-
公开(公告)号：CN107590516B
公开(公告)日：2020-09-22
申请号：CN201710836138.9
申请日：2017-09-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基光纤传感数据挖掘的输气管道泄漏检测识别方法，利用分布式光纤声波/振动传感器拾取沿管道传播的泄漏声波/振动信号，对各空间点采集的泄漏声波/振动信号进行Mel倒谱和AR模型特征提取与特征选择，通过改进的特征规则挖掘方法和正反样本挖掘，建立所选择特征属性与泄漏事件类型的关联规则，以此对输气管道泄漏事件进行实时在线智能检测、识别与分类，解决复杂噪声环境下输气管道在线泄漏检测问题。本发明不仅能检测识别单纯的管道泄漏信号，而且能够将混有不同干扰源的泄漏信号检测并识别出来。
-
公开(公告)号：CN107425906A
公开(公告)日：2017-12-01
申请号：CN201710613247.4
申请日：2017-07-25
Applicant: 电子科技大学
IPC: H04B10/071 , H04B10/077 , G01N23/20
Abstract: 本发明公开了一种面向地下管网安全监测的分布式光纤传感信号处理方法，属于基础设施安全监测领域，旨在提高现有分布式光纤声音/振动传感系统在复杂应用条件下的智能检测与识别能力。本发明利用分布式光纤声音/振动传感系统沿探测光缆拾取整条线路的声音或振动信号；对整个监测范围内各空间点的声音或振动信号分别自定义提取基于信号相对量的短时特征和长时特征；基于采集信号特征和各自不同的背景噪声等先验知识构建和训练各空间点的贝叶斯识别分类网络；在线检测时，各空间点分别基于现场采集信号进行异常检测，检测到异常则提取相应特征，输入相对应的贝叶斯识别分类网络进行识别和分类。
-
公开(公告)号：CN108809977B
公开(公告)日：2020-12-15
申请号：CN201810589873.9
申请日：2018-06-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种分布式光纤传感大数据实时统计压缩方法，涉及传感信号压缩技术领域，步骤1.将整个监测范围内的各空间点长时间累积采集到的一维时间响应信号作为计量信号，并分别对各空间点的计量信号进行分位数统计；步骤2.根据分位数统计结果确定各空间点的异常信号判定标准；步骤3.将某一空间点一段时间内累积到的一维时间响应信号作为一个信号处理单元，并通过该空间点的异常信号判定标准对所述信号处理单元进行异常信号判断；若所述信号单元为异常信号，则对所述信号处理单元进行数据压缩操作。本发明大大提高了连续时空不间断监测过程产生的海量数据的压缩效率，能满足海量数据压缩的实时性要求。
-
公开(公告)号：CN109344195B
公开(公告)日：2021-09-21
申请号：CN201811251182.4
申请日：2018-10-25
Applicant: 电子科技大学
Abstract: 本发明公开了基于HMM模型的管道安全事件识别及知识挖掘方法，属于管道安全事件监测领域；其方法包括步骤1：提取各空间点采集的信号的多域特征，获取信号的特征矢量序列；步骤2：将特征矢量序列输入HMM模型进行离线训练，完成组建典型事件HMM模型库；步骤3：将待识别信号经步骤1获取当前特征矢量序列后，将其输入典型事件HMM模型库进行识别并输出事件判断类型，同时计算最优隐状态序列作为事件状态序列演化过程信息进行输出，完成知识挖掘；本发明的HMM模型基于特征时序进行分析和识别，有效提高事件识别率；同时对事件状态序列演化过程实现了知识挖掘，以此可进行短期预测。
-
公开(公告)号：CN108932480A
公开(公告)日：2018-12-04
申请号：CN201810590114.4
申请日：2018-06-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于1D-CNN的分布式光纤传感信号特征学习与分类方法。解决现有分布式光纤传感系统采用人工提取的事件可分辨特征对复杂变化的环境适应能力差，耗时、费力的问题。本发明对获取的各空间点的分布式光纤传感声音、振动信号进行时间分割，建立典型事件信号数据集；构建一维卷积神经网络(1D-CNN)模型，利用典型事件信号数据训练集对网络进行迭代更新训练得到最优网络参数，利用最优网络学习并提取不同类型事件的1D-CNN可分辨特征，得到典型事件信号特征集；利用典型事件信号特征集训练不同类型分类器后，筛选出最佳分类器。测试时将测试数据输入最优1D-CNN网络得到事件可分辨特征，再输入最佳分类器得到分类结果。
-
Patent Agency Ranking
公开(公告)号：CN108932480B
