长距离输水管道漏损及水锤压力在线监测系统（也称电学式管道泄漏监测系统）需要解决的核心难点是既需要高灵敏快速地检测到微小泄漏引起的微弱音波（噪声）信号，同时也需要区分泄漏引起的音波和管道日常运行中的背景噪声以及操作干扰，避免干扰信号引起的误报警。因此，管道泄漏监测问题可以归结为模式识别问题，如何有效的建立管道泄漏噪声（音波）信号及各种干扰信号的模型？如何从各种信号中识别出泄漏信号？

　  为了提高系统灵敏度，降低由于干扰噪声引起的误报，电学式智能管道泄漏监测系统采用智慧传感器（高频压力计+水听器）技术及前端处理技术以获取高质量的音波（噪声）信号、信号处理技术抑制背景噪声和操作干扰、人工智能技术和模式识别技术以准确的识别微小泄漏信号同时拒绝各种干扰噪声（音波）信号。管道漏损及水锤压力在线监测系统采用基于噪声（音波）数据库模型的识别器实时监测管道运行状况。

开放式、模块化软硬件架构：

　  系统采用B/S架构且符合SOA架构的体系结构设计：该系统可以容忍故障，但不会影响用户体验、安全性或造成数据丢失。所有服务器和服务都处于持续监控中，以防未授权访问、内存问题、磁盘空间问题和操作系统补丁。如果某个系统发生故障，该高可用性架构将触发备用系统，代替该故障系统，从而可以减少对整体系统的影响。

传感器及前端处理模块：

　  主要作用是实时将管道中的噪声信号转换为电信号，并传输到管道泄漏监测系统信号采集处理终端。在微小泄漏（泄露）孔径的情况下，系统信号采集处理终端采用定制的传感器，有效的解决了微弱信号的捕捉、放大和噪声抑制问题。

噪声信号处理：

      管道背景噪声影响泄漏噪音（音波）信号质量。在严重的情况下，管道泄漏噪音（音波）信号将完全被噪声淹没。管道泄漏监测系统采用科学的背景噪声功率谱估计算法，有效地估计管道运行过程中的平稳和非平稳背景噪声，然后利用维纳滤波器抑制背景噪声。系统采用主传感器获取主信号，同时采用多个传感器采集参考干扰信号，利用自适应滤波器滤除干扰噪声。

水力模型：

      建立受水厂与管理站之间输水水力计算模型，其原理与模型主要包括的内容应如下。

      管道输水系统的管网水力学模型通常采用曼宁公式计算，即针对管网（包括管段、阀门、水泵、水塔等）的动态信息和静态信息，建立管网的状态方程（包括连续性方程、能量方程和管段水头损失方程），然后求得管网中各管段的流量、流速、水头损失，各节点压力，以及各水源的供水量和供水压力。ZUI后将所得的计算结果与监测数据相比较，如果误差不满足要求，则相应修正模型的相关参数。

输配水力模式其实质是对输水管网的计算机模拟，模型需包括以下和实际设施对应的对象：节点、管段、阀门、水泵、水池。此外，模型还需要和供水管道漏损及水锤压力在线监测系统进行对接，获得系统测流、测压装置的检测数据。

模式识别及快速自适应训练：

　   长距离输水管道漏损及水锤压力在线监测系统选择不同频带的低频噪声能量作为特征向量。波形特征向量经过能量压缩、信息压缩之后，作为实时识别器的输入。

　   管道泄漏安全监测系统基于噪声（音波）数据库模型的识别器实时处理并甄别管道的运行状态。采用噪声（音波）数据库模型来描述泄漏音波及各种干扰信号模型，解决了模型建立、模型训练、实时识别以及在嵌入式系统上的识别器优化等一系列问题，从而有效地识别出泄漏噪声信号及干扰信号。

　   实际管道的运行状况千差万别，压力、温度、流体特性以及背景噪声都各不相同，准确快速地适应调整识别模型将进一步提升识别系统的性能。管道漏损及水锤监测系统采用快速适应性训练技术对原始噪声（音波）数据库模型进行训练。经过现场快速适应训练之后，实时识别器的模型能够更好的适应管道的现场运行状况，从而进一步提升识别精度。