-
公开(公告)号：CN119025976B
公开(公告)日：2025-01-17
申请号：CN202411513959.5
申请日：2024-10-29
Applicant: 东北大学
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06V10/44 , G06V10/764 , G06N5/04 , G06N7/02 , G06T7/00
Abstract: 本申请公开了一种油气管道的缺陷检测方法、装置、存储介质及计算机设备，涉及图像处理领域。其中方法包括：采集待测油气管道的管道内部信息，并基于管道内部信息，生成待测油气管道的异构图像组，异构图像组包括管道内部图片、漏磁伪彩色图、涡流伪彩色图和超声伪彩色图；获取待测油气管道在多个采样点的管道物理信息，并基于管道物理信息，提取待测油气管道的专家经验特征和物理演变特征，其中，管道物理信息包括待测油气管道所处的环境信息和待测油气管道自身的物理信息；基于待测油气管道的异构图像组、专家经验特征和物理演变特征，通过训练完成的管道缺陷检测模型，得到待测油气管道的缺陷检测结果。上述方法可以提高复杂缺陷检测的准确率。
-
公开(公告)号：CN119223379A
公开(公告)日：2024-12-31
申请号：CN202411774078.9
申请日：2024-12-05
Applicant: 东北大学
IPC: G01F1/667
Abstract: 本发明涉及油气开采技术领域，具体涉及一种基于超声信号分层优化的管道出砂流量监测方法及系统，其中管道出砂流量监测方法主要为：首先通过压电式超声传感器采集管道内砂砾撞击管壁生产超声波信号，并对超声波信号进行自适应的非线性平滑滤波，在通过基于频域的稀疏性分析进行噪声抑制，最终构建采样信号与出砂流量之间关系的数学模型，并以此对出砂流量进行监测。本发明能够在最大程度上解决传统超声监测法中信号易受干扰和混淆的问题，并实现油气管道出砂流量的高性能实时测量与累计出砂量计算，当实时出砂流量或累计出砂量超过预警值时，将发出警报，提示可能存在的严重出砂事件，为相关决策提供数据支撑。
-
公开(公告)号：CN115950945A
公开(公告)日：2023-04-11
申请号：CN202211233762.7
申请日：2022-10-10
Applicant: 东北大学
IPC: G01N27/83 , G01B7/02 , G01B7/26 , G06F18/214 , G06F18/25 , G06F18/213
Abstract: 本申请公开了一种基于多特征融合的管道漏磁非规则缺陷反演方法及装置，涉及故障诊断和人工智能领域，通过在反演网络中加入物理特征和深度抽象特征，增强了整个网络的可解释性以及信号深度信息的提取，另外轴向和径向特征的融合有效的避免了局部信号变形问题。所述方法包括：基于管道漏磁内检测仪，获取第一漏磁信号和第二漏磁信号；分别对第一漏磁信号和第二漏磁信号进行预处理，生成训练样本以及测试样本；建立多特征融合的不规则缺陷反演网络，采用训练样本，对多特征融合的不规则缺陷反演网络进行训练，得到目标反演网络；将测试样本输入至目标反演网络，得到测试样本对应的目标缺陷信息，目标缺陷信息包括目标缺陷的长度、宽度和深度。
-
公开(公告)号：CN114879699A
公开(公告)日：2022-08-09
申请号：CN202210670764.6
申请日：2022-06-15
Applicant: 东北大学
IPC: G05D1/02
Abstract: 本发明提供一种针对埋地管道野外巡检机器人的自主导航系统及方法，所述系统包括上位机可视化数据处理模块、外部环境多元感知模块、多元传感器信息交互存储模块、底层驱动执行模块、电磁全息检测模块；首先建立巡检区域对应的地上地下电子地图，对所得电子地图进行初始化设置，根据电子地图中的路标节点信息建立巡检机器人运动规划策略并求解，并建立巡检机器人模型查看机器人位姿信息，巡检机器人在巡检结束后返航或前往下一巡检区域；本发明提出了针对野外埋地管道的地上、地下电子地图模型的建立方法，建立了基于该地图模型的野外巡检机器人的运动规划策略，实现了巡检机器人在野外针对埋地管道的“边巡‑边检‑边存‑边更新”工作方式。
-
公开(公告)号：CN114136378A
公开(公告)日：2022-03-04
申请号：CN202111485035.5
申请日：2021-12-07
Applicant: 东北大学
Abstract: 本发明提供一种复杂工况管道在线全息外检测系统及方法，属于管道在线外检测技术领域，所述系统包括巡检机器人、传感器单元、信号预处理单元、控制单元、信号传输单元、供电单元、监督单元，对管道进行在线外检测，得到管道的全息数据；所述方法首先形成人工标定传感器队列，对所有传感器进行ID的分配，然后构建信号传输通道模型和信号传输模型，接着对数据进行采集、预处理、打包与加密，最后服务器对数据解密、存储和可视化，通过上位机显示对管道情况进行监督；本发明通过数据实时传输和可视化方法实现管道的远程监测，直观反映出管道的运行状态和健康状况，为管道的维护提供了有力技术支持，具有很高的理论研究价值和实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN109492708B
