CN112309063B - 混合光纤入侵信号特征谱提取方法及装置 - Google Patents
混合光纤入侵信号特征谱提取方法及装置 Download PDFInfo
- Publication number
- CN112309063B CN112309063B CN202011189551.9A CN202011189551A CN112309063B CN 112309063 B CN112309063 B CN 112309063B CN 202011189551 A CN202011189551 A CN 202011189551A CN 112309063 B CN112309063 B CN 112309063B
- Authority
- CN
- China
- Prior art keywords
- signal
- optical fiber
- power spectrum
- historical
- characteristic data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/181—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using active radiation detection systems
- G08B13/183—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using active radiation detection systems by interruption of a radiation beam or barrier
- G08B13/186—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using active radiation detection systems by interruption of a radiation beam or barrier using light guides, e.g. optical fibres
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Optical Communication System (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种混合光纤入侵信号特征谱提取方法及装置,其中方法包括:获得混合光纤入侵信号;对所述混合光纤入侵信号进行时频变换,得到所述混合光纤入侵信号对应的功率谱特征数据;将所述功率谱特征数据输入训练好的自动编码机,进行混合光纤入侵信号特征谱提取,所述自动编码机的目标函数满足物理约束原则,所述自动编码机根据历史功率谱特征数据进行训练,所述历史功率谱特征数据根据历史混合光纤入侵信号得到。本发明可以提取混合光纤入侵信号特征谱,提高振源识别率,便于技术人员及时采取有效措施,制止有害侵入的发生。
Description
技术领域
本发明涉及信号处理技术领域,尤其涉及混合光纤入侵信号特征谱提取方法及装置。
背景技术
随着全球经济的迅猛发展,社会对能源尤其是油气资源的需求量日趋增加。在国家能源战略中,油气储运的建设和发展关系到为国民经济建设和社会发展提供长期、稳定、经济、安全的能源保障的战略全局。如今,地下油气输送管道已成为能源运输的大动脉,管道安全保护的问题也日益突出地摆在人们面前。管道一旦泄漏极易发生***,不仅影响能源的正常运输,还将给国家和人民群众的生命、财产造成巨大损失。因此,对管道安全的预警***有广泛的应用背景。
光纤预警***(Optical Fiber Pre-warning System,OFPS)将光缆与被监测对象平行铺设,然后采集由外部振动引起的后向散射光,最终转换为入侵振动信号,简称为入侵信号。入侵信号的类型由不同的入侵行为决定,例如动物或人类的活动,机械设备振动等。入侵信号的功率谱可以表征出入侵行为类型。
在实际地下基础设施中,可能同时存在如行人活动、车辆运动、或隧道裂缝、地下水渗漏等一长时间,这使得OFPS***采集到的光纤入侵信号愈发复杂,采用现有方法提取的混合光纤入侵信号特征谱进行识别,得到的振源识别率较低,不利于技术人员及时采取有效措施,制止有害侵入的发生。
因此,亟需一种可以克服上述问题的混合光纤入侵信号特征谱提取方案。
发明内容
本发明实施例提供一种混合光纤入侵信号特征谱提取方法,用以提取混合光纤入侵信号特征谱,提高振源识别率,便于技术人员及时采取有效措施,制止有害侵入的发生,该方法包括:
获得混合光纤入侵信号;
对所述混合光纤入侵信号进行时频变换,得到所述混合光纤入侵信号对应的功率谱特征数据;
将所述功率谱特征数据输入训练好的自动编码机,进行混合光纤入侵信号特征谱提取,所述自动编码机的目标函数满足物理约束原则,所述自动编码机根据历史功率谱特征数据进行训练,所述历史功率谱特征数据根据历史混合光纤入侵信号得到。
