-
公开(公告)号：CN114154539A
公开(公告)日：2022-03-08
申请号：CN202111435387.X
申请日：2021-11-29
Applicant: 浙江大学
Abstract: 本发明公开了一种基于直流磁场和集成学习的高含硫气井套管缺陷识别方法，根据直流磁场信号，采用集成学习方法建立针对套管缺陷的多分类模型，主要包括预处理、特征提取、缺陷分类等步骤。首先利用滑动平均法对数据预处理，实现同种缺陷类型下直流磁场信号的相位对齐；然后用主成分分析对直流磁场信号进行特征提取；最后利用集成学习的装袋算法，以加权平均的方式将多个SVM分类器与决策树分类结果相结合，实现多种套管缺陷识别。本发明建立的基于直流磁场和集成学习的高含硫气井套管缺陷识别方法，有效提取了套管的畸变特征，具有较高的分类精度，对于不同高含硫气井井况具有良好的泛化性能，因此可有效的应用于高含硫气井的套变情况监测。
-
公开(公告)号：CN108167653B
公开(公告)日：2019-04-02
申请号：CN201711412232.8
申请日：2017-12-23
Applicant: 浙江大学
IPC: F17D5/02
Abstract: 本发明公开了基于动态神经网络预测的城市供水管网爆管检测方法。S1.利用城市供水节点的W时长的正常历史流量数据作为原始时间序列；S2.对原始时间序列进行分析，得到预处理后的时间序列；S3.小波分析：利用小波分析对预处理后的时间序列进行去噪，得到去噪后的流量数据；S4.模型建立：利用NAR动态神经网络对去噪后的流量数据进行训练，建立爆管识别模型；S5.W时长的流量时间窗随时间向后滑动，对流量数据进行更新；S6.W时长的流量时间窗继续随时间向后滑动，重复S5步骤；直到流量异常的累计概率超过设定的阈值，则判断已发生爆管事件。本发明结合小波分析、动态神经网络预测算法，实现了基于动态神经网络预测的城市供水管网的爆管事件检测。
-
公开(公告)号：CN109523114A
公开(公告)日：2019-03-26
申请号：CN201811181755.0
申请日：2018-10-11
Applicant: 浙江大学
Abstract: 本发明公开了一种城市供水系统中独立计量分区水量组份的分析方法，包括:一种整体的供水系统水量组份分析模型；针对所述的供水系统水量组份分析模型，提出了根据供水系统一定周期的历史运行数据估计未知参数(k,N,A0)的方法；定期性更新模型参数，从而所提出的供水系统水量组份分析模型，得到更为精确的组份分析结果。当水量组份分析结果中，真实物理漏失水量明显增大时，发出警报，提醒供水公司进行检漏，从而及时减少水资源的流失。
-
公开(公告)号：CN105930670A
公开(公告)日：2016-09-07
申请号：CN201610279685.7
申请日：2016-04-29
Applicant: 浙江大学
IPC: G06F19/00
CPC classification number: G06F2219/10 , G16Z99/00
Abstract: 本发明公开了基于模型参数不确定性的河流突发污染事故动态预测方法。S1.利用参数率定、经验数据以及查阅文献的方法生成不确定性参数；S2.利用S1中不确定性参数值和初始断面污染物浓度计算事故点以后各断面各时刻的污染物浓度值；S3.选取似然函数计算S2中不同参数组所对应的似然值；S4.利用S3中的似然值可以估算出在一定置信度水平下模型预测结果的不确定范围，扩展到事故发生以后的整个事件维度可以获得模型预测结果的不确定性区间；S5.利用实测数据对模拟预测结果不断进行更新和校正，重复上述步骤，可求得最新更新的预测结果。该方法结合不确定性方法、动态更新理论、普适似然不确定性算法，实现了基于模型参数不确定性的河流突发污染事故水质预测。
-
公开(公告)号：CN101929883A
公开(公告)日：2010-12-29
申请号：CN200910155051.0
申请日：2009-12-14
Applicant: 浙江大学
IPC: G01F1/58
Abstract: 本发明公开了一种用电磁流量计测量非满管导电流体流量的方法。采用的流量计带有至少3对测量电极和1个接地电极，一个用于产生磁场的线圈结构和一个压力传感器，测量管内壁的多对电极，保证了不同液位H下每对电极均与流体接触，且根据液位的不同合理选择测量电极对，保证测量的准确性。其测量方法是，不同液位下选用不同对的电极进行流速的测量，用压力传感器的压力信号P得到液位信号H，克服了不同种类的导电流体由于电导率和介电常数的不同而可能造成的测量误差，通过液位信号计算出非满管流体的等效截面积S，流量传感器测得的感应电动势的信号E转换得到流速的信号V，综合等效截面积S和流速信号可以得出相应的非满管流体的流量Q。
-
Patent Agency Ranking
