-
公开(公告)号：CN111664365B
公开(公告)日：2022-01-28
申请号：CN202010509296.5
申请日：2020-06-07
Applicant: 东北石油大学
Abstract: 本发明涉及的是基于改进VMD和1DCNN的油气管道泄漏检测方法，它包括:一、利用声波传感器采集在正常、泄漏两种工况下天然气管道中的声波信号；二、初始化变分模态分解算法VMD的参数，确定VMD模态数K；三、利用VMD算法对声波信号进行自适应分解，选取其中方差最大的IMF作为有效本征模态函数；四、通过优化网络结构和超参数构建一维卷积神经网络1DCNN管道泄漏检测模型；五、将训练样本输入到1DCNN管道泄漏检测模型中进行训练，使用测试样本测试模型泛化性能，最终获取分类结果检测管道是否发生泄漏。本发明有效解决了VMD方法在分解实际信号时分解数K依赖经验选取的问题，可以准确地发现管道发生泄漏并及时报警。
-
公开(公告)号：CN111664365A
公开(公告)日：2020-09-15
申请号：CN202010509296.5
申请日：2020-06-07
Applicant: 东北石油大学
Abstract: 本发明涉及的是基于改进VMD和1DCNN的油气管道泄漏检测方法，它包括:一、利用声波传感器采集在正常、泄漏两种工况下天然气管道中的声波信号；二、初始化变分模态分解算法VMD的参数，确定VMD模态数K；三、利用VMD算法对声波信号进行自适应分解，选取其中方差最大的IMF作为有效本征模态函数；四、通过优化网络结构和超参数构建一维卷积神经网络1DCNN管道泄漏检测模型；五、将训练样本输入到1DCNN管道泄漏检测模型中进行训练，使用测试样本测试模型泛化性能，最终获取分类结果检测管道是否发生泄漏。本发明有效解决了VMD方法在分解实际信号时分解数K依赖经验选取的问题，可以准确地发现管道发生泄漏并及时报警。
-
公开(公告)号：CN118571253A
公开(公告)日：2024-08-30
申请号：CN202411054510.7
申请日：2024-08-02
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G10L25/30 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F17/14 , G06F17/15 , G01M3/24 , F17D5/02
Abstract: 本发明提供一种基于时序变分自编码TS‑VAE的数据增强方法及系统，属于数据增强处理领域。为解决利用现有变分自编码器进行数据扩充时，声波信号不能直接输入，对提取长时间序列的时频特征的能力弱，计算效率低、扩充数据质量不佳问题。通过短时傅里叶变换将声波信号的波形图转化为频谱图；构建基于时间序列的变分自编码器TS‑VAE生成模型，在输入数据中增加时序窗口维度，分别在编码器和解码器中引入残差网络和时序趋势估计参数，利用频谱图对模型进行训练，通过皮尔逊相关系数评价并筛选生成信号。可提高模型对泄漏信号识别准确性和鲁棒性，实现管道泄漏数据扩充，为管道泄漏检测识别提供丰富样本。
-
Patent Agency Ranking
公开(公告)号：CN118571253B
公开(公告)日：2024-10-25
申请号：CN202411054510.7
申请日：2024-08-02
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G10L25/30 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F17/14 , G06F17/15 , G01M3/24 , F17D5/02
Abstract: 本发明提供一种基于时序变分自编码TS‑VAE的数据增强方法及系统，属于数据增强处理领域。为解决利用现有变分自编码器进行数据扩充时，声波信号不能直接输入，对提取长时间序列的时频特征的能力弱，计算效率低、扩充数据质量不佳问题。通过短时傅里叶变换将声波信号的波形图转化为频谱图；构建基于时间序列的变分自编码器TS‑VAE生成模型，在输入数据中增加时序窗口维度，分别在编码器和解码器中引入残差网络和时序趋势估计参数，利用频谱图对模型进行训练，通过皮尔逊相关系数评价并筛选生成信号。可提高模型对泄漏信号识别准确性和鲁棒性，实现管道泄漏数据扩充，为管道泄漏检测识别提供丰富样本。
-
公开(公告)号：CN115345203A
公开(公告)日：2022-11-15
申请号：CN202211019804.7
申请日：2022-08-24
Applicant: 东北石油大学
Abstract: 一种基于VMD和多特征融合的管道信号识别方法及系统，涉及管道信号识别技术领域，用以解决现有技术中由于管道信号特征提取效果不佳导致影响管道泄漏检测精度的问题。本发明的技术要点包括：将管道信号通过VMD算法进行预处理，提出了一种多角度测量距离算法‑WCC算法，利用加权的相关系数和余弦值指标来确定VMD分解层数K值；根据IMFs分量与原始信号相似程度确定特征模态分量，提取特征模态的特征参数，包括熵特征、波形参数和时频域特征；利用提取的特征参数构建基于多特征融合的特征向量组；将特征向量组输入预训练的神经网络中进行管道信号的工况识别。本发明有效提高了信号特征提取的准确度，进而提高了管道信号识别精度。
-
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：CN116659767A
公开(公告)日：2023-08-29
申请号：CN202310394623.0
申请日：2023-04-13
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G01M3/24 , G06N3/0464 , G06N3/048 , G06F18/2411 , G06F18/213 , G06F18/214 , G06N3/006
Abstract: 本发明涉及的是改进1DCNN的油气管道信息物理融合系统泄漏检测方法，它包括通过油气管道信息物理融合系统中的声波传感器获取油气管道数据同时上传至系统云端；通过调整网络结构和参数构建一维卷积神经网络1DCNN管道泄漏检测模型；构建1DCNN‑TSNE‑SVM模型，提取1DCNN网络各层特征并进行特征融合，通过TSNE算法对其进行降维，并采用粒子群优化PSO算法优化后的支持向量机SVM分类器进行分类识别；从系统云端下载各类管道信号构建训练样本和测试样本，进行训练及测试模型，对管道异常情况实时监测。本发明可以准确地发现管道发生泄漏并及时报警，减少经济损失。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
