-
公开(公告)号：CN119269634A
公开(公告)日：2025-01-07
申请号：CN202411434139.7
申请日：2024-10-15
Applicant: 江苏省特种设备安全监督检验研究院
Abstract: 本发明涉及管道缺陷检测技术领域，尤其涉及一种基于超声相控阵的管道内检测系统及方法，该方法的步骤包括：采集管道内体积型缺陷的缺陷特征信息和缺陷分布信息；基于所述缺陷特征信息进行缺陷特征分析，确定缺陷影响系数；基于所述缺陷分布信息确定管道的缺陷聚集系数；通过所述缺陷影响系数和所述缺陷聚集系数确定管道缺陷指数，当所述管道缺陷指数大于预设缺陷阈值时，发出管道缺陷预警。本发明通过对管道内部的缺陷影响程度和缺陷聚集效应进行量化，提升了管道缺陷检测的准确性和可靠性。
-
公开(公告)号：CN119000807A
公开(公告)日：2024-11-22
申请号：CN202411484299.2
申请日：2024-10-23
Applicant: 江苏省特种设备安全监督检验研究院
IPC: G01N27/24 , G06F30/20 , G06T7/00 , G06F113/26
Abstract: 本发明涉及缺陷检测分析技术领域，尤其涉及一种基于电容成像的缺陷检测方法及系统，本发明根据历史材料属性数据构建复合材料属性分析模型，将材料属性数据导入复合材料属性分析模型中对复合材料的材料属性进行分析；根据历史粘接数据构建复合材料粘接层分析模型，将粘接数据导入复合材料粘接层分析模型中对复合材料粘接层进行分析；根据历史电容缺陷检测图像数据构建电容缺陷分析模型，将电容缺陷检测图像数据导入电容缺陷分析模型中对复合材料粘接层缺陷进行分析；构建待检测复合材料缺陷风险预测模型，对待检测复合材料的缺陷风险进行预测。能够优化复合材料生产流程，节约进行电容成像缺陷检测的成本，提高复合材料缺陷检测效率。
-
公开(公告)号：CN117763941B
公开(公告)日：2024-06-21
申请号：CN202311513602.2
申请日：2023-11-14
Applicant: 江苏省特种设备安全监督检验研究院
IPC: G06F30/27 , G06F17/11 , G06F17/18 , G06Q50/06 , G06F119/02 , G06F119/04
Abstract: 一种基于机器学习的储气井寿命评估方法，其经由收集储气井的属性指标，且设置各个属性指标的临界量；运算各个属性指标导致储气井失效的重要度，且依据重要度与临界量构造失效值方程；依据侦测值与失效值方程修正各个属性指标的临界量；依据各个属性指标的变动量、失效值方程与修正后的临界量构造失效预测模式，且依据失效预测模式预测储气井出现失效的残留时段大小的方法，可对各类规格的储气井执行失效预测，高效的减小了由于储气井出现失效事故带来的隐患，可预先提示工作人员替换将要出现失效的储气井，更是运用机器学习的合理预测方法防止了现有技术的主观随意性强的缺陷，所预测而得的储气井寿命精度高。
-
公开(公告)号：CN119804555A
公开(公告)日：2025-04-11
申请号：CN202510309069.0
申请日：2025-03-17
Applicant: 江苏省特种设备安全监督检验研究院
IPC: G01N25/72
Abstract: 本发明公开了一种基于红外热成像的III型储氢气瓶检测方法和装置，其中，该方法包括以下步骤：S1，采用红外热成像设备对放置在加热仓内的III型储氢气瓶的内胆进行扫描，并记录内胆当前的温度分布以获取第一热像图；S2，将第一热像图转换为第一数字图像，并获取第一数字图像中各最小图像单元的明度值；S3，根据第一数字图像中各最小图像单元的明度值对内胆进行损伤检测。根据本发明的基于红外热成像的III型储氢气瓶检测方法，采用红外热成像技术对III型储氢气瓶进行检测，不仅效率较高，而且无需与III型储氢气瓶接触，能够有效地避免对III型储氢气瓶内部材料造成损伤。
-
公开(公告)号：CN117745072B
公开(公告)日：2024-06-14
申请号：CN202311773216.7
申请日：2023-12-21
Applicant: 江苏省特种设备安全监督检验研究院
IPC: G06Q10/0635 , G06Q50/06 , G06N3/04 , G06F18/24
Abstract: 本发明公开了一种基于神经网络的加氢站事故预测方法，包括：S1，根据加氢站内目标部件的各项检测信息类型设置相应的第一信息采集策略和第二信息采集策略；S2，采用第一信息采集策略和第二信息采集策略采集加氢站内目标部件的各项检测信息；S3，将采用第一信息采集策略采集到的检测信息输入对应的神经网络，以对加氢站内目标部件进行事故预测；S4，在预测目标部件存在事故风险时，对采用第一信息采集策略和第二信息采集策略采集到的各项检测信息进行信息处理以判定事故地点以及事故起因。根据本发明的事故预测方法，结合采用多种信息采集策略采集到的目标部件在多个方面的检测信息来预测目标部件是否存在事故风险，大大提高了事故预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116550703A
公开(公告)日：2023-08-08
