申请/专利权人:中煤能源研究院有限责任公司;西安科技大学
申请日:2023-11-30
公开(公告)日:2024-03-22
公开(公告)号:CN117743968A
主分类号:G06F18/2415
分类号:G06F18/2415;G06F18/10;G06F18/213;G06N3/0464;G06N3/084;F17D3/01;F17D5/00;G01H9/00;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于深度残差收缩网络的DAS管道监测信号识别方法,具体为:步骤1,采用光纤分布式声传感器收集矸石浆体输送管道内的振动信息作为原始数据集;步骤2,给原始数据集中的每个样本数据进行预处理并添加噪声;步骤3,将添加噪声的数据集中的每个样本数据分解为多个IMF分量,然后采用自适应滤波方法对每个IMF分量进行滤波;步骤4,构建基于时序阈值函数的深度残差神经网络模型;步骤5,将经过步骤3处理得到的样本数据输入步骤4构建的模型中,对模型进行训练,获得训练后的深度残差神经网络模型;步骤6,对步骤5获得的深度残差神经网络模型进行评估。解决了现有技术中存在的信号识别效果不佳的问题。
主权项:1.基于深度残差收缩网络的DAS管道监测信号识别方法,其特征在于,具体按照如下步骤实施:步骤1,采用光纤分布式声传感器收集矸石浆体输送管道内的振动信息作为原始数据集;步骤2,给原始数据集中的每个样本数据进行预处理并添加噪声;步骤3,将经步骤2添加噪声的数据集中的每个样本数据进行ICEEMDAN分解,将其分解为多个IMF分量,然后采用自适应滤波方法对每个IMF分量进行滤波;步骤4,构建基于时序阈值函数的深度残差神经网络模型;步骤5,将经过步骤3处理得到的样本数据输入步骤4构建的模型中,对模型进行训练,获得训练后的深度残差神经网络模型;步骤6,对步骤5获得的深度残差神经网络模型进行评估。
全文数据:
权利要求:
百度查询: 中煤能源研究院有限责任公司;西安科技大学 基于深度残差收缩网络的DAS管道监测信号识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。