-
公开(公告)号：CN118797980A
公开(公告)日：2024-10-18
申请号：CN202410449534.6
申请日：2024-08-06
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G06F30/23 , G06F17/13 , G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094 , G06F113/08 , G06F119/14
Abstract: 一种面向类不平衡数据场景的数模双驱动油气管网故障诊断方法及系统，涉及油气管网的故障诊断领域，旨在解决当前智能故障诊断模型在处理油田类不平衡数据集时所面临的过拟合问题，以及降低误报和漏报的风险。主要步骤如下：深入理解油气在管网中运动时负压波的传播和衰减机理，建立反映管网运行状态的负压波衰减物理模型；基于长短时记忆网络构建适用于处理时间序列数据的深度生成对抗模型；设计合理的串‑并联机制融合物理模型以及数据驱动模型，构建混合生成对抗模型；使用训练好的混合生成对抗模型生成管网故障数据，平衡原始训练集；训练智能故障诊断模型，实现管道故障类型识别。本发明同时考虑和整合来自物理模型的先验知识和数据驱动模型的学习能力，与单纯的数据驱动模型相比，物理模型所含的管网先验知识能够缩小参数空间搜索域，减少估计参数量，提高深度生成模型的可解释性与泛化性能，同时提升生成故障数据的物理合理性与特征可区分性，从而有效克服类不平衡数据集对诊断模型性能的负面影响，进而提升管道智能故障诊断的准确性。
-
公开(公告)号：CN118570797A
公开(公告)日：2024-08-30
申请号：CN202410562542.1
申请日：2024-05-08
Applicant: 东北石油大学
IPC: G06V20/69 , G06V10/764 , G06V10/44 , G06V10/46 , G06V10/54 , G06V10/56 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 一种基于改进Swin Transformer的砂岩显微图像分类方法及系统，涉及基于人工智能的地质与油气勘查领域。本发明是针对砂岩图像本身的复杂纹理特性、类别间的微妙差异以及训练样本分布的不均衡性，利用现有的深度学习方法无法进行对砂岩显微图像进行准确分类的问题而提出的。本发明通过改进Swin‑Transformer框架并引入三个关键技术模块：空间自适应增强模块、局部感知块以及平衡自适应机制，有效应对了传统深度学习方法在砂岩显微图像分类任务中遇到的主要问题。这些模块的综合运用不仅增强了模型对砂岩显微图像中细微特征的捕获能力，还优化了模型在处理不同砂岩类别图像时的分类精度，并在处理样本不平衡问题上展示出了更佳的泛化能力。本发明不仅显著提升砂岩显微图像的自动分类性能，还能为地质图像处理和分析领域带来新的技术方案和研究思路。
-
公开(公告)号：CN115906949A
公开(公告)日：2023-04-04
申请号：CN202211465052.7
申请日：2022-11-22
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G06N3/047 , G06N3/0464 , G06N3/0442 , G06N3/094
Abstract: 一种石油管道故障诊断方法及系统、存储介质和石油管道故障诊断设备，属于管道故障诊断与分类技术领域，用以解决现有的智能方法在数据类别非均衡情况下无法达到高准确率的问题，包括步骤如下：步骤一，利用传感器采集不同泄漏程度以及正常状态的管道数据，构建真实数据集；步骤二，构建Tem‑PECAN的网络结构；步骤三，获取真实数据集的时间结构信息以及判别特征，以用于辅助Tem‑PECAN网络模型训练；步骤四：训练构建的Tem‑PECAN网络模型；步骤五，利用多样性与质量的综合评估指标验证生成数据的可靠性，并获得最优超参数组合；步骤六，利用训练好的Tem‑PECAN网络模型生成小类管道故障数据，用于扩充原始管道数据集；步骤七，使用扩充后的合成数据集训练故障分类模型，并实现管道故障诊断。本发明可以合成质量更好，多样性更强的管道时序数据，有效地提高了管道故障诊断模型的准确率以及鲁棒性，大大降低了诊断的漏报率和误报率。
-
公开(公告)号：CN111783945A
公开(公告)日：2020-10-16
申请号：CN202010573746.7
申请日：2020-06-22
Applicant: 东北石油大学
Abstract: 本发明属于油田生产设备技术领域，具体涉及一种基于迁移学习LSTM的长输油管道泄漏实时检测系统，包括以下步骤：1、通过长输油管道泄漏实验平台采集数据，包含正常数据和泄露数据，通过数据训练，使LSTM网络检测准确率达到达95％以上；2、通过迁移学习，将训练好的LSTM模型迁移到现场数据上，对管道状态进行实时预测 3、通过观测器观测 然后比较r(k)，R(k)之间关系，判断是否发生泄漏，如果发生，系统报警。该系统可通过模式识别方法实时对管道故障进行诊断，如果发生故障，会进行报警，在原油运输过程中具有一定应用价值。针对上述技术问题，解决了实时性问题、小样本问题和错报、漏报问题。
-
公开(公告)号：CN114706128B
公开(公告)日：2025-04-11
申请号：CN202210278729.X
申请日：2022-03-21
Applicant: 东北石油大学
IPC: G01V1/36