申请号：CN202310551994.5
申请日：2023-05-17
Applicant: 江苏省特种设备安全监督检验研究院
IPC: B08B9/051
Abstract: 本发明为一种管道内清管机器人装置，属于清管机器人装置技术领域，包括筒体一，所述筒体一一头的内部旋接着转柱，所述转柱的外侧固联着拉动柱，所述拉动柱的一头安设着限位块一，所述限位块一和筒体二旋接，所述筒体二偏离限位块一的一头安设着和转台，所述转台的一头连接有伺服电机一。本发明解决了制造和搬运成本过高，需要现有清理装置装置在清理过程中会产生非常大的声音，由于管道自身结构内部会有一个细长的通道，极大的加剧了这种声音的传播距离，从而造成严重的环境污染的问题，本发明中，爬行轮一挤压、紧贴管道内壁，从而使爬行轮一获得足够的抓地力，电机二利用动力柱和车轮架间接控制爬行轮一转动，使筒体二得以移动，筒体二拉着筒体一移动，筒体一和筒体二之间的转柱、拉动柱和限位块一使筒体一和筒体二得以拐弯，从而使该装置可以通过管道弯曲处。
-
公开(公告)号：CN119470617A
公开(公告)日：2025-02-18
申请号：CN202411595372.3
申请日：2024-11-11
Applicant: 江苏省特种设备安全监督检验研究院
IPC: G01N27/90 , G01N27/904
Abstract: 一种多频阵列涡流检测设备及其方法，属于涡流检测技术领域，其依据相位差的起伏强度和起伏范畴，查出提取出的相位差内的离群值，且对离群值执行校准，可高效防止因为外界噪声变动干扰致使相位差检测不精准的缺陷；依据涡流检测数值和横向管道的相位差间的联系，依据各个往期数值点相应的数值簇的涡流检测状况和离群值所在数值簇的涡流检测状况的相近度和数值簇中各个数值点对离群值的作用幅值，查出和离群值相近的往期数值，且对离群值执行校准，可改善相位差的精准度，也就改善了依据相位差达成管道壁厚的运算，直至达成对管道局部微小裂纹缺陷的检测的精准度。
-
公开(公告)号：CN119000807B
公开(公告)日：2024-12-20
申请号：CN202411484299.2
申请日：2024-10-23
Applicant: 江苏省特种设备安全监督检验研究院
IPC: G01N27/24 , G06F30/20 , G06T7/00 , G06F113/26
Abstract: 本发明涉及缺陷检测分析技术领域，尤其涉及一种基于电容成像的缺陷检测方法及系统，本发明根据历史材料属性数据构建复合材料属性分析模型，将材料属性数据导入复合材料属性分析模型中对复合材料的材料属性进行分析；根据历史粘接数据构建复合材料粘接层分析模型，将粘接数据导入复合材料粘接层分析模型中对复合材料粘接层进行分析；根据历史电容缺陷检测图像数据构建电容缺陷分析模型，将电容缺陷检测图像数据导入电容缺陷分析模型中对复合材料粘接层缺陷进行分析；构建待检测复合材料缺陷风险预测模型，对待检测复合材料的缺陷风险进行预测。能够优化复合材料生产流程，节约进行电容成像缺陷检测的成本，提高复合材料缺陷检测效率。
-
公开(公告)号：CN117788396B
公开(公告)日：2024-08-30
申请号：CN202311743135.2
申请日：2023-12-18
Applicant: 江苏省特种设备安全监督检验研究院
Abstract: 一种基于深度学习的DR图像缺陷智能识别方法，其分别取得各个DR图像值的余项队列，取得代表DR图像值相应的区间范畴中数值区别量与分散幅度的余项拓展因子，随后对DR图像值的区间数值分队列内数值的扰动状况执行解析，取得DR图像起伏参量；对DR图像值的区间数值分队列内数值的区别量状况执行解析，取得DR图像陡变参量，综合其解析值，取得DR图像值的机动平衡量；最终，可依据DR图像值的区间范畴内数值的平稳度幅度主动取得过滤数目大小，使得运用该过滤数目大小对各个DR图像值执行过滤处置的性能佳，改进型数值队列带有更好的防异常扰动性。
-
公开(公告)号：CN117745072A
公开(公告)日：2024-03-22
申请号：CN202311773216.7
申请日：2023-12-21
Applicant: 江苏省特种设备安全监督检验研究院
IPC: G06Q10/0635 , G06Q50/06 , G06N3/04 , G06F18/24
Abstract: 本发明公开了一种基于神经网络的加氢站事故预测方法，包括：S1，根据加氢站内目标部件的各项检测信息类型设置相应的第一信息采集策略和第二信息采集策略；S2，采用第一信息采集策略和第二信息采集策略采集加氢站内目标部件的各项检测信息；S3，将采用第一信息采集策略采集到的检测信息输入对应的神经网络，以对加氢站内目标部件进行事故预测；S4，在预测目标部件存在事故风险时，对采用第一信息采集策略和第二信息采集策略采集到的各项检测信息进行信息处理以判定事故地点以及事故起因。根据本发明的事故预测方法，结合采用多种信息采集策略采集到的目标部件在多个方面的检测信息来预测目标部件是否存在事故风险，大大提高了事故预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.134 seconds)