本发明实施例提供一种混合光纤入侵信号特征谱提取装置,用以提取混合光纤入侵信号特征谱,提高振源识别率,便于技术人员及时采取有效措施,制止有害侵入的发生,该装置包括:
信号获得模块,用于获得混合光纤入侵信号;
时频变换模块,用于对所述混合光纤入侵信号进行时频变换,得到所述混合光纤入侵信号对应的功率谱特征数据;
特征谱提取模块,用于将所述功率谱特征数据输入训练好的自动编码机,进行混合光纤入侵信号特征谱提取,所述自动编码机的目标函数满足物理约束原则,所述自动编码机根据历史功率谱特征数据进行训练,所述历史功率谱特征数据根据历史混合光纤入侵信号得到。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述混合光纤入侵信号特征谱提取方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述混合光纤入侵信号特征谱提取方法的计算机程序。
本发明实施例通过获得混合光纤入侵信号;对所述混合光纤入侵信号进行时频变换,得到所述混合光纤入侵信号对应的功率谱特征数据;将所述功率谱特征数据输入训练好的自动编码机,进行混合光纤入侵信号特征谱提取,所述自动编码机的目标函数满足物理约束原则,所述自动编码机根据历史功率谱特征数据进行训练,所述历史功率谱特征数据根据历史混合光纤入侵信号得到。本发明实施例设计了满足物理约束原则的自动编码机,并根据历史功率谱特征数据预先训练了自动编码机,从而很好的满足了实际物理条件要求,在对混合光纤入侵信号进行时频变换之后,将得到的功率谱特征数据直接输入训练好的自动编码机,从而将混合光纤入侵信号进行有效分解,得到每个子入侵信号对应的特征谱,从而有效提高振源识别率,便于技术人员及时采取有效措施,制止有害侵入的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本发明实施例中混合光纤入侵信号特征谱提取方法示意图;
图2为本发明实施例自动编码机示意图;
图3为本发明实施例中混合光纤入侵信号特征谱提取装置结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
为了提取混合光纤入侵信号特征谱,提高振源识别率,便于技术人员及时采取有效措施,制止有害侵入的发生,本发明实施例提供一种混合光纤入侵信号特征谱提取方法,如图1所示,该方法可以包括:
步骤101、获得混合光纤入侵信号;
步骤102、对所述混合光纤入侵信号进行时频变换,得到所述混合光纤入侵信号对应的功率谱特征数据;
步骤103、将所述功率谱特征数据输入训练好的自动编码机,进行混合光纤入侵信号特征谱提取,所述自动编码机的目标函数满足物理约束原则,所述自动编码机根据历史功率谱特征数据进行训练,所述历史功率谱特征数据根据历史混合光纤入侵信号得到。
由图1所示可以得知,本发明实施例通过获得混合光纤入侵信号;对所述混合光纤入侵信号进行时频变换,得到所述混合光纤入侵信号对应的功率谱特征数据;将所述功率谱特征数据输入训练好的自动编码机,进行混合光纤入侵信号特征谱提取,所述自动编码机的目标函数满足物理约束原则,所述自动编码机根据历史功率谱特征数据进行训练,所述历史功率谱特征数据根据历史混合光纤入侵信号得到。本发明实施例设计了满足物理约束原则的自动编码机,并根据历史功率谱特征数据预先训练了自动编码机,从而很好的满足了实际物理条件要求,在对混合光纤入侵信号进行时频变换之后,将得到的功率谱特征数据直接输入训练好的自动编码机,从而将混合光纤入侵信号进行有效分解,得到每个子入侵信号对应的特征谱,从而有效提高振源识别率,便于技术人员及时采取有效措施,制止有害侵入的发生。
具体实施时,获得混合光纤入侵信号,对所述混合光纤入侵信号进行时频变换,得到所述混合光纤入侵信号对应的功率谱特征数据。
实施例中,利用时频分析方法获得功率谱特征数据γ。设入侵信号由k个单一入侵信号组成,wj为与第j个入侵信号相对应的特征谱,j=1,2,...,k。wj的维数为L,表示频率段数量。OFPS采集到的一个入侵信号功率谱可以表示为:
γ=Wh+n (1)
其中,W=[w1,w2,···,wk]为特征谱组成的L×k矩阵,其列向量即为特征谱,h=[h1,h2,···,hk]T是系数向量,hj表示特征谱wj的系数,n为观测噪声矢量。
本发明实施例需要采集具有一定数量的光纤入侵信号,设OFPS采集到入侵信号样本数为M,可以使用以下矩阵Y表示OFPS入侵信号样本全体:
Y=WH+N (2)
其中,H=[h1,h2,···,hM]是一个L×M矩阵,其列向量hj是第j个入侵信号样本γj的系数向量,进而可以表示为H=[hjξ]k×M。
具体实施时,将所述功率谱特征数据输入训练好的自动编码机,进行混合光纤入侵信号特征谱提取,所述自动编码机的目标函数满足物理约束原则,所述自动编码机根据历史功率谱特征数据进行训练,所述历史功率谱特征数据根据历史混合光纤入侵信号得到。
