-
公开(公告)号：CN109325544B
公开(公告)日：2021-10-19
申请号：CN201811182189.5
申请日：2018-10-11
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明提供一种基于中层特征的管道异常分类方法，涉及管道无损检测和数据挖掘领域。该方法包括：步骤1.管道漏磁信号的预处理；步骤2.获取漏磁数据样本集；步骤3.生成漏磁数据样本的显性特征；步骤4.基于BOW模型生成漏磁数据样本的中层特征：对每个样本圈框并计算差分特征向量；对待聚类差分特征向量集进行K‑Means聚类，得到k个视觉单词；统计每个视觉单词在每个样本中的频数，得到每个样本的中层特征向量；步骤5.基于联合稀疏表示的特征融合算法，将样本的显性特征与中层特征融合，形成联合稀疏矩阵，利用分类判别函数对样本分类。本发明解决了现有技术中管道异常的特征提取和分类准确性低、检测效果不理想的技术问题。
-
公开(公告)号：CN109193772B
公开(公告)日：2021-09-21
申请号：CN201811147495.5
申请日：2018-09-29
Applicant: 东北大学
Abstract: 本发明提供一种基于风光微网的储能优化配置系统及方法，涉及新能源发电系统优化配置技术领域。具体方法为根据风场状态信息以及微网负荷数据确定风光互补配置方案；根据上述方案，结合局部负荷情况制定多场景规划模型；并建立考虑综合经济成本的储能初始配置模型，将典型场景的出力曲线输入到该模型中，求得储能初始配置方案；储能初始配置方案根据“平抑波动”和“削峰填谷”的多模式联合运行分析进行优化配置，输出储能优化配置方案；再采用等效循环寿命评估方法对该方案验证循环寿命，将使用寿命代入综合经济成本模型得到经济性指标，完成风光储微网优化配置方案。本方法提高了系统的完整度，以及方案对多种场景和多需求的适应性。
-
公开(公告)号：CN108242812B
公开(公告)日：2021-06-29
申请号：CN201810223025.6
申请日：2018-03-19
Applicant: 东北大学
IPC: H02J3/16
Abstract: 本发明属于电力系统自动化技术领域，具体涉及一种基于模块度优化的双阶段无功电压分区方法及系统，其方法的具体步骤包括：1)第一阶段，进行中心吸引聚类；2)第二阶段，利用粒子群优化算法对初始种群的模块度进行优化，得到模块度的最优解和与其相对应最优无功分区；其系统包括：电网信息采集模块、初始分区模块、优化分区模块和分区显示模块。本发明避免了搜索的盲目性并提高了搜索的精确性。
-
公开(公告)号：CN106950276B
公开(公告)日：2020-05-05
申请号：CN201710168186.5
申请日：2017-03-21
Applicant: 东北大学
IPC: G01N27/83
Abstract: 本发明提供一种基于卷积神经网络的管道缺陷深度的反演方法，随机生成管道缺陷轮廓：生成n组管道缺陷深度矩阵，基于磁偶极子模型仿真得到n组管道缺陷轮廓的轴向漏磁信号，获取实测的k组管道缺陷深度矩阵，并采用磁场传感器测量其相应的轴向漏磁信号，构造卷积神经网络模型，采用仿真的管道缺陷轮廓的轴向漏磁信号和实测的管道缺陷轮廓的轴向漏磁信号对卷积神经网络模型进行训练，得到最终的卷积神经网络模型，将未知深度的管道缺陷的轴向漏磁信号进行预处理后，输入最终的卷积神经网络模型，得到未知深度的管道缺陷的深度预测值，本发明方法有效地减少了网络训练所需要的参数，减少了对缺陷反演所需的时间。
-
公开(公告)号：CN110929376A
公开(公告)日：2020-03-27
申请号：CN201911002802.5
申请日：2019-10-22
Applicant: 东北大学
IPC: G06F30/20
Abstract: 本发明一种基于GAN的管道漏磁检测数据缺失的重构方法。首先将漏磁内检测器采集的数据进行基线校正，构成漏磁数据集；然后对基线校正过的漏磁数据集进行异常检测处理；其次构建生成对抗网络的生成器模型和鉴别器模型；最后将缺失的管道数据和噪声数据输入到训练好的生成器模型中，生成器模型的输出即为重构之后的完整的管道数据，达到缺失数据重构目的。本发明建立的漏磁数据重构模型，仅涉及漏磁数据的采集，模型具有通用性，可以适用于任何类型的缺失，并在GAN模型的基础上加入了缺失图片作为条件，将此条件成对地输入到鉴别器模型中，完成像素到像素的映射，提高了重构的效果。
-
Patent Agency Ranking
公开(公告)号：CN109058771B
公开(公告)日：2019-11-12