Abstract: 一种微地震资料噪声压制方法及系统、存储介质和地震信息处理设备，属于微地震资料数据处理技术，为解决现有方法无法消除全部噪声而且还会损失有效信号的问题。技术要点：利用检波器对目标区块的微地震资料进行采集；将获得的微地震资料按比例划分训练集、验证集和测试集，将训练集数据输入到时间注意力机制互信息生成对抗网络模型中学习并输出微地震噪声压制预训练模型；将验证集数据输入到训练好的模型中，利用信噪比对模型参数进行验证，获得最优微地震噪声压制模型超参数组合；再利用测试集数据对最优超参数组合进行测试并获得最终微地震噪声压制模型；将现场微地震资料输入到最终微地震噪声压制模型中获得去噪后的微地震资料，实现微地震资料噪声压制。
-
Patent Agency Ranking
公开(公告)号：CN118552627B
公开(公告)日：2024-10-15
申请号：CN202411016960.7
申请日：2024-07-29
Applicant: 东北石油大学三亚海洋油气研究院
Abstract: 一种大广角鱼眼镜头的立体标定设备及标定方法，涉及鱼眼镜头的标定领域。为解决当对标志点覆盖率较大的图像标定，由于图像边缘位置的标志点畸变强度较大，导致传统的鱼眼相机模型无法标定以及解决现有标定法中需要多次拍摄标定板的问题。标定设备包括正方形底面标定板和四个梯形侧面标定板，由底面至开口呈渐扩状。对单次拍摄的立体标定箱图像进行图像分割，对分割后的标定板图像进行Canny边缘检测，得到图像中所有轮廓点，对单个标定板上得到的圆心点通过基于特征点的逐点排序法，与三维世界坐标对应，完成对圆心点与世界坐标的匹配；通过匹配后的圆心点，使用自适应MEI模型对相机标定，得到高精度鱼眼镜头内参。本发明实现了对鱼眼相机的快速、高精度标定。
-
公开(公告)号：CN119942096A
公开(公告)日：2025-05-06
申请号：CN202510428376.0
申请日：2025-04-08
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G06V10/25 , G06N3/0464 , G06N3/0495 , G06N3/0985 , G06T7/00 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种超轻量化天然气管道焊缝缺陷检测方法及系统，属于天然气管道检测领域。为了解决焊缝缺陷数据集类别不平衡，导致过拟合；在面对小目标时难以有效识别，导致较低的准确率和较高的漏报/误报率；模型参数量较大无法部署在边缘检测设备的问题。本发明采用公共数据集，并对数据集进行预处理，添加数据增强模块；构建MSLE‑YOLO网络模型。本发明可以提高天然气管道焊缝缺陷检测的准确率以及鲁棒性，同时大大降低了诊断的漏报率和误报率，并进一步降低了模型的参数量和计算复杂性，便于后续部署到边缘检测设备。
-
公开(公告)号：CN114035226B
公开(公告)日：2023-10-20
申请号：CN202111338427.9
申请日：2021-11-12
Applicant: 东北石油大学
Abstract: 本发明提出基于噪声语义相关性深度迁移去噪自编码网络的微地震资料噪声压制方法及系统，所述方法首先利用微地震合成资料对用去噪自编码器构造的模型进行训练，其中采用噪声语义相关性作为去噪自编码网络的损失函数，均方差作为去噪自编码网络的正则项；然后，采用最大均值差异最小化进行训练模型深度迁移。最后利用现场微地震资料对深度迁移去噪自编码噪声压制模型进行微调，得到最优模型，进行测试验证。所述方法克服了现有的深度学习去噪算法在微地震噪声压制背景下的限制，提升了微地震噪声压制模型的性能，提高了后续的事件识别与震源定位的准确性与可靠性。
-
公开(公告)号：CN114706128A
公开(公告)日：2022-07-05
申请号：CN202210278729.X
申请日：2022-03-21
Applicant: 东北石油大学
IPC: G01V1/36
Abstract: 一种微地震资料噪声压制方法及系统、存储介质和地震信息处理设备，属于微地震资料数据处理技术，为解决现有方法无法消除全部噪声而且还会损失有效信号的问题。技术要点：利用检波器对目标区块的微地震资料进行采集；将获得的微地震资料按比例划分训练集、验证集和测试集，将训练集数据输入到时间注意力机制互信息生成对抗网络模型中学习并输出微地震噪声压制预训练模型；将验证集数据输入到训练好的模型中，利用信噪比对模型参数进行验证，获得最优微地震噪声压制模型超参数组合；再利用测试集数据对最优超参数组合进行测试并获得最终微地震噪声压制模型；将现场微地震资料输入到最终微地震噪声压制模型中获得去噪后的微地震资料，实现微地震资料噪声压制。
-
公开(公告)号：CN118552627A
公开(公告)日：2024-08-27
申请号：CN202411016960.7
申请日：2024-07-29
Applicant: 东北石油大学三亚海洋油气研究院
Abstract: 一种大广角鱼眼镜头的立体标定设备及标定方法，涉及鱼眼镜头的标定领域。为解决当对标志点覆盖率较大的图像标定，由于图像边缘位置的标志点畸变强度较大，导致传统的鱼眼相机模型无法标定以及解决现有标定法中需要多次拍摄标定板的问题。标定设备包括正方形底面标定板和四个梯形侧面标定板，由底面至开口呈渐扩状。对单次拍摄的立体标定箱图像进行图像分割，对分割后的标定板图像进行Canny边缘检测，得到图像中所有轮廓点，对单个标定板上得到的圆心点通过基于特征点的逐点排序法，与三维世界坐标对应，完成对圆心点与世界坐标的匹配；通过匹配后的圆心点，使用自适应MEI模型对相机标定，得到高精度鱼眼镜头内参。本发明实现了对鱼眼相机的快速、高精度标定。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.023 seconds)
