[發(fā)明專利]基于最小二乘支持向量機(jī)信息融合的管道泄漏檢測(cè)方法有效
| 申請(qǐng)?zhí)枺?/td> | 201810651738.2 | 申請(qǐng)日: | 2018-06-22 |
| 公開(kāi)(公告)號(hào): | CN108870090B | 公開(kāi)(公告)日: | 2020-07-14 |
| 發(fā)明(設(shè)計(jì))人: | 李琦;張洪略;杜曉東 | 申請(qǐng)(專利權(quán))人: | 大連理工大學(xué) |
| 主分類號(hào): | F17D5/02 | 分類號(hào): | F17D5/02;G06K9/62 |
| 代理公司: | 大連東方專利代理有限責(zé)任公司 21212 | 代理人: | 李馨 |
| 地址: | 116024 遼*** | 國(guó)省代碼: | 遼寧;21 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 最小 支持 向量 信息 融合 管道 泄漏 檢測(cè) 方法 | ||
1.基于最小二乘支持向量機(jī)信息融合的管道泄漏檢測(cè)方法,其特征在于:包括以下步驟:
S1:采集管道泄漏實(shí)驗(yàn)的歷史數(shù)據(jù)作為初始訓(xùn)練樣本,歷史數(shù)據(jù)為正常狀態(tài)和泄漏狀態(tài)下輸油管道的流量信息和壓力信息;
S2:定義樣本采集時(shí)間窗長(zhǎng)度,對(duì)歷史數(shù)據(jù)進(jìn)行特征信號(hào)提取計(jì)算得到信息融合特征數(shù)據(jù),標(biāo)記信息融合特征數(shù)據(jù)對(duì)應(yīng)的管道正常狀態(tài)或泄漏狀態(tài);
S3:將步驟S2得到的信息融合特征數(shù)據(jù)作為檢測(cè)模型的訓(xùn)練樣本,利用最小二乘支持向量機(jī)方法訓(xùn)練管道泄漏的檢測(cè)模型;
S4:選擇徑向基核函數(shù)作為檢測(cè)模型的核函數(shù),采用K折交叉驗(yàn)證對(duì)徑向基核函數(shù)的參數(shù)進(jìn)行優(yōu)化,每次訓(xùn)練都隨機(jī)保留1/K個(gè)子樣本作為用于驗(yàn)證模型的樣本,進(jìn)行K次訓(xùn)練重復(fù)驗(yàn)證,計(jì)算K次結(jié)果的平均值作為優(yōu)化后的參數(shù);利用優(yōu)化后的參數(shù)作為徑向基核函數(shù)的基本參數(shù),并利用優(yōu)化后的參數(shù)訓(xùn)練優(yōu)化檢測(cè)模型;
S5:驗(yàn)證檢測(cè)模型的準(zhǔn)確性:獲取新數(shù)據(jù)信息,新數(shù)據(jù)信息為訓(xùn)練好檢測(cè)模型后獲取的正常狀態(tài)和泄漏狀態(tài)下輸油管道的流量信息和壓力信息;
對(duì)新數(shù)據(jù)信息進(jìn)行特征信號(hào)提取計(jì)算,得到相應(yīng)的信息融合特征數(shù)據(jù)后輸入檢測(cè)模型,輸出管道狀態(tài)分類結(jié)果,管道狀態(tài)分類結(jié)果包括正常狀態(tài)和泄漏狀態(tài);
將管道狀態(tài)分類結(jié)果與新數(shù)據(jù)信息對(duì)應(yīng)的現(xiàn)場(chǎng)管道真實(shí)狀態(tài)進(jìn)行對(duì)比,若管道狀態(tài)不一致,則將新數(shù)據(jù)信息加入歷史數(shù)據(jù),重復(fù)步驟S1至步驟S4更新檢測(cè)模型;若管道狀態(tài)一致,則驗(yàn)證結(jié)束,輸出最終檢測(cè)模型;
S6:將待檢測(cè)管道的流量信息和壓力信息進(jìn)行特征信號(hào)提取計(jì)算后得到的信息融合特征數(shù)據(jù)輸入最終檢測(cè)模型,輸出待檢測(cè)管道狀態(tài)分類結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于最小二乘支持向量機(jī)信息融合的管道泄漏檢測(cè)方法,其特征還在于:
特征信號(hào)提取計(jì)算得到的信息融合特征數(shù)據(jù)包括平均幅值、方差、標(biāo)準(zhǔn)差、均方根值、峰值、方根幅值、裕度因子和峭度因子,具體計(jì)算公式如下:
(1)平均幅值:
其中Xam為平均幅值,N為樣本數(shù),Xi為流量信息或壓力信息;
(2)方差:
其中Xavr為方差,即平均值;
(3)標(biāo)準(zhǔn)差:
其中Xst為標(biāo)準(zhǔn)差,Xavr為方差;
(4)均方根值:
其中Xms為均方根值;
(5)峰值:
Xamax=max{|xi|} (5)
其中Xamax為峰值;
(6)方根幅值:
其中Xr為方根幅值;
(7)裕度因子:
L=Xamax/Xr (7)
其中Xamax為峰值,Xr為方根幅值;
(8)峭度因子:
Xkf=Xk/Xms (9)
其中Xk為峭度,Xkf為峭度因子,Xms為均方根值。
3.根據(jù)權(quán)利要求1所述的基于最小二乘支持向量機(jī)信息融合的管道泄漏檢測(cè)方法,其特征還在于:
所述徑向基核函數(shù)為:
其中,p是徑向基核函數(shù)的寬度參數(shù),x、xi表示具體樣本。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于大連理工大學(xué),未經(jīng)大連理工大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810651738.2/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 移動(dòng)向量解碼方法和移動(dòng)向量解碼裝置
- 一種用于支持向量機(jī)的在線向量選取方法
- 用于在幀序列中執(zhí)行運(yùn)動(dòng)估計(jì)的數(shù)據(jù)處理系統(tǒng)和方法
- 神經(jīng)網(wǎng)絡(luò)的處理方法及裝置、存儲(chǔ)介質(zhì)、電子設(shè)備
- 字符序列處理方法及設(shè)備
- 向量獲取方法、裝置、電子設(shè)備以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 向量獲取方法、裝置、電子設(shè)備以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 近鄰向量的召回方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)
- 一種向量運(yùn)算裝置及運(yùn)算方法
- 生成類別向量的方法和裝置





