-
Patent Agency Ranking
公开(公告)号：CN110082424A
公开(公告)日：2019-08-02
申请号：CN201910387892.8
申请日：2019-05-10
Applicant: 东北大学
Abstract: 本发明提供一种快速管道漏磁数据多尺度异常区域推荐系统及方法，涉及管道检测技术领域。本发明步骤如下：步骤1：获取一段管道的漏磁信号，并将其进行多尺度窗体划分，对N个尺度层级进行异常边缘提取，得到异常窗体集合；步骤2：对异常窗体集合进行异常区域估计，得到异常估计集合；步骤3：边界精确；根据异常估计集合，将Wk″中的所有窗体进行相邻窗体的面积比，遍历异常估计集合W″，去除面积比小于λ的窗体，并选取当前集合内交叠窗体中最外围窗体作为异常推荐区域；该方法能够发现尺寸较大，信号明显的异常，同时能够发现较小的异常，能够提供充分的异常候选区域；具有明显的快速性，特别适应管道庞大的数据集。
-
公开(公告)号：CN110514366A
公开(公告)日：2019-11-29
申请号：CN201910778384.2
申请日：2019-08-22
Applicant: 东北大学
Abstract: 本发明提供一种小样本条件下管道微弱泄漏检测方法，涉及管道泄漏检测技术领域。本发明步骤如下：步骤1：获取真实样本集，并根据真实样本集生成虚拟样本集；步骤2：对真实样本集和虚拟样本集进行组合特征提取，所述组合特征提取包括7种统计特征和1组符号化变换特征；步骤3：根据7种统计特征和1组符号化变换特征采用朴素贝叶斯方法和最小二乘支持向量机方法分别建立朴素贝叶斯网络管道小泄漏辨识模型和最小二乘支持向量机管道小泄漏辨识模型，并利用模型对管道进行小泄漏检测。本方法从增加微弱泄漏样本数量和深度挖掘微弱泄漏样本特征两方面来构造微弱泄漏辨识模型，大大提高了管道微弱泄漏的检测准确率，保障输油管道的安全运行。
-
公开(公告)号：CN110082424B
公开(公告)日：2023-04-14
申请号：CN201910387892.8
申请日：2019-05-10
Applicant: 东北大学
Abstract: 本发明提供一种快速管道漏磁数据多尺度异常区域推荐系统及方法，涉及管道检测技术领域。本发明步骤如下：步骤1：获取一段管道的漏磁信号，并将其进行多尺度窗体划分，对N个尺度层级进行异常边缘提取，得到异常窗体集合；步骤2：对异常窗体集合进行异常区域估计，得到异常估计集合；步骤3：边界精确；根据异常估计集合，将Wk″中的所有窗体进行相邻窗体的面积比，遍历异常估计集合W″，去除面积比小于λ的窗体，并选取当前集合内交叠窗体中最外围窗体作为异常推荐区域；该方法能够发现尺寸较大，信号明显的异常，同时能够发现较小的异常，能够提供充分的异常候选区域；具有明显的快速性，特别适应管道庞大的数据集。
-
公开(公告)号：CN110514366B
公开(公告)日：2021-03-05
申请号：CN201910778384.2
申请日：2019-08-22
Applicant: 东北大学
Abstract: 本发明提供一种小样本条件下管道微弱泄漏检测方法，涉及管道泄漏检测技术领域。本发明步骤如下：步骤1：获取真实样本集，并根据真实样本集生成虚拟样本集；步骤2：对真实样本集和虚拟样本集进行组合特征提取，所述组合特征提取包括7种统计特征和1组符号化变换特征；步骤3：根据7种统计特征和1组符号化变换特征采用朴素贝叶斯方法和最小二乘支持向量机方法分别建立朴素贝叶斯网络管道小泄漏辨识模型和最小二乘支持向量机管道小泄漏辨识模型，并利用模型对管道进行小泄漏检测。本方法从增加微弱泄漏样本数量和深度挖掘微弱泄漏样本特征两方面来构造微弱泄漏辨识模型，大大提高了管道微弱泄漏的检测准确率，保障输油管道的安全运行。
-
公开(公告)号：CN110390355A
公开(公告)日：2019-10-29
申请号：CN201910586223.3
申请日：2019-07-01
Applicant: 东北大学
Abstract: 本发明公开一种基于进化模糊最大最小神经网络的管道新缺陷识别方法，在现有模型基础上能够进行继续训练，包括以下几个步骤：1)利用管道的原有标记样本建立源模型；2)在新测得到标记数据集合中筛选出新深度标记样本子集Dnew；3)在源模型基础上，利用新标记子集Dnew进行继续训练，建立新标记样本识别模型；4)利用已经训练好的新模型进行管道缺陷识别。本发明方法能够利用现有模型，适应新的深度缺陷尺寸，同时提供了一种进化的管道缺陷识别框架，能够实现网络的继续训练，避免了一旦有新的深度尺寸缺陷，就需要将所有样本进行重新训练的问题。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
