Page 138 - 2024中国无损检测年度报告
P. 138

频域特征的演化规律,因而能够更加准确和全面                              算法对关键信号分类得到关键信号的分类类别;
              地表征和评价金属材料拉伸过程中不同损伤程度                              根据关键信号的源位置与分类类别得到每个关键
              的变化过程。                                             信号的分类类别与其源位置。该方法能够准确检
                                                                 测并识别和分类不同类型的声发射事件,且定位
              基于深度学习的陶瓷基复合材料实时损伤程度                               准确性较高。
              预测方法
              申请号 : CN202411488041.X                             基于超声传感器的标准阀门泄漏量标定方法及

              公开日期(公开): 2024.11.22                               系统
              公开日期(授权): 2025.01.21                               申请号 : CN202411431230.3
                                                                 公开日期(公开): 2024.12.10
              申请(专利权)人 : 北京航空航天大学
                                                                 申请(专利权)人 : 中国核动力研究设计院
              发明人 : 石多奇 ; 张波 ; 刘长奇 ; 杨晓光
                                                                 发明人 : 胡靖涵 ; 张林 ; 刘杰 ; 李明刚 ; 黄彦平 ;
              摘要 : 本发明属于材料结构健康监测技术领域,
                                                                 郑华 ; 袁凯
              具体提供一种基于深度学习的陶瓷基复合材料实
              时损伤程度预测方法,包括以下步骤:建立初始                              摘要 : 本发明涉及阀门检测技术领域,具体而言,
              损伤数据集;搭建初始损伤模型,结合物理约束                              涉及一种基于超声传感器的阀门检测方法及系统,
              进行驱动;建立陶瓷基复合材料的过程损伤数据                              将主动发射的声波用于阀门内漏检测,抗干扰能
              集;建立噪声滤波模型,进行无噪化和归一化处                              力更强,且可以探测阀门内部结构信息。对阀门
              理;搭建过程损伤模型,结合损伤机理进行驱动;                             进行超声阵列探测,信号发射和接收方式多变,
              耦合初始损伤与过程损伤建立实时损伤程度映射                              适应一发多收到多发多收的各种工作模式,探测
              模型,利用最小二乘法和非线性优化拟合参数;                              信息可以是反射或者透射的声波,得到的信息丰
              应用映射模型进行实时损伤程度预测。本发明简                              富。避免了采用常规的检测方法,不需要破坏检
              单易操作、效率高,通过融入初始缺陷特征、服                              测对象的压力边界,且具备在线检测能力,对在
              役过程损伤和物理参数至机器学习模型中,使构                              用阀门的内漏检测分析具有很强的实用性。不仅
              建的物理信息 - 深度学习模型获得了更好的物理                            适用于核电领域的阀门内漏检测分析,对风电、
              一致性、强大的实时健康监测能力和更高的预测                              火电、化工、石油等领域的阀门内漏检测分析同
              鲁棒性。                                               样适用。


              海上井口多传感器检测方法与装置                                    一种基于优化 VMD 联合改进小波阈值的泄漏
              申请号 : CN202411441251.3                             声信号去噪方法

              公开日期(公开): 2024.11.15                               申请号 : CN202411292088.9
              公开日期(授权): 2025.02.18                               公开日期(公开): 2024.12.20
                                                                 申请(专利权)人 : 哈尔滨工业大学水资源国家
              申请(专利权)人 : 西安石油大学
                                                                 工程研究中心有限公司 ; 广东粤海水务股份有限
              发明人 : 高国旺 ; 马婷 ; 王飞 ; 高建邦 ; 武丹 ; 陈蒙
                                                                 公司 ; 哈尔滨工业大学
              摘要 : 本申请公开了海上井口多传感器检测方法
                                                                 发明人 : 郑成志 ; 王启松 ; 董文超 ; 谢陈龙 ; 孙国
              与装置,涉及声发射传感器技术领域。该方法包括:
                                                                 胜 ; 姜博铭 ; 蒋浩文 ; 毕泽斌 ; 韩铭龙 ; 姜羽涵 ;
              获取多传感器数据;其中多传感器数据来自多个
                                                                 吕辛 ; 张世平
              不同安装位置的声发射传感器;优化多传感器数
                                                                 摘要 : 一种基于优化 VMD 联合改进小波阈值的
              据,得到优化信号;提取优化信号的时域特征与
                                                                 泄漏声信号去噪方法,为了解决现有的噪声处理
              频域特征,并通过特征融合得到其中的关键信号;
                                                                 方法在处理供水管网泄漏声信号时,识别的准确
              确定关键信号之间的时间差,并利用定位算法基
                                                                 率低问题。本发明通过采集实际供水管网的泄漏
              于时间差确定关键信号的源位置;通过机器训练
                                                                 声信号,分析泄漏声信号内的噪声成分及范围;
             130
   133   134   135   136   137   138   139   140   141   142   143