-
公开(公告)号：CN108870090B
公开(公告)日：2020-07-14
申请号：CN201810651738.2
申请日：2018-06-22
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于最小二乘支持向量机信息融合的管道泄漏检测方法，包括以下步骤：S1：采集管道泄漏实验的历史数据作为初始训练样本；S2：定义样本采集时间窗长度，对历史数据进行特征信号提取计算得到信息融合特征数据；S3：利用最小二乘支持向量机方法训练管道泄漏的检测模型；S4：利用优化后的参数训练优化检测模型；S5：验证检测模型的准确性；S6：将待检测管道的流量信息和压力信息进行信号特征提取计算后得到的信息融合特征数据输入最终检测模型，输出待检测管道状态分类结果。本申请所构建的检测模型能够适应管道工作过程中状态检测的需要，进一步有效增强了模型预测能力，提高了模型的预测精度。
-
公开(公告)号：CN108870090A
公开(公告)日：2018-11-23
申请号：CN201810651738.2
申请日：2018-06-22
Applicant: 大连理工大学
CPC classification number: F17D5/02 , G06K9/6269
Abstract: 本发明公开了一种基于最小二乘支持向量机信息融合的管道泄漏检测方法，包括以下步骤：S1：采集管道泄漏实验的历史数据作为初始训练样本；S2：定义样本采集时间窗长度，对历史数据进行特征信号提取计算得到信息融合特征数据；S3：利用最小二乘支持向量机方法训练管道泄漏的检测模型；S4：利用优化后的参数训练优化检测模型；S5：验证检测模型的准确性；S6：将待检测管道的流量信息和压力信息进行信号特征提取计算后得到的信息融合特征数据输入最终检测模型，输出待检测管道状态分类结果。本申请所构建的检测模型能够适应管道工作过程中状态检测的需要，进一步有效增强了模型预测能力，提高了模型的预测精度。
-
公开(公告)号：CN108730776B
公开(公告)日：2020-07-14
申请号：CN201810650725.3
申请日：2018-06-22
Applicant: 大连理工大学
IPC: F17D5/02
Abstract: 本发明公开了一种基于极限学习机信息融合的输油管道泄漏检测方法，包括以下步骤：S1：采集管道泄漏实验的历史数据作为初始训练样本；S2：分别对历史数据中的流量信息和压力信息进行特征值提取计算后得到信息融合特征数据；S3：将得到的信息融合特征数据作为输入信息，利用极限学习机方法建立管道泄漏的检测模型；S4：验证检测模型的准确性；S5：将待检测管道的流量信息和压力信息进行信号特征提取计算后得到的信息融合特征数据输入最终检测模型，输出待检测管道状态分类结果。本发明采集管道流量信息和压力信息，进行特征值提取计算得到信息融合特征数据作为训练样本，涵盖了信号的主要特征，减少了极限学习机方法的运算量。
-
公开(公告)号：CN108730776A
公开(公告)日：2018-11-02
申请号：CN201810650725.3
申请日：2018-06-22
Applicant: 大连理工大学
IPC: F17D5/02
CPC classification number: F17D5/02
Abstract: 本发明公开了一种基于极限学习机信息融合的输油管道泄漏检测方法，包括以下步骤：S1：采集管道泄漏实验的历史数据作为初始训练样本；S2：分别对历史数据中的流量信息和压力信息进行特征值提取计算后得到信息融合特征数据；S3：将得到的信息融合特征数据作为输入信息，利用极限学习机方法建立管道泄漏的检测模型；S4：验证检测模型的准确性；S5：将待检测管道的流量信息和压力信息进行信号特征提取计算后得到的信息融合特征数据输入最终检测模型，输出待检测管道状态分类结果。本发明采集管道流量信息和压力信息，进行特征值提取计算得到信息融合特征数据作为训练样本，涵盖了信号的主要特征，减少了极限学习机方法的运算量。
-
-
-
Search Results
4
records
(took 0.018 seconds)
