[發(fā)明專利]一種基于LS-KNN的管道漏磁內(nèi)檢測(cè)缺失數(shù)據(jù)插補(bǔ)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811451849.5
• 申請(qǐng)日: 2018-11-30
• 公開(kāi)（公告）號(hào): CN109492708B
• 公開(kāi)（公告）日: 2021-04-02
• 發(fā)明（設(shè)計(jì)）人: 盧森驤;姜琳;劉金海;張化光;馮健;汪剛;馬大中
• 申請(qǐng)（專利權(quán)）人: 東北大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 沈陽(yáng)東大知識(shí)產(chǎn)權(quán)代理有限公司 21109
• 代理人: 朱光林

1.一種基于LS-KNN的管道漏磁內(nèi)檢測(cè)缺失數(shù)據(jù)插補(bǔ)方法，其特征在于，包括以下步驟：

步驟1：從海底管道漏磁檢測(cè)儀中直接采集原始漏磁檢測(cè)數(shù)據(jù)，并且對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，包括二次基線校正和異常數(shù)據(jù)剔除；

步驟2：分析漏磁數(shù)據(jù)不同數(shù)據(jù)的特征，對(duì)樣本數(shù)據(jù)進(jìn)行特征提取，得到法蘭數(shù)據(jù)特征樣本T₁、焊縫數(shù)據(jù)特征樣本T₂、缺陷數(shù)據(jù)特征樣本T₃和正常數(shù)據(jù)特征樣本T₄，特征樣本T_i對(duì)應(yīng)的數(shù)據(jù)集為D_i，其中，i＝1，...，4；

步驟3：將特征樣本T_i分為兩部分，一部分特征樣本T_Train用于訓(xùn)練KNN模型，另一部分特征樣本T_Test用于測(cè)試KNN模型，得到訓(xùn)練完成的KNN模型；

步驟4：對(duì)于分到每類中的特征樣本T_i，其中，i＝1，...，4，其對(duì)應(yīng)的數(shù)據(jù)集為D_i，對(duì)數(shù)據(jù)集D_i進(jìn)行歸一化處理得到D′_i，再用最小二乘法對(duì)歸一化處理后的數(shù)據(jù)集D′_i進(jìn)行擬合建模得到D″_i，具體步驟如下：

步驟4.1：將特征樣本T_i進(jìn)行歸一化處理，得到歸一化處理后的特征樣本T_i′；

步驟4.2：對(duì)特征樣本T_i對(duì)應(yīng)的數(shù)據(jù)集D_i進(jìn)行歸一化處理，使所有樣本數(shù)據(jù)都在0-1之間，得到歸一化處理后的數(shù)據(jù)集D′_i；

步驟4.3：根據(jù)歸一化處理后的數(shù)據(jù)集D′_i中的樣本數(shù)據(jù)長(zhǎng)度，將樣本數(shù)據(jù)按照從小到大的順序排序l₁，l₂，...，l_n，取最小樣本數(shù)據(jù)長(zhǎng)度l₁為第i組樣本數(shù)據(jù)的標(biāo)準(zhǔn)長(zhǎng)度；

步驟4.4：利用最小二乘法對(duì)歸一化處理后的數(shù)據(jù)集D′_i中的每個(gè)樣本數(shù)據(jù)以l1為樣本數(shù)據(jù)長(zhǎng)度進(jìn)行擬合建模，得到擬合建模后的數(shù)據(jù)集D″_i；

步驟5：計(jì)算步驟4中對(duì)測(cè)試數(shù)據(jù)的擬合結(jié)果的損失函數(shù)，設(shè)定誤差閾值P，調(diào)整設(shè)定的橫坐標(biāo)長(zhǎng)度，令所有樣本的長(zhǎng)度相同，確定最終LS擬合模型，具體步驟如下：

步驟5.1：將測(cè)試特征樣本數(shù)據(jù)T_Test進(jìn)行歸一化處理，得到歸一化處理后的試特特征樣本T′_Test；

步驟5.2：對(duì)測(cè)試特征樣本數(shù)據(jù)T_Test對(duì)應(yīng)的數(shù)據(jù)集D_Test進(jìn)行歸一化處理，使所有樣本數(shù)據(jù)都在0-1之間，得到歸一化處理后的數(shù)據(jù)集D′_Test；

步驟5.3：根據(jù)歸一化處理后的特征樣本T_i′與測(cè)試特征樣本T′_Test之間的最小二乘擬合系數(shù)以及預(yù)測(cè)D′_Test，得到缺失數(shù)據(jù)的預(yù)測(cè)結(jié)果A′；

步驟5.4：建立測(cè)試數(shù)據(jù)擬合結(jié)果的損失函數(shù)L(A′)；

所述損失函數(shù)L(A′)的公式如下；

步驟5.5：計(jì)算預(yù)測(cè)結(jié)果的損失函數(shù)；

步驟5.6：判斷預(yù)測(cè)結(jié)果的損失函數(shù)值是否大于設(shè)定誤差閾值P，若是，則將樣本標(biāo)準(zhǔn)長(zhǎng)度l₁調(diào)整為lx，返回步驟4.4，若否，則輸出建立完成的LS擬合模型；

步驟6：將含缺失的數(shù)據(jù)輸入到LS-KNN回歸器中，實(shí)現(xiàn)對(duì)缺失數(shù)據(jù)的插補(bǔ)；

步驟7：對(duì)步驟6中插補(bǔ)后的數(shù)據(jù)進(jìn)行反歸一化處理，實(shí)現(xiàn)對(duì)缺失數(shù)據(jù)的插補(bǔ)。

2.根據(jù)權(quán)利要求1所述的基于LS-KNN的管道漏磁內(nèi)檢測(cè)缺失數(shù)據(jù)插補(bǔ)方法，其特征在于，所述步驟1包括以下步驟：

步驟1.1：對(duì)采集到的原始漏磁檢測(cè)數(shù)據(jù)進(jìn)行基線校正；

步驟1.2：根據(jù)管道的焊縫位置對(duì)管道進(jìn)行分段；

步驟1.3：對(duì)剔除異常值后的數(shù)據(jù)進(jìn)行二次基線校正。