发明人发现,常规目标函数设计为,
即,给定一个采集到的非负样本矩阵Y∈RL×M,反演出两个非负矩阵W∈RL×k和H∈Rk ×M。正整数k<min{L,M}为特征频谱的数量。然而,常规目标函数设计不能满足实际物理条件要求,表现为:H=[h1,h2,···,hM]中的各个列向量需要符合sum-to-one物理约束原则,即
其中,hjξ为系数向量中的每一项。
实施例中,所述自动编码机按如下方式根据历史功率谱特征数据进行训练:获得历史混合光纤入侵信号;对所述历史混合光纤入侵信号进行时频变换,得到所述历史混合光纤入侵信号对应的历史功率谱特征数据;利用梯度下降法,根据历史功率谱特征数据对所述自动编码机进行训练。
图2为本发明实施例自动编码机示意图,自动编码机共有L层,每一层设置k个神经元,即与特征谱数量一致。自动编码机的训练样本为历史混合光纤入侵信号对应的历史功率谱特征数据。编码机最后一层没有激活函数,其他各层采用sigmoid激活函数。第L-1层的输出进行归一化处理,模拟系数向量。
实施例中,所述自动编码机的目标函数为:
实施例中,所述自动编码机的目标函数满足如下物理约束原则:
其中,hjξ为系数向量中的每一项。
实施例中,对编码机采用梯度下降法进行训练,最终完成目标函数的优化过程,最终求解出W的各列为特征谱,H的各列为系数。本发明实施例提出的混合光纤入侵信号特征谱提取方法考虑了实际物理约束条件,通过自动编码机的学习过程对带有物理约束条件的目标函数求解,实现入侵信号的特征谱提取,最终实现入侵信号分离。
基于同一发明构思,本发明实施例还提供了一种混合光纤入侵信号特征谱提取装置,如下面的实施例所述。由于这些解决问题的原理与混合光纤入侵信号特征谱提取方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
图3为本发明实施例中混合光纤入侵信号特征谱提取装置的结构图,如图3所示,该装置包括:
信号获得模块301,用于获得混合光纤入侵信号;
时频变换模块302,用于对所述混合光纤入侵信号进行时频变换,得到所述混合光纤入侵信号对应的功率谱特征数据;
特征谱提取模块303,用于将所述功率谱特征数据输入训练好的自动编码机,进行混合光纤入侵信号特征谱提取,所述自动编码机的目标函数满足物理约束原则,所述自动编码机根据历史功率谱特征数据进行训练,所述历史功率谱特征数据根据历史混合光纤入侵信号得到。
一个实施例中,所述自动编码机按如下方式根据历史功率谱特征数据进行训练:
获得历史混合光纤入侵信号;
对所述历史混合光纤入侵信号进行时频变换,得到所述历史混合光纤入侵信号对应的历史功率谱特征数据;
利用梯度下降法,根据历史功率谱特征数据对所述自动编码机进行训练。
一个实施例中,所述自动编码机的目标函数为:
一个实施例中,所述自动编码机的目标函数满足如下物理约束原则:
其中,hjξ为系数向量中的每一项。
综上所述,本发明实施例通过获得混合光纤入侵信号;对所述混合光纤入侵信号进行时频变换,得到所述混合光纤入侵信号对应的功率谱特征数据;将所述功率谱特征数据输入训练好的自动编码机,进行混合光纤入侵信号特征谱提取,所述自动编码机的目标函数满足物理约束原则,所述自动编码机根据历史功率谱特征数据进行训练,所述历史功率谱特征数据根据历史混合光纤入侵信号得到。本发明实施例设计了满足物理约束原则的自动编码机,并根据历史功率谱特征数据预先训练了自动编码机,从而很好的满足了实际物理条件要求,在对混合光纤入侵信号进行时频变换之后,将得到的功率谱特征数据直接输入训练好的自动编码机,从而将混合光纤入侵信号进行有效分解,得到每个子入侵信号对应的特征谱,从而有效提高振源识别率,便于技术人员及时采取有效措施,制止有害侵入的发生。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种混合光纤入侵信号特征谱提取方法,其特征在于,包括:
获得混合光纤入侵信号,所述混合光纤入侵信号包含多个单一入侵信号;
对所述混合光纤入侵信号进行时频变换,得到所述混合光纤入侵信号对应的功率谱特征数据;
将所述功率谱特征数据输入训练好的自动编码机,进行混合光纤入侵信号特征谱提取,所述自动编码机的目标函数满足物理约束原则,所述自动编码机根据历史功率谱特征数据进行训练,所述历史功率谱特征数据根据历史混合光纤入侵信号得到,所述自动编码机的目标函数为:
2.如权利要求1所述的混合光纤入侵信号特征谱提取方法,其特征在于,所述自动编码机按如下方式根据历史功率谱特征数据进行训练:
获得历史混合光纤入侵信号;
对所述历史混合光纤入侵信号进行时频变换,得到所述历史混合光纤入侵信号对应的历史功率谱特征数据;
利用梯度下降法,根据历史功率谱特征数据对所述自动编码机进行训练。
4.一种混合光纤入侵信号特征谱提取装置,其特征在于,包括:
