加操作。在一些实施例中，远程计算设备108被配置为从用户接收指令以激活致动器106。在一个示例中，第一传感器102向远程计算设备108传输故障的通知。操作远程计算设备108的用户查看该通知，并向远程计算设备108发布指令以激活致动器106和/或激活第二传感器104。
在一些实施例中，如上所述，参照来自换能器130和麦克风164中的一个或多个的音频数据中的声学信号指示故障的确定来标识故障。不同于参照管道区段12是否在预定操作范围内操作来指示故障的温度传感器132和湿度传感器166，在一些实施例中，换能器130和麦克风164不仅仅基于接收到的音频信号是否在预定范围内来指示故障。替代地，处理器172被配置为处理由换能器130和/或麦克风164接收到的音频信号，以便做出关于管道区段12和/或管道系统10的操作状态的推断，并基于该推断标识故障。
在一些实施例中，处理器172将由换能器130和/或麦克风164接收的音频信号的音频数据分离成分段，并从每个分段中提取诸如MFCC的特征。处理器172将所提取的特征与对应于存储在存储器174中的特定事件的音频标记的特征进行比较，并基于该比较确定音频信号指示特定事件。
在一些实施例中，处理器172被配置为将一个或多个机器学习算法应用于音频信号，以便确定管道区段12和/或管道系统10的操作状况。在一个示例中，处理器172使用第一机器学习算法来确定管道区段12和/或管道系统10的操作特性。处理器172确定管道区段12和/或管道系统10的操作特性是否从关于管道区段12和/或管道系统10的操作特性的历史信息偏离多于预定阈值，并基于该确定标识故障。
在一些实施例中，处理器172被配置为将一个或多个机器学习算法应用于音频信号，以便确定管道区段12和/或管道系统10中特定事件的发生。在一个示例中，处理器172使用第二机器学习算法来确定音频信号指示特定事件的发生。处理器172从音频信号中提取特征，将所提取的特征与存储在存储器174中的特定事件的特征进行比较，并确定特定事件对应于音频信号。
在一些实施例中，处理器172被配置为将第二机器学习算法应用于音频信号，并且确定音频信号不指示存储在存储器中的任何特定事件。图11是描绘用于使用系统100的处理1100的示例性实施例的流程图。在框1102处，第一传感器102从管道区段12接收音频信号。在框1104处，处理器172确定音频信号不指示存储在存储器174中的任何特定事件。换句话说，处理器172确定由换能器130和麦克风164中的至少一个捕捉的声学信号不与存储在存储器174中的分类声学标记中的任何一个相匹配。
在框1106处，处理器172向远程计算设备108传输指示检测到未标识的声学标记的通知。在一些实施例中，通知1102包括与在接近检测的时间段内管道区段12和/或管道系统10的未标识声学标记和/或操作特性相关的音频数据。在框1108处，系统100接收未知声学标记从不影响管道系统10的基础设施健康的源传出的指示。在各种实施例中，经由远程计算设备108的输入设备136、经由第一机器学习算法或经由任何其它可接受的处理从用户接收所述指示。不影响管道系统10的基础设施健康的声学信号的源的示例包括家用电器或机器、或者来自交通或建筑的环境噪声等。
在一些实施例中，所述指示包括由用户输入的未标识声学标记的名称，诸如“洗衣机”等，其标识声学标记的来源。在框1110处，远程计算设备108将所述指示传输到第一传感器102。在框1112处，处理器172基于所述指示更新存储器174，以便标识未标识的声学标记。在一些实施例中，处理器172基于所述指示更新第二机器学习算法。
图12是描绘用于使用系统100的处理1200的另一示例性实施例的流程图。在框1202处，第一传感器102从管道区段12接收音频信号。在框1204处，处理器172确定音频信号指示存储在存储器174中的对应于管道系统10中的故障的特定事件。
