1.基于LCD-EE的管道声波信号特征提取的管道工况识别方法，其特征在于：包括如下步骤：步骤1、采用声波传感器分别采集油气管道三种不同工况下的声波原始信号样本数据，选取每种工况下的信号数据各至少50组，每组时域信号含有至少4096个采样数据；

步骤2、采用局部特征尺度分解(LCD)算法对步骤1中采集到的三种管道声波信号分别进行自适应分解，得到信号的若干个内禀尺度分量(ISC)信号；

步骤3、将ISC分量与原始信号进行相关性分析，根据特征分量筛选原则，选取含有特征信息较多的特征分量；

步骤4、提取各特征分量的指数熵作为区分管道声波信号的特征，分别计算所选取的特征分量的指数熵值；

步骤5、将不同状态下各组声波信号分解后选取的特征分量的指数熵值组成特征向量T；最后通过BP神经网络对特征向量进行训练和识别，进而识别出不同的管道工况情况。

2.根据权利要求1所述的基于LCD-EE的管道声波信号特征提取的管道工况识别方法，其特征在于，所述的步骤3中，定义第k个ISC分量与原始信号的相关系数如下：其中，ISCk为LCD分解后的第k个ISC分量，x(t)为原始信号，E为期望， 表示第k个ISC分量的均值， 为信号x(t)的均值， 为ISCk的标准差，σx(t)为x(t)的标准差。

相关系数为用于表征两个随机变量间相关密切程度的统计指标，其范围在[0,1]之间；

若该值越大，则表示两个变量间的相关程度越大，反之相关程度越小。

3.根据权利要求2所述的基于LCD-EE的管道声波信号特征提取的管道工况识别方法，其特征在于：按照步骤3得到的相关系数Rk,，计算LCD分解后各ISC分量与原始信号相关性权重系数，根据特征分量筛选原则，选取权重系数Wi>0.1的ISC分量作为特征分量,则权重系数计算公式如下：

4.根据权利要求3所述的基于LCD-EE的管道声波信号特征提取的管道工况识别方法，其特征在于：所述的步骤4中，记筛选的有效ISC特征分量分别记为I1,I2,…,Im，则定义第m个ISC分量的指数熵为：其中，EE(m)是Im的指数熵值；N是Im时间序列的样本点数；Pj是第j采样点的能量与Im能量的比例。

5.根据权利要求4所述的基于LCD-EE的管道声波信号特征提取的管道工况识别方法，其特征在于：所述的步骤5中，构成的特征向量T＝[EE1，EE2，…，EEm]。