信号获得模块,用于获得混合光纤入侵信号,所述混合光纤入侵信号包含多个单一入侵信号;
时频变换模块,用于对所述混合光纤入侵信号进行时频变换,得到所述混合光纤入侵信号对应的功率谱特征数据;
特征谱提取模块,用于将所述功率谱特征数据输入训练好的自动编码机,进行混合光纤入侵信号特征谱提取,所述自动编码机的目标函数满足物理约束原则,所述自动编码机根据历史功率谱特征数据进行训练,所述历史功率谱特征数据根据历史混合光纤入侵信号得到,所述自动编码机的目标函数为:
5.如权利要求4所述的混合光纤入侵信号特征谱提取装置,其特征在于,所述自动编码机按如下方式根据历史功率谱特征数据进行训练:
获得历史混合光纤入侵信号;
对所述历史混合光纤入侵信号进行时频变换,得到所述历史混合光纤入侵信号对应的历史功率谱特征数据;
利用梯度下降法,根据历史功率谱特征数据对所述自动编码机进行训练。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至3任一所述方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至3任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189551.9A CN112309063B (zh) | 2020-10-30 | 2020-10-30 | 混合光纤入侵信号特征谱提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189551.9A CN112309063B (zh) | 2020-10-30 | 2020-10-30 | 混合光纤入侵信号特征谱提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112309063A CN112309063A (zh) | 2021-02-02 |
CN112309063B true CN112309063B (zh) | 2022-09-09 |
Family
ID=74333922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011189551.9A Active CN112309063B (zh) | 2020-10-30 | 2020-10-30 | 混合光纤入侵信号特征谱提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112309063B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113538822A (zh) * | 2021-07-29 | 2021-10-22 | 魏运 | 光纤入侵混合信号分离方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608823A (zh) * | 2016-03-14 | 2016-05-25 | 北京北邮国安技术股份有限公司 | 基于主成分分析的光纤安防方法及*** |
CN106384463A (zh) * | 2016-11-24 | 2017-02-08 | 天津大学 | 基于混合特征提取的光纤周界安防入侵事件识别方法 |
WO2017036363A1 (zh) * | 2015-09-02 | 2017-03-09 | 同方威视技术股份有限公司 | 光纤周界入侵信号的识别方法、装置及周界入侵报警*** |
CN108509864A (zh) * | 2018-03-09 | 2018-09-07 | 北方工业大学 | 一种确定光纤入侵事件类型的方法及装置 |
CN111649817A (zh) * | 2020-06-30 | 2020-09-11 | 郑州信大先进技术研究院 | 一种分布式光纤振动传感器***及其模式识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107180521A (zh) * | 2017-04-19 | 2017-09-19 | 天津大学 | 基于综合特征的光纤周界安防入侵事件识别方法及装置 |
CN108399696A (zh) * | 2018-03-22 | 2018-08-14 | 中科润程(北京)物联科技有限责任公司 | 入侵行为识别方法及装置 |
-
2020
- 2020-10-30 CN CN202011189551.9A patent/CN112309063B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017036363A1 (zh) * | 2015-09-02 | 2017-03-09 | 同方威视技术股份有限公司 | 光纤周界入侵信号的识别方法、装置及周界入侵报警*** |