在框1206处，处理器172向远程计算设备108传输指示检测到故障的通知。在一些实施例中，通知1102包括与在接近检测的时间段内管道区段12和/或管道系统10的未标识声学标记和/或操作特性相关的音频数据。在一些实施例中，所述通知包括提示用户检查管道系统10的一部分，诸如管道区段12或与检测到的故障相关的另外的位置。
在框1208处，响应于检测，致动器106被激活，以便限制管道区段20中的流动并减轻故障。在一些实施例中，激活是由响应于来自用户的输入指令而从远程计算设备108传输的指令引起的。在一些实施例中，远程计算设备108响应于检测到的故障确定致动器106将被激活。在一些实施例中，处理器172响应于检测到的故障而确定致动器106要被激活。
在框1210处，处理器172基于检测到的故障更新存储器174。在一些实施例中，处理器172基于检测到的故障更新第一机器学习算法和第二机器学习算法中的一个或多个。
在一些实施例中，处理器172被配置为使用通过使用麦克风164捕捉的音频信号作为从换能器130捕捉的音频信号的噪声参考。例如，在一些实施例中，处理器172被配置为参照使用麦克风164捕捉的进一步的音频信号，对使用换能器130捕捉的音频信号应用噪声消除算法，以便将从管道区段12传出的声音与具有外部源的声音隔离。对从管道区段12传出的声音的隔离降低了由于环境噪声而导致的假阳性泄漏确定的风险。在一些实施例中，噪声消除算法包括将经由麦克风164捕捉的音频信号从经由换能器130同时捕捉的音频信号中移除。
在一些实施例中，处理器172将第二机器学习算法应用于经由麦克风164捕捉的音频信号，以便对管道区段12周围环境中的环境噪声的特征进行分类。通过从经由换能器130捕捉的音频信号中减去不同的特征或特征集，处理器172能够隔离从管道区段12传出的声音，即使是在经由麦克风164同时捕捉的信号不适用于噪声消除时。
在上面讨论的一些实施例中，处理器172位于第一传感器102上，这样的实施例是边缘计算的示例，由此计算在原位而不是在集中位置进行。在一些实施例中，第一传感器102的处理器172被配置为操作通信模块176以与位于其它设备（诸如第二传感器104）上的处理器通信，使得传感器102被配置为作为分布式网状网络协同操作。在一些实施例中，系统100附加地包括基于云的平台或枢纽，所述基于云的平台或枢纽将数据集合到多个设备和从多个设备集合数据，并执行附加的数据分析。
本公开不限于关于任何一个单独实施例讨论的特征。
在一些实施例中，声学换能器经由内置夹具附接到管道。
在一些实施例中，电路被配置为监控声学换能器并基于对声学换能器的监控启动唤醒序列。
在一些实施例中，麦克风被配置为捕捉环境音频信号。
在一些实施例中，环境音频信号被用于抵消非管道声学声音。
在一些实施例中，环境音频信号被用于捕捉周围环境噪声，以用于基础设施监控。
在一些实施例中，温度传感器经由内置夹具附接到管道，并且被配置为监控管道的温度。
在一些实施例中，湿度传感器被用于检测来自管道的非监控区段、来自管道系统外部或其它来源的湿气。
在一些实施例中，一种检测管道系统中的泄漏和/或从历史水流或使用的偏离的方法包括使用至少一种机器学习算法。
在一些实施例中，该方法包括存储针对至少一个机器学习算法的所学习的和/或预先训练的特征。
在一些实施例中，该方法包括在泄漏或故障的事件中警告用户。
在一些实施例中，该方法包括响应于检测到泄漏或故障而操作致动器。
在一些实施例中，该方法包括在基于云的系统上存储管道系统的历史信息。
在一些实施例中，该方法包括对来自附接于管道系统的设备（诸如声学换能器）的信号的历史信息和/或信号进行数据分析。
应当领会的是，上述的和其它特征和功能的变型，或它们的替代物，可以合期望地组合到许多其它不同的系统、应用或方法中。本领域技术人员随后可以做出也旨在由本公开涵盖的各种目前未预见到或未预料到的替代、修改、变化或改进。
