一种管道检测装置、电子设备及管道检测方法

    公开(公告)号:CN119147772A

    公开(公告)日:2024-12-17

    申请号:CN202411271353.5

    申请日:2024-09-11

    Abstract: 本申请提供了一种管道检测装置、电子设备及管道检测方法,管道检测装置包括:中央控制单元、至少一个磁场激发线圈、多个磁传感器阵列及多个机械组件;多个机械组件设置在中央控制单元的两侧;每个机械组件包括多个机械臂、机械手及多个机械关节;多个机械臂通过多个机械关节与中央控制单元连接,多个机械臂通过多个机械关节与机械手连接;每个机械手上设置一个磁传感器阵列;磁场激发线圈设置在中央控制单元上;中央控制单元用于基于第一指令控制磁场激发线圈激发磁场;基于第二指令控制机械臂张开;基于第三指令,控制机械手收拢手指,以使磁传感器阵列贴合在管道上;磁传感器阵列用于检测管道的电磁信号,以对管道进行检测。

    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

    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

    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。

    基于MPA-VMD去噪的管道泄漏检测方法及系统

    公开(公告)号:CN115062670A

    公开(公告)日:2022-09-16

    申请号:CN202210822919.3

    申请日:2022-07-14

    Abstract: 基于MPA‑VMD去噪的管道泄漏检测方法及系统,涉及管道泄漏检测技术领域,用以解决现有技术对于包含噪声的管道信号降噪效果不佳从而导致管道泄漏检测准确度不高的问题。本发明的技术要点包括:通过海洋捕食者算法对变分模态分解的预设参数进行寻优,从而找到最优参数组合;将含噪信号通过变分模态分解后分解为多个本征模态分量;采用豪斯多夫距离的方法,通过计算原始信号和各个分量之间概率密度函数的距离,并评估相邻两个分量的豪斯多夫距离,将豪斯多夫距离突变最大及其之后的模态分量都视为噪声分量,其余视为有效分量并将其重构得到降噪信号,得到更加平滑、准确的去噪信号,从而通过去噪的管道信号使得对管道工况的区分更为准确和快速。

    基于改进VMD和1DCNN的油气管道泄漏检测方法

    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

    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。

    基于改进VMD和1DCNN的油气管道泄漏检测方法

    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

    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。

    通过信息融合方式进行风力发电机故障诊断的方法和装置

    公开(公告)号:CN110991566B

    公开(公告)日:2022-09-27

    申请号:CN201911363285.4

    申请日:2019-12-26

    Abstract: 本公开涉及一种通过信息融合方式进行风力发电机故障诊断的方法和装置。所述方法包括根据风力发电机在不同运行状态下的运行数据,构建原始数据空间;确定所述原始数据空间中任一样本数据的K近邻样本数据,利用第一方式,得到任一样本数据与其对应的K近邻样本数据之间的局部线性结构;基于所述样本数据,利用第二方式,得到所述原始数据空间中所有样本的类内散射图和类间散射图的监督信息;基于所述第一方式得到的局部线性结构和所述第二方式得到的监督信息,得到所述原始数据空间中所述样本数据的低维特征;基于所述的低维特征利用KNN分类器,得到风力发电机的故障诊断结果,同时还能通过训练样本得到最佳映射方向,实现对新增故障数据的快速处理。本公开可以提高风力发电机的故障诊断精度。

Patent Agency Ranking