公开(公告)号：CN1967159A
公开(公告)日：2007-05-23
申请号：CN200610154632.9
申请日：2006-11-13
Applicant: 浙江大学
Abstract: 本发明公开了一种气液两相泡状流流量与体积含气率测量方法及装置。在置于气液两相泡状流中的涡街流量计旋涡发生体下游一定区间内的测量管管壁上，开设两个对称于旋涡发生体的取压孔，用差压传感器测量这两点之间的差压，再经过信号处理电路分别获得该差压信号的频率和幅度，最后代入气液两相流有关的关联式，计算得到气液两相泡状流的流量与体积含气率。本发明只用了一个涡街流量计即实现了同时测量气液两相泡状流的流量和体积含气率，其测量部件结构简单、无可动件、成本低廉，其信号处理部分快速、准确、方便，可满足工业现场在线检测的要求。
-
公开(公告)号：CN1316241C
公开(公告)日：2007-05-16
申请号：CN200410017475.8
申请日：2004-04-02
Applicant: 浙江大学
IPC: G01N11/00
Abstract: 本发明公开了一种基于希尔伯特-黄变换(Hirbert Huang Trasform)的水平管气液两相流流型识别方法。它是在一个由经典的文丘利管、差压变送器和计算机组成的流型识别系统中，采用希尔伯特-黄变换方法，对文丘利管两端的差压信号进行固有模态分解并计算不同固有模态所占的能量比与残差的均值，得到利用能量比识别流型的流态图，通过能量比与均值的结合得到可以用来判别流型的规则。基于希尔伯特-黄变换的气液两相流流型识别方法的实质在于通过对经典的文丘利管两端的差压信号进行处理，得到与流型有直接关系的特征变量。该方法可以实现对不同管道直径、不同介质的气液两相流流型进行识别。这种方法受现场干扰影响小，通用性强，对流型的识别率高。
-
公开(公告)号：CN1952609A
公开(公告)日：2007-04-25
申请号：CN200610154631.4
申请日：2006-11-13
Applicant: 浙江大学
Abstract: 本发明公开了一种差压式涡街质量流量测量信号处理系统。用差压传感器测量涡街流量计旋涡发生体上、下游的差压，将测得的差压与差压式涡街质量流量测量信号处理装置相接，在该装置中，差压传感器的输出信号经过程控放大、平均值分离、频率分离、自适应滤波等处理，分别得到涡街频率信号和差压平均值信号，然后，这两路信号经过模数转换(加)后送往单片机进行相关的运算，得到测量管内被测流体的质量流量。本发明设计的装置实现了对管道内流体质量流量的直接测量，具有结构简单、测量准确度高、成本低、抗干扰性强、适用范围广等特点。
-
公开(公告)号：CN117470418B
公开(公告)日：2024-09-27
申请号：CN202311419958.X
申请日：2023-10-30
Applicant: 浙江大学
Abstract: 本发明公开了一种用于地下管道系统结构健康监测的法兰垫片，涉及地下管道系统结构健康监测领域。由传感单元、金属信号线及外形填充层构成，传感单元由柔性衬底、导电层、多孔敏感层与顶层保护层构成。金属信号线确保信号输出的稳定性；顶层保护层、柔性衬底与外形填充层均为柔性PDMS材料，保证法兰垫片的整体柔顺性；导电层为螺旋叉指型电极结构，内部填充导电复合材料，保证高压阻特性及导电性；多孔敏感层为表面涂覆特定湿敏材料的多孔泡沫结构；各层之间利用PDMS的自粘附特性实现自组装。本发明通过改善敏感元件与导电电极，利用不同场景下变化的多维电学信号实现应力与相对湿度的同时检测，使其能满足地下管道系统结构健康监测的工程需求。
-
公开(公告)号：CN118587158A
公开(公告)日：2024-09-03
申请号：CN202410621569.3
申请日：2024-05-20
Applicant: 浙江大学
IPC: G06T7/00 , G06N3/0464 , G06V10/44
Abstract: 本发明公开了一种基于改进YOLOv8的电池CT图像缺陷检测方法，该方法包括：利用CT扫描设备获取电池内部的缺陷图像，划分为训练集、验证集与测试集；通过二维Gabor滤波对电池CT图像进行特征提取与特征融合；结合双重注意力机制，采用轻量化卷积混洗模块替换普通卷积层，得到改进后的网络模型；将训练集输入网络模型进行训练，得到训练完成的目标检测模型；通过测试集对模型进行性能评估，得到电池内部缺陷检测结果。本发明通过对YOLOv8网络进行改进并结合Gabor特征提取与融合算法，能够有效提升电池内部缺陷CT图像的检测精度，减小模型参数量大小，使得模型在准确检测出电池内部缺陷的同时提高可移植性。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.024 seconds)