公开(公告)日：2021-04-02
申请号：CN201811451849.5
申请日：2018-11-30
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明提供一种基于LS‑KNN的管道漏磁内检测缺失数据插补方法，涉及故障诊断和人工智能技术领域。包括：对原始数据预处理后作为数据样本；提取样本数据特征；设定K值对模型进行训练，得到满足条件的KNN模型；归一化处理分到每类中的特征样本及其对应的数据集，再用最小二乘法对处理后的数据进行拟合建模；计算拟合结果的损失函数，设定误差阈值，令所有样本的长度相同，得到满足条件的LS拟合模型；将含缺失的数据输入到LS‑KNN回归器中，实现对缺失数据的插补；对插补结果进行反归一化得到最终的插补数据。本方法克服了实际数据的缺失随机性，并克服了训练样本与待插补样本维度不同的问题，同时提高了数据插补精度，对信号噪声具有很强的鲁棒性。
-
公开(公告)号：CN114879699B
公开(公告)日：2024-12-06
申请号：CN202210670764.6
申请日：2022-06-15
Applicant: 东北大学
Abstract: 本发明提供一种针对埋地管道野外巡检机器人的自主导航系统及方法，所述系统包括上位机可视化数据处理模块、外部环境多元感知模块、多元传感器信息交互存储模块、底层驱动执行模块、电磁全息检测模块；首先建立巡检区域对应的地上地下电子地图，对所得电子地图进行初始化设置，根据电子地图中的路标节点信息建立巡检机器人运动规划策略并求解，并建立巡检机器人模型查看机器人位姿信息，巡检机器人在巡检结束后返航或前往下一巡检区域；本发明提出了针对野外埋地管道的地上、地下电子地图模型的建立方法，建立了基于该地图模型的野外巡检机器人的运动规划策略，实现了巡检机器人在野外针对埋地管道的“边巡‑边检‑边存‑边更新”工作方式。
-
公开(公告)号：CN117969649A
公开(公告)日：2024-05-03
申请号：CN202311690300.2
申请日：2023-12-11
Applicant: 东北大学
Abstract: 本发明属于管道故障诊断技术领域，公开了一种联合缺陷检测和尺寸估计的管道故障诊断方法，包括采集衡量管道健康状态的原始漏磁信号，预处理得到完备的漏磁信号；完备的漏磁信号标注和分割获得漏磁数据集；漏磁数据集输入共享特征提取网络抽取缺陷的共享特征；共享特征送入特征分解网络生成特定任务的私有特征；私有特征送入区域候选网络生成缺陷候选区域和物理信息，候选区域和私有特征共同输入区域池化层网络，获取标准特征；将标准特征送入物理信息指导的并行决策子网络，最小化物理信息、网络预测和真值之间的差值更新故障诊断网络的参数，得到检测缺陷位置和量化缺陷尺寸的故障诊断模型。该方法可同时实现高精度的缺陷检测和尺寸估计。
-
公开(公告)号：CN115496167A
公开(公告)日：2022-12-20
申请号：CN202211308775.6
申请日：2022-10-25
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本申请公开了一种裂纹检测方法、装置、电子设备及存储介质，涉及故障诊断技术领域，解决了目前在检测管道裂纹时，由于非裂纹信号的波动以及裂纹训练样本不充足，导致裂纹检测精度不高的问题。该方法，包括：控制设置于埋地管道内的漏磁检测器向前移动，得到裂缝训练样本集、非裂缝训练样本集、测试样本集，建立多传感器融合特征互监督神经网络，并基于裂缝训练样本集、非裂缝训练样本集对多传感器融合特征互监督神经网络进行多次训练，更新网络参数，得到目标多传感器融合特征互监督神经网络，基于目标多传感器融合特征互监督神经网络确定所述测试样本集中的裂纹样本。
-
公开(公告)号：CN109492708A
公开(公告)日：2019-03-19
申请号：CN201811451849.5
申请日：2018-11-30
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明提供一种基于LS-KNN的管道漏磁内检测缺失数据插补方法，涉及故障诊断和人工智能技术领域。包括：对原始数据预处理后作为数据样本；提取样本数据特征；设定K值对模型进行训练，得到满足条件的KNN模型；归一化处理分到每类中的特征样本及其对应的数据集，再用最小二乘法对处理后的数据进行拟合建模；计算拟合结果的损失函数，设定误差阈值，令所有样本的长度相同，得到满足条件的LS拟合模型；将含缺失的数据输入到LS-KNN回归器中，实现对缺失数据的插补；对插补结果进行反归一化得到最终的插补数据。本方法克服了实际数据的缺失随机性，并克服了训练样本与待插补样本维度不同的问题，同时提高了数据插补精度，对信号噪声具有很强的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.033 seconds)
