随着我国基础设施有计划有目标地建设,城市化的进程正乘着中国高铁的快车进入高速发展阶段。但在这个上升期,仍存在发展不均衡充分的现象,供/排水管道作为基础设施,就像城市的血管,保证城市的稳定运行。近年来,随着服役年限的增加,管道堵塞问题逐渐显现出来,经常因为一场暴雨,整座城市就进入“看海”模式,影响人们的正常出行和生产生活的有序进行,同时管道堵塞还会缓慢积累成为安全隐患,给人们的生命财产造成损害。所以,及时检测管道堵塞,控制管道堵塞量变产生的危害危险,对节约水资源、保障城市用水、推动我国经济持续健康发展有重要意义^[1]。目前,国内对管道的研究多集中在管道缺陷方面,即管道产生裂纹、凹陷,对管道堵塞方面的研究开展较少。管道堵塞是管道运行中极易引发事故的运行工况,又因其存在积累发展的时间过程,对堵塞的检测存在一定的滞后性和不适应性,因此主要用于泄露检测的被动方法。本文采用声学检测方法对管道堵塞工况进行研究,通过分析管道内的回波信号判别管道堵塞状况。排水管道相比于供水管道,其满管状态较少,且排水管道内部污水构成较为复杂,常有异物掺杂,水流密度也无法确定,所以对排水管道的信号分析也较为复杂。本文采用声学检测方法获取管道内部的回波信号,并采用特征选择方法筛选特征集,最后利用半监督学习方法结合实际工程数据特点判断管道运行工况。论文主要研究工作如下:（1）利用声学主动检测获得的数据,从声学信号机理出发,通过声压的测量间接求得质点振速等其他声学参量,分析声信号特征,研究了管道中声信号在遇到堵塞物和三通件的管道部件时产生的声学变化,根据管道内部声学变化特征提取特征集。（2）采用特征选择的方法对特征集进行选择,有效选择特征子集,解决模式识别中最优特征的选择问题,并尽可能避免特征冗余,减少了特征集维数,节省计算资源,提高了实际应用中的工作效率。通过信号处理方法分析声学信号,在分解得到的不同频段的分量基础上提取特征,构成高维特征集,采用广义Fisher方法对特征集进行排序,计算每种特征间的互信息,按照正向添加策略,依次向特征子集中添加特征,直到分类正确率出现下降趋势,得到最优特征子集。（3）实际工程应用中,采集到的数据量越来越大,凭借人力和经验对所有数据进行标注渐渐变为不可能完成的工作量,采用半监督方法能大大缓解这一现象,既保证了少量标记样本对分类过程的正确指导,更是减少了对大量标注样本的需要。S4VM可以实现二分类,本文针对管道多种工况进行分类,需要对S4VM算法进行改进以实现多分类识别,拓展多分类学习的基本方法是“拆解法”,本研究采用一对多方法对S4VM方法进行扩展,以实现本文需要。