CN105608823A (zh) * | 2016-03-14 | 2016-05-25 | 北京北邮国安技术股份有限公司 | 基于主成分分析的光纤安防方法及*** |
CN106384463A (zh) * | 2016-11-24 | 2017-02-08 | 天津大学 | 基于混合特征提取的光纤周界安防入侵事件识别方法 |
CN108509864A (zh) * | 2018-03-09 | 2018-09-07 | 北方工业大学 | 一种确定光纤入侵事件类型的方法及装置 |
CN111649817A (zh) * | 2020-06-30 | 2020-09-11 | 郑州信大先进技术研究院 | 一种分布式光纤振动传感器***及其模式识别方法 |
Non-Patent Citations (1)
Title |
---|
光纤入侵信号的特征提取与识别算法;曲洪权;《激光与光电子学进展》;20190731;第56卷(第13期);I130601-1-8 * |
Also Published As
Publication number | Publication date |
---|---|
CN112309063A (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991568A (zh) | 目标识别方法、装置、设备和存储介质 | |
CN113160190A (zh) | 一种接触网紧固件异常检测方法、设备、检测装置及存储介质 | |
CN112309063B (zh) | 混合光纤入侵信号特征谱提取方法及装置 | |
CN113569672A (zh) | 轻量级目标检测与故障识别方法、装置及*** | |
Asman et al. | Decision tree method for fault causes classification based on rms-dwt analysis in 275 kv transmission lines network | |
CN114328277A (zh) | 一种软件缺陷预测和质量分析方法、装置、设备及介质 | |
CN116227586A (zh) | 基于深度残差收缩原型网络的元学习故障诊断方法及装置 | |
CN115618884A (zh) | 基于多任务学习的言论分析方法、装置以及设备 | |
CN116186609A (zh) | 一种基于lstm的载人潜水器传感器故障数据增强方法 | |
CN113643141B (zh) | 解释性结论报告生成方法、装置、设备及存储介质 | |
Wu et al. | Hybrid method for enhancing acoustic leak detection in water distribution systems: Integration of handcrafted features and deep learning approaches | |
Kim et al. | SIGNAL FAULT IDENTIFICATION IN NUCLEAR POWER PLANTS BASED ON DEEP NEURAL NETWORKS. | |
CN111159200B (zh) | 一种基于深度学习的数据存储方法和装置 | |
CN114997214A (zh) | 一种残差密集网络故障诊断方法以及装置 | |
CN115587358A (zh) | 一种二进制代码相似性检测方法、装置及存储介质 | |
CN114662680B (zh) | 一种基于Gaussian Noise CNN模型多变工况下轴承故障诊断方法与*** | |
CN112836591A (zh) | 一种油气长输管道光纤预警信号特征提取方法 | |
CN117993868B (zh) | 基于双模态注意力的电网工程项目审计预警方法及*** | |
CN112307961B (zh) | 混合光纤入侵信号的处理方法及装置 | |
CN113963357B (zh) | 基于知识图谱的敏感文本检测方法及*** | |
CN116662793B (zh) | 转子裂纹故障诊断、模型构建方法及装置 | |
GB2623358A (en) | Method and system for fault diagnosis of nuclear power circulating water pump based on optimized capsule network | |
CN117967561A (zh) | 矿井下往复柱塞泵状态预测方法、装置及电子设备 | |
CN115100592A (zh) | 一种输电通道外破隐患识别方法、装置及存储介质 | |
CN114199992A (zh) | 一种储油罐罐壁腐蚀检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |