公开(公告)号：CN109886433A

公开(公告)日：2019-06-14

申请号：CN201910102828.0

申请日：2019-02-01

Applicant: 常州大学

Inventor： 王新颖 ,  张惠然 ,  张瑞程 ,  赵斌

IPC: G06Q10/00 ,  G06Q50/06 ,  G06K9/62

Abstract: 本发明提供一种智能识别城市燃气管道缺陷的方法，该方法基于深度置信网络(DBN)通过利用声发射检测仪采集到的管道特征信号建立数据集经过多次训练构建深度置信网络模型，结合管道故障类型来完成对城市燃气管道的故障分类。深度置信网络模型能够将底层特征组合更加抽象化的表达高级特征，更加准确的识别管道特征信号，避免了人工提取的不确定性，有效的提高了管道故障特征提取的准确性，为管道的日常维护管理提供了依据，使燃气管网在运行中更加安全可靠。

公开(公告)号：CN109838696A

公开(公告)日：2019-06-04

申请号：CN201910018366.4

申请日：2019-01-09

Applicant: 常州大学

Inventor： 王新颖 ,  杨泰旺 ,  张惠然 ,  陈海群

IPC: F17D5/02 ,  G06K9/62

Abstract: 本发明提供一种基于卷积神经网络的管道故障诊断方法，该方法对待测的管道施加外力，在管道的测试点收集测量激励响应信号；将收集到的测量信号做消噪后提取管道故障特征信号并进行标准处理；再将故障信号分为训练集和测试集输入基于卷积神经网络的管道故障诊断模型进行故障识别分类。提高了故障的识别诊断能力，这种管道故障诊断模型方法通过卷积神经网络的学习和识别能力，能够快速、准确地识别出管道所处的故障状态，对管道泄漏准确的监测和预警有着重大意义。