公开(公告)日：2022-03-15
申请号：CN201810590114.4
申请日：2018-06-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于1D‑CNN的分布式光纤传感信号特征学习与分类方法。解决现有分布式光纤传感系统采用人工提取的事件可分辨特征对复杂变化的环境适应能力差，耗时、费力的问题。本发明对获取的各空间点的分布式光纤传感声音、振动信号进行时间分割，建立典型事件信号数据集；构建一维卷积神经网络(1D‑CNN)模型，利用典型事件信号数据训练集对网络进行迭代更新训练得到最优网络参数，利用最优网络学习并提取不同类型事件的1D‑CNN可分辨特征，得到典型事件信号特征集；利用典型事件信号特征集训练不同类型分类器后，筛选出最佳分类器。测试时将测试数据输入最优1D‑CNN网络得到事件可分辨特征，再输入最佳分类器得到分类结果。
-
公开(公告)号：CN109344195A
公开(公告)日：2019-02-15
申请号：CN201811251182.4
申请日：2018-10-25
Applicant: 电子科技大学
Abstract: 本发明公开了基于HMM模型的管道安全事件识别及知识挖掘方法，属于管道安全事件监测领域；其方法包括步骤1：提取各空间点采集的信号的多域特征，获取信号的特征矢量序列；步骤2：将特征矢量序列输入HMM模型进行离线训练，完成组建典型事件HMM模型库；步骤3：将待识别信号经步骤1获取当前特征矢量序列后，将其输入典型事件HMM模型库进行识别并输出事件判断类型，同时计算最优隐状态序列作为事件状态序列演化过程信息进行输出，完成知识挖掘；本发明的HMM模型基于特征时序进行分析和识别，有效提高事件识别率；同时对事件状态序列演化过程实现了知识挖掘，以此可进行短期预测。
-
公开(公告)号：CN107425906B
公开(公告)日：2019-09-27
申请号：CN201710613247.4
申请日：2017-07-25
Applicant: 电子科技大学
IPC: H04B10/071 , H04B10/077 , G01N23/20
Abstract: 本发明公开了一种面向地下管网安全监测的分布式光纤传感信号处理方法，属于基础设施安全监测领域，旨在提高现有分布式光纤声音/振动传感系统在复杂应用条件下的智能检测与识别能力。本发明利用分布式光纤声音/振动传感系统沿探测光缆拾取整条线路的声音或振动信号；对整个监测范围内各空间点的声音或振动信号分别自定义提取基于信号相对量的短时特征和长时特征；基于采集信号特征和各自不同的背景噪声等先验知识构建和训练各空间点的贝叶斯识别分类网络；在线检测时，各空间点分别基于现场采集信号进行异常检测，检测到异常则提取相应特征，输入相对应的贝叶斯识别分类网络进行识别和分类。
-
公开(公告)号：CN108809977A
公开(公告)日：2018-11-13
申请号：CN201810589873.9
申请日：2018-06-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种分布式光纤传感大数据实时统计压缩方法，涉及传感信号压缩技术领域，步骤1.将整个监测范围内的各空间点长时间累积采集到的一维时间响应信号作为计量信号，并分别对各空间点的计量信号进行分位数统计；步骤2.根据分位数统计结果确定各空间点的异常信号判定标准；步骤3.将某一空间点一段时间内累积到的一维时间响应信号作为一个信号处理单元，并通过该空间点的异常信号判定标准对所述信号处理单元进行异常信号判断；若所述信号单元为异常信号，则对所述信号处理单元进行数据压缩操作。本发明大大提高了连续时空不间断监测过程产生的海量数据的压缩效率，能满足海量数据压缩的实时性要求。
-
公开(公告)号：CN107590516A
公开(公告)日：2018-01-16
申请号：CN201710836138.9
申请日：2017-09-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基光纤传感数据挖掘的输气管道泄漏检测识别方法，利用分布式光纤声波/振动传感器拾取沿管道传播的泄漏声波/振动信号，对各空间点采集的泄漏声波/振动信号进行Mel倒谱和AR模型特征提取与特征选择，通过改进的特征规则挖掘方法和正反样本挖掘，建立所选择特征属性与泄漏事件类型的关联规则，以此对输气管道泄漏事件进行实时在线智能检测、识别与分类，解决复杂噪声环境下输气管道在线泄漏检测问题。本发明不仅能检测识别单纯的管道泄漏信号，而且能够将混有不同干扰源的泄漏信号检测并识别出来。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
