公开(公告)号：CN116230014A

公开(公告)日：2023-06-06

申请号：CN202310235167.5

申请日：2023-03-13

Applicant: 中建五局安装工程有限公司 ,  湖南大学

Inventor： 张建峰 ,  许宁 ,  刘鑫铭 ,  彭波 ,  唐二隆 ,  邓洋 ,  潘圣 ,  钟雄虎 ,  罗娟 ,  蔡润博

IPC: G10L25/51 ,  G10L25/30

Abstract: 本发明提供了一种基于卷积神经网络的管道场景识别方法，包括以下步骤：采集不同场景的多处管道的音频数据，形成场景类别的标签集；选取不同标签下的多处管道录制音频数据，形成原始音频文件集D；构建识别模型；训练并评估识别模型；采集未识别的管道的音频数据并进行特征提取，利用模型对未识别的管道进行识别。通过本申请提供的管道场景识别方法，仅需要通过音频设备采集管道音频数据，即可对管道所处环境进行识别，无需人工进一步测量。

公开(公告)号：CN119807970A

公开(公告)日：2025-04-11

申请号：CN202510010353.8

申请日：2025-01-03

Applicant: 湖南大学

Inventor： 钟雄虎 ,  蔡润博 ,  罗娟

IPC: G06F18/2433 ,  G06F18/10 ,  G06F18/213 ,  G06N3/047 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明提出一种联合重构与预测模型的输水管线运行状态异常检测方法。本发明首先设计一种基于自注意力机制的多元时序特征提取器，捕获管道运行的高频压力、流量等多元数据之间的时序关联，采用联合训练的模式，将获取的特征分别输入到LSTM‑BasedVAE重构模型和基于双向门控循环单元(BiGRU)的预测模型中。同时，为了解决联合训练中任务之间的平衡关系，本发明设计了一种联合训练动态损失函数，最后通过异常评判机制，检测管道运行状态的异常情况。本发明充分捕获了多元时序数据之间的关联性，结合了重构模型和预测模型的优势，异常检测具有更高的准确性和鲁棒性。