买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利一种基于GA深度优化机器学习的管道缺陷类型识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115130343B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210729035.3，技术领域涉及：G06F30/23；该发明授权一种基于GA深度优化机器学习的管道缺陷类型识别方法是由潘建华;高伦;赵冬军设计研发完成，并于2022-06-24向国家知识产权局提交的专利申请。

本一种基于GA深度优化机器学习的管道缺陷类型识别方法在说明书摘要公布了：本发明公开了一种基于GA深度优化机器学习的管道缺陷类型识别方法，获取不同缺陷类型下缺陷的三轴漏磁信号；针对缺陷的三轴漏磁信号提取信号特征参数；将轴向分量微分信号峰谷间距、周向分量峰谷中值间距、径向分量峰谷值、径向分量峰谷间距、轴向分量波形面积，以及将漏磁传感器上采集到缺陷漏磁信号的传感器个数作为缺陷类型的识别参数，构建样本集；构建神经网络，神经网络的输入为缺陷类型的识别参数，输出为缺陷类型；利用样本集训练并生成神经网络；对未知缺陷进行类型识别，将该未知缺陷的识别参数输入神经网络中进行预测，预测输出该未知缺陷的缺陷类型。本发明能够准确识别管道缺陷类型，具有重大工程意义和良好应用前景。

本发明授权一种基于GA深度优化机器学习的管道缺陷类型识别方法在权利要求书中公布了：1.一种基于GA深度优化机器学习的管道缺陷类型识别方法，其特征在于，包括以下步骤： S1，获取不同缺陷类型下缺陷的三轴漏磁信号； 所述缺陷的三轴漏磁信号是指：轴向漏磁信号即轴向分量，径向漏磁信号即径向分量，周向漏磁信号即周向分量； 其中，轴向即为沿管道长度的方向，径向即为沿垂直于管道内壁的方向，周向即为沿管道的周向； 周向分量的选取方式为：确定轴向路径上径向分量的波峰位置，选择该波峰位置所在的周向路径上的径向分量的值作为周向分量的值； S2，针对缺陷的三轴漏磁信号提取信号特征参数，包括：轴向分量微分信号峰谷间距DSxp-p、轴向分量波形面积Sx、周向分量峰谷中值间距Sy-50％、径向分量峰谷值Bzp-p、径向分量峰谷间距Szp-p； 其中，轴向分量微分信号峰谷间距DSxp-p的提取方式为：对轴向分量取微分，得到轴向分量微分信号，提取轴向分量微分信号峰谷间距DSxp-p； 周向分量峰谷中值间距Sy-50％的提取方式为：提取周向分量的波峰和波谷，计算波峰和波谷的中间值即波峰和波谷之间差值的50％作为峰谷中值，周向分量上峰谷中值的间距即为周向分量峰谷中值间距Sy-50％； S3，将轴向分量微分信号峰谷间距DSxp-p、周向分量峰谷中值间距Sy-50％、径向分量峰谷值Bzp-p、径向分量峰谷间距Szp-p、轴向分量波形面积Sx，以及将漏磁传感器上采集到缺陷漏磁信号的传感器个数N作为缺陷类型的识别参数，构建样本集； 样本集中的样本数据包括：缺陷的各个识别参数值以及对应的缺陷类型； S4，构建神经网络，所述神经网络的输入为缺陷的各个识别参数值，输出为缺陷类型；利用样本集训练并生成神经网络； S5，对未知缺陷进行类型识别，过程如下所示： S51，根据该未知缺陷的三轴漏磁信号提取各个信号特征参数，并获取漏磁传感器上采集到该未知缺陷漏磁信号的传感器个数N，得到该未知缺陷的各个识别参数值； S52，将该未知缺陷的各个识别参数值输入步骤S4所得的神经网络中进行预测，预测输出该未知缺陷的缺陷类型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。