申请号：CN201811173189.9
申请日：2018-10-09
Applicant: 东北大学
IPC: F17D5/02
Abstract: 本发明的目的是提供一种基于样本生成和间隔Markov特征的管道异常检测方法，涉及管道异常检测领域。本发明的方法包括：步骤1.历史数据样本的提取及滤波处理；步骤2.历史数据样本的规则化及降采样处理；步骤3.ELM模型的建立与训练；步骤4.基于ELM模型进行样本生成，得到扩充后的输入样本集；步骤5.对扩充后的输入样本集中每个样本，当t＞Q时，将每一时刻的状态用前Q个时间间隔内的平均状态代替，进行间隔Markov特征的提取；步骤6.基于SVM模型或RF模型对管道异常进行识别。本发明解决了现有技术中复杂工况条件下微弱的管道泄漏信号和工况调整信号识别困难的技术问题，能够提高管道异常检测的精度。
-
公开(公告)号：CN108050397B
公开(公告)日：2019-04-05
申请号：CN201810066839.3
申请日：2018-01-24
Applicant: 东北大学
IPC: F17D5/06
Abstract: 本发明的一种基于光纤多源信号分层序贯比的管道泄漏监控方法及系统，方法包括：实时采集标准光纤基组和检测光纤基组传输的光纤的中心波长数据；将采集到的数据进行解调获得环境数据和检测数据；对解调后的环境数据进行分析，采用序贯比方法进行环境补偿判断检验；对补偿后的检测数据进行分析，利用检测基组的多源信号构造影响因子改良序贯比方法进行管道泄漏诊断检验；判断泄漏与否并发送报警。本发明通过创建2种不同的光纤基组分离环境数据和检测数据，准确去除环境影响引起的误报警，基组内采用螺旋结构，方便安装铺设，防止基组内光纤发生不同步干扰。检测基组通过多源检测，提高系统运行灵敏度和准确性，通过拉伸、震动变化提供预警功能。
-
公开(公告)号：CN109492708A
公开(公告)日：2019-03-19
申请号：CN201811451849.5
申请日：2018-11-30
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明提供一种基于LS-KNN的管道漏磁内检测缺失数据插补方法，涉及故障诊断和人工智能技术领域。包括：对原始数据预处理后作为数据样本；提取样本数据特征；设定K值对模型进行训练，得到满足条件的KNN模型；归一化处理分到每类中的特征样本及其对应的数据集，再用最小二乘法对处理后的数据进行拟合建模；计算拟合结果的损失函数，设定误差阈值，令所有样本的长度相同，得到满足条件的LS拟合模型；将含缺失的数据输入到LS-KNN回归器中，实现对缺失数据的插补；对插补结果进行反归一化得到最终的插补数据。本方法克服了实际数据的缺失随机性，并克服了训练样本与待插补样本维度不同的问题，同时提高了数据插补精度，对信号噪声具有很强的鲁棒性。
-
公开(公告)号：CN109190994A
公开(公告)日：2019-01-11
申请号：CN201811084977.0
申请日：2018-09-18
Applicant: 东北大学
Abstract: 本发明提供一种基于多变量统计控制图对风机发电性能判定方法，涉及风电技术领域。该方法通过对风速与功率形成的方差矩阵进行特征结构分析，运用特征向量生成的坐标系的一致性进行统计多变量C统计控制图的设计，以及对特征值构成的椭圆的相似性进行统计多变量W统计控制图的设计，结合C统计控制图和W统计控制图，能有效的提高对风机异常情况的监控能力，显著改善监控效率。
-
公开(公告)号：CN107178710B
公开(公告)日：2019-01-08
申请号：CN201710232451.1
申请日：2017-04-11
Applicant: 东北大学
IPC: F17D5/06
Abstract: 一种基于内外检测信号特征提取的管道缺陷内外辨识方法，属于管道缺陷识别技术领域；该方法包括：内外检测信号高斯滤波；内外检测信号的瓣间信号插值；根据各路内外检测信号标准差和内外检测信号检测阈值判断内外检测信号是否异常，对异常内外检测信号根据里程添加标识1；识构造奇异标识矩阵并对存在内缺陷的内外检测信号添加内外检测标识1；将缺陷与内外检测标识为1的内外检测信号进行匹配，能匹配缺陷为内缺陷，实现管道缺陷内外辨识；本发明采用标识错位叠加法，减小测量误差和噪声干扰；采用三次样条插值防止缺陷漏检；检测阈值可适应当前方向的实际管道环境，提高缺陷判定精确性；可根据插值信号设定匹配阈值，内外判定结果更准确。
-
-
-
-
-
-
-
-
-
Search Results
198
records
(took 0.025 seconds)
