-
公开(公告)号：CN112539887A
公开(公告)日：2021-03-23
申请号：CN202011541627.X
申请日：2020-12-23
Applicant: 东北石油大学
Abstract: 本发明涉及的是一种基于WT‑LCD‑WD的管道泄漏信号去噪方法，具体为：首先用声波传感器采集天然气管道在泄漏工况下的声波信号；采用小波阈值去噪法对采集到的声波信号进行处理，实现信号的前置滤波；采用局部特征尺度分解方法对预处理后的信号进行自适应分解，将信号分解为若干个具有不同尺度的内禀尺度分量，计算各ISC分量与原始信号之间的概率密度函数之间的Wasserstein距离，通过评估相邻ISC与原始信号的WD开始增加后的第一个局部最大值点作为有效分量与噪声分量选取的转折点，最后对筛选的有效分量进行重构，得到去噪后的泄漏信号。本发明能够对管道泄漏信号进行较好的去噪，保留原始泄漏信号中的有效特征。
-
公开(公告)号：CN118016082B
公开(公告)日：2024-06-11
申请号：CN202410424127.X
申请日：2024-04-10
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G10L19/26 , G06F18/10 , G06F18/2131 , G06F18/241 , F17D5/06
Abstract: 本发明公开了一种基于自动变分模态分解的管道泄漏滤波方法、检测方法及系统，涉及管道泄漏检测技术领域，用以解决管道泄漏信号因受噪声干扰而导致检测精度下降的问题。所述滤波方法包括：在变分模态分解的基础上利用残差信号的概念增加约束性准则构造自动变分模态分解的目标函数，从而得到更新模态和中心频率的公式；利用模态的功率概念提出更新带宽公式以及自动寻找目标模数的迭代条件；使用李氏距离对所得到的纯净模态进行重构而达到去噪目的。所述检测方法包括：利用管道泄漏滤波方法对待检测管道声波信号进行滤波处理后进一步进行检测处理。本发明提出的方法简单、准确率高、检测成本低，有效解决了环境噪声对管道泄漏检测造成的干扰。
-
Patent Agency Ranking
公开(公告)号：CN118016082A
公开(公告)日：2024-05-10
申请号：CN202410424127.X
申请日：2024-04-10
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G10L19/26 , G06F18/10 , G06F18/2131 , G06F18/241 , F17D5/06
Abstract: 本发明公开了一种基于自动变分模态分解的管道泄漏滤波方法、检测方法及系统，涉及管道泄漏检测技术领域，用以解决管道泄漏信号因受噪声干扰而导致检测精度下降的问题。所述滤波方法包括：在变分模态分解的基础上利用残差信号的概念增加约束性准则构造自动变分模态分解的目标函数，从而得到更新模态和中心频率的公式；利用模态的功率概念提出更新带宽公式以及自动寻找目标模数的迭代条件；使用李氏距离对所得到的纯净模态进行重构而达到去噪目的。所述检测方法包括：利用管道泄漏滤波方法对待检测管道声波信号进行滤波处理后进一步进行检测处理。本发明提出的方法简单、准确率高、检测成本低，有效解决了环境噪声对管道泄漏检测造成的干扰。
-
公开(公告)号：CN111735583B
公开(公告)日：2022-01-28
申请号：CN202010588123.7
申请日：2020-06-24
Applicant: 东北石油大学
Abstract: 一种基于LCD‑EE的管道声波信号特征提取的管道工况识别方法，涉及信号处理和管道泄漏检测技术领域。其为了解决目前管道声波信号的特征提取难、无法反应出泄漏信号的本质特征，从而影响管道工况的准确识别的问题。本发明利用声波传感器分别采集天然气管道在不同工况下的管道声波信号；采用局部特征尺度分解(LCD)方法对采集到的管道声波信号进行自适应分解，将声波信号分解为若干个具有不同尺度的本征尺度分量(ISC)，计算各ISC分量与与原始信号的相关系数，利用相关系数加权结果来选取包含有效信息较多的特征分量。计算各特征分量的指数熵(EE)，构成特征向量，进而通过模式识别方法对特征向量进行识别，识别出管道的不同工况情况。本发明用于管道泄漏检测。
-
公开(公告)号：CN118552828B
公开(公告)日：2024-11-08
申请号：CN202411002429.4
申请日：2024-07-25
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G06V10/82 , G08B17/12 , G06N3/045 , G06N3/0464 , G06N3/082 , G06V10/25 , G06V10/774 , G06V10/776
Abstract: 本发明一种基于深度学习的火灾检测方法、系统及存储介质，涉及目标检测技术领域，为解决现有的针对多变性的火灾进行目标检测存在提取特征困难、对小目标火焰的检测效果较差的问题。本发明的火灾检测网络模型包含特征提取主干网络、多尺度加权特征融合颈部网络和目标分类回归网络；特征提取主干网络引入拥有多个不同的分支的MCA注意力模块，以提取到多层次化的特征，且特征提取主干网络的前端卷积采用RepVB模块以降低模型参数量；通过多尺度加权特征融合颈部网络将骨干网络中多个阶段提取的特征加权融合进颈部网路，并且对颈部网路输出的多个特征也进行多层次化融合，再进行多个方向的权重回传以有效地融合高低维度的信息，以获取密集小目标信息。
-
公开(公告)号：CN118552828A
公开(公告)日：2024-08-27
申请号：CN202411002429.4
申请日：2024-07-25
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G06V10/82 , G08B17/12 , G06N3/045 , G06N3/0464 , G06N3/082 , G06V10/25 , G06V10/774 , G06V10/776
Abstract: 本发明一种基于深度学习的火灾检测方法、系统及存储介质，涉及目标检测技术领域，为解决现有的针对多变性的火灾进行目标检测存在提取特征困难、对小目标火焰的检测效果较差的问题。本发明的火灾检测网络模型包含特征提取主干网络、多尺度加权特征融合颈部网络和目标分类回归网络；特征提取主干网络引入拥有多个不同的分支的MCA注意力模块，以提取到多层次化的特征，且特征提取主干网络的前端卷积采用RepVB模块以降低模型参数量；通过多尺度加权特征融合颈部网络将骨干网络中多个阶段提取的特征加权融合进颈部网路，并且对颈部网路输出的多个特征也进行多层次化融合，再进行多个方向的权重回传以有效地融合高低维度的信息，以获取密集小目标信息。
-
公开(公告)号：CN111735583A
公开(公告)日：2020-10-02
申请号：CN202010588123.7
申请日：2020-06-24
Applicant: 东北石油大学
Abstract: 一种基于LCD-EE的管道声波信号特征提取的管道工况识别方法，涉及信号处理和管道泄漏检测技术领域。其为了解决目前管道声波信号的特征提取难、无法反应出泄漏信号的本质特征，从而影响管道工况的准确识别的问题。本发明利用声波传感器分别采集天然气管道在不同工况下的管道声波信号；采用局部特征尺度分解(LCD)方法对采集到的管道声波信号进行自适应分解，将声波信号分解为若干个具有不同尺度的本征尺度分量(ISC)，计算各ISC分量与与原始信号的相关系数，利用相关系数加权结果来选取包含有效信息较多的特征分量。计算各特征分量的指数熵(EE)，构成特征向量，进而通过模式识别方法对特征向量进行识别，识别出管道的不同工况情况。本发明用于管道泄漏检测。
-
-
-
-
-
-
Search Results
7
records
(took 0.05 seconds)
