技术特征：
1.一种基于vmd和pncc的u型管运行状态声纹识别方法，其特征在于：所述方法的具体步骤如下：step1、通过数据采集装置对不同运行状态下的u型管进行数据采集，获得不同运行状态下的低频声压信号数据；step2、对不同运行状态下的声压信号进行变分模态分解，获得不同频段下的模态分量；step3、利用最大中心频率准则确定最大模态分量数k，同时选取有效的模态分量；step4、对有效地模态分量提取pncc系数，构建能表征u型管不同运行状态的特征向量集；step5、将特征向量集分为测试样本集和训练样本集，其中比例为3：7；然后将训练样本集用于模型的训练，测试样本集用于模型的测试。2.根据权利要求1所述的一种基于vmd和pncc的u型管运行状态声纹识别方法，其特征在于：所述step1中的数据采集装置包括计算机、声卡、功率放大器、扬声器、水听器、滤波器、两根带有固定装置的伸缩杆；数据采集的具体过程为：操作人员先分别将固定在伸缩杆上的扬声器和水听器通过伸缩杆从u型管两侧伸入到底部弯管处，然后通过操作计算机控制声卡发出检测信号，检测信号通过功率放大器经由扬声器发射到u型管中，然后另一侧的水听器采集到检测信号通过滤波器后长传至计算机中，存储信噪比较低的管道声压信号数据。3.根据权利要求1所述的一种基于vmd和pncc的u型管运行状态声纹识别方法，其特征在于：所述step3中具体的实验过程为：对不同运行状态下的声压数进行变分模态分解，按照最大中心频率准则选取最大分解数，其中最大中心频率准则定义是当分解数目为k时，第k
‑
1个模态分量的中心频率和第k个模态分量的中心频率保持相对稳定则最佳分解数为k，若中心频率不稳定则最佳分解数目不为k，然后根据检测信号的频率范围确定有效模态分量的数目，具体为模态分量的中心频率不能超过检测信号的最大频率。4.根据权利要求1所述的一种基于vmd和pncc的u型管运行状态声纹识别方法，其特征在于：所述step4中具体的实验过程为：对有效模态分量先进行分帧、加窗；对其求取快速傅里叶变换；取幅值平方；gammatone滤波器频率整合；时频归一化；中间能量偏差移除；计算非线性函数幂；离散余弦变换；最后得到能量归一化倒谱系数(pncc)，构建能表征u型管不同运行状态的特征向量样本集。