-
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。
-
公开(公告)号：CN113932158B
公开(公告)日：2024-07-02
申请号：CN202111243770.5
申请日：2021-10-25
Applicant: 东北石油大学
IPC: F17D5/06
Abstract: 本发明涉及的是一种长输管道泄漏信号的采集传输装置，它包括多源传感器模块、远程数据采集传输终端；多源传感器模块包含压力变送器、火焰传感器、电磁流量计和振动传感器，长输管道的进口和出口两端均设置压力变送器和电磁流量计，在长输管道上等距离间隔成对安装振动传感器和火焰传感器；远程数据采集传输终端包括核心处理器、北斗模块、物联网模块、报警模块和电源模块,北斗模块通过接受北斗卫星的广播星历得到地理位置和时间戳，并将其信息授予核心处理器；核心处理器中通过一种多源传感器数据信号降噪方法对数据进行降噪处理。本发明采用多源传感器模块能够增加可用于分析管道状况的指标，提高对长输管道泄漏的监测强度和管道的数字化程度。
-
公开(公告)号：CN115310324A
公开(公告)日：2022-11-08
申请号：CN202210940894.7
申请日：2022-08-07
Applicant: 东北石油大学
IPC: G06F30/23
Abstract: 本发明涉及的是一种基于降阶模型的管道泄漏检测方法,它包括：对管道流体进行网格划分，对划分后的网格进行仿真分析；对管道输入不同静压的情况下进行参数化仿真，仿真出管道一定数量的工况结果；通过ANSYS的3D ROM把仿真出的大量不同管道工况结果降阶成一个包含所有仿真工况的降阶模型；把降阶模型导入TwinBuilder软件进行联合仿真，Twinbuilder软件接入实际管道实时出入口静压数据，同时该入口静压数据传入降阶模型作为降阶模型的入口静压数据，此时降阶模型同时输出一个模型出口静压数据；通过对模型出口静压数据和实际管道出口静压数据对比分析判断是否发生泄漏。本发明解决管道泄漏难以检测的问题。
-
公开(公告)号：CN113962266A
公开(公告)日：2022-01-21
申请号：CN202111243771.X
申请日：2021-10-25
Applicant: 东北石油大学
Abstract: 本发明涉及的是一种基于改进的BAS‑VMD的管道泄漏信号去噪方法，它包括：利用声波传感器采集天然气管道在泄漏工况下的管道泄漏信号；对BAS进行改进，将单个天牛变为多个天牛，并让天牛在移动中学习群体经验以提高算法准确度；利用改进后的BAS算法确定VMD中参数模态数量K和带宽约束α，VMD分解信号，对管道泄漏信号进行自适应分解，得到多个模态分量；利用欧式距离ED筛选出有效分量并对其进行重构，去除噪声分量，得到去噪后的泄漏信号。利用本发明对管道泄漏信号进行去噪处理能得到较好的效果，在滤去噪声的同时还保留了管道泄漏信号中的有效特征。
-
公开(公告)号：CN111734961A
公开(公告)日：2020-10-02
申请号：CN202010588128.X
申请日：2020-06-24
Applicant: 东北石油大学
Abstract: 一种天然气管道泄漏检测方法，涉及管道泄漏检测技术领域，其解决了管道泄漏检测系统误报率高的问题。所述方法包含以下步骤：利用声学传感器采集声波信号；利用海鸥算法优化变分模态分解算法；利用基于优化的变分模态分解阈值去噪方法对所述的声波信号进行降噪预处理，获取去噪的声波信号；分别提取声波信号的时频特征构建高维特征向量矩阵，利用局部线性嵌入算法对所述的高维特征向量矩阵进行降维，提取有利于分类的敏感特征向量；利用海鸥优化算法搜索最佳的惩罚因子和核函数使最小二乘支持向量机的性能最优，将所述的敏感特征向量作为最小二乘支持向量机的训练样本，根据采集的声波信号作为测试样本，来检测天然气管道是否发生泄漏。
-
Patent Agency Ranking
公开(公告)号：CN116644583A
公开(公告)日：2023-08-25
申请号：CN202310622862.7
申请日：2023-05-30
Applicant: 东北石油大学
IPC: G06F30/20 , F17D5/02 , G06F18/24 , G06F18/214 , G06F18/22 , G06F111/04
Abstract: 本发明公开了一种基于VMD和弗雷歇距离相结合的油气管道泄漏信号预处理方法及系统，涉及油气管道信号处理技术领域。本发明的技术要点包括：对油气管道信号进行变分模态分解，获得多个本征模态分量；其中，在变分模态分解中利用弗雷歇距离判断变分模态分解后模态重构信号与原始信号的相似度，进而确定最佳模态个数；将多个本征模态分量输入到预训练的分类器中进行工况识别，识别出油气管道的不同工况。本发明利用弗雷歇距离判断VMD分解后模态重构信号与原始信号的相似度，当弗雷歇距离最小时对应的模态个数‑K值为最优，分解后模态重构信号与原始信号最相似，从而通过新的模态中心频率初始化位置，使其VMD在分解过程中中心频率寻优过程更加迅速与精确。
-
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：CN113962266B
公开(公告)日：2024-06-14
申请号：CN202111243771.X
申请日：2021-10-25
Applicant: 东北石油大学
Abstract: 本发明涉及的是一种基于改进的BAS‑VMD的管道泄漏信号去噪方法，它包括：利用声波传感器采集天然气管道在泄漏工况下的管道泄漏信号；对BAS进行改进，将单个天牛变为多个天牛，并让天牛在移动中学习群体经验以提高算法准确度；利用改进后的BAS算法确定VMD中参数模态数量K和带宽约束α，VMD分解信号，对管道泄漏信号进行自适应分解，得到多个模态分量；利用欧式距离ED筛选出有效分量并对其进行重构，去除噪声分量，得到去噪后的泄漏信号。利用本发明对管道泄漏信号进行去噪处理能得到较好的效果，在滤去噪声的同时还保留了管道泄漏信号中的有效特征。
-
公开(公告)号：CN111734961B
公开(公告)日：2021-09-17
申请号：CN202010588128.X
申请日：2020-06-24
Applicant: 东北石油大学
Abstract: 一种天然气管道泄漏检测方法，涉及管道泄漏检测技术领域，其解决了管道泄漏检测系统误报率高的问题。所述方法包含以下步骤：利用声学传感器采集声波信号；利用海鸥算法优化变分模态分解算法；利用基于优化的变分模态分解阈值去噪方法对所述的声波信号进行降噪预处理，获取去噪的声波信号；分别提取声波信号的时频特征构建高维特征向量矩阵，利用局部线性嵌入算法对所述的高维特征向量矩阵进行降维，提取有利于分类的敏感特征向量；利用海鸥优化算法搜索最佳的惩罚因子和核函数使最小二乘支持向量机的性能最优，将所述的敏感特征向量作为最小二乘支持向量机的训练样本，根据采集的声波信号作为测试样本，来检测天然气管道是否发生泄漏。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.023 seconds)
