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！

龙图腾网获悉西安理工大学申请的专利基于变分模态分解与深度学习的泄漏检测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：CN117346080B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202311291722.2，技术领域涉及：F17D5/02；该发明授权基于变分模态分解与深度学习的泄漏检测方法是由郑书闽;颜建国;郭鹏程;徐燕;李江设计研发完成，并于2023-10-08向国家知识产权局提交的专利申请。

本基于变分模态分解与深度学习的泄漏检测方法在说明书摘要公布了：本发明公开基于变分模态分解与深度学习的泄漏检测方法，具体为：在实际的有压输水管道中，获取实际管道流体输运过程中的高频压力信号数据，再将测得的高频压力信号数据作为实验测试数据；利用变分模态分解获得具有K个不同中心频率的IMF分量，并选取合适K值下的分量对步骤1获得的高频压力信号数据进行重构，从而实现信号的降噪；选取趋向项作为降噪后的高频压力信号数据xi，以实现信号的降噪；得到泄漏特征增强后的高频压力信号数据yi；将获得的高频压力信号数据yi随机划分为训练集和预测集；搭建并训练CNN‑GRU泄漏检测模型；根据输出预测集数据的准确度判断是否返回继续进行训练。该方法能够高精度实现对泄漏状态的检测。

本发明授权基于变分模态分解与深度学习的泄漏检测方法在权利要求书中公布了：1.基于变分模态分解与深度学习的泄漏检测方法，其特征在于，具体为： 步骤1：在实际的有压输水管道中，通过安装配套设备，获取实际管道流体输运过程中的高频压力信号数据，再将测得的高频压力信号数据作为实验测试数据； 步骤2：利用变分模态分解获得具有K个不同中心频率的IMF分量，并选取合适K值下的分量对步骤1获得的高频压力信号数据进行重构，从而实现信号的降噪； 步骤2中，通过下述方法选取K值：首先，令K=2，观察该条件下不同IMF分量的周期性和幅值，并判断是否存在两个IMF分量同时满足下列条件：1两个IMF分量的周期性相同；2两个IMF分量的最大最小幅值偏差小于5%；3幅值出现极大值极小值的时间间隔偏差不大于5%；如果不存在同时满足上述全部条件的两个不同的IMF分量，则K数值加1，重复前述选取K值过程，直到出现两个不同的IMF分量同时满足上述全部条件，则K数值减1，并选取为最终K值； 步骤3：选取趋向项作为降噪后的高频压力信号数据xi，i表示第i组数据，以实现信号的降噪； 步骤4：得到泄漏特征增强后的高频压力信号数据yi； 步骤4具体为：对利用Z-score标准化对步骤3得到的高频压力信号数据xi进行数据处理，得到泄漏特征增强后的高频压力信号数据yi： 1 其中，和σx分别为高频压力信号数据x的平均值和标准差； 步骤5：将步骤4获得的高频压力信号数据yi随机划分为训练集和预测集； 步骤6：构建并训练CNN-GRU泄漏检测模型； 步骤6按照以下步骤实施： 步骤6.1、搭建CNN-GRU泄漏检测模型，CNN-GRU泄漏检测模型的具体内容为： CNN-GRU泄漏检测模型由卷积神经网络和门控循环单元组成，其网络结构共有8层结构：输入层，卷积层，池化层，GRU层，丢弃层，全连接层，softmax层以及输出层； 步骤6.2、训练CNN-GRU泄漏检测模型，具体训练流程为：n维高频压力信号数据mi进入CNN-GRU泄漏检测模型的输入层中开始训练，其中n的大小等于回路中高频压力传感器的个数；数据mi在卷积层及池化层中完成卷积、池化步骤后进入GRU层；GRU层采用ReLU函数作为激活函数进行迭代训练，GRU层后连接有丢弃层，丢弃层的丢弃率10%~20%，丢弃层的目的是提升模型训练的泛化性，防止过拟合，丢弃层的具体处理方式为：在神经网络迭代训练的过程中，按照丢弃率要求令符合丢弃的神经元节点不随着训练结果而更新； n维高频压力信号数据mi经上述过程完成训练后，将依次进入输出维度为2维的全连接层和softmax层，softmax层用于预测数据分类的概率，即求解该组高频压力信号数据mi是泄漏非泄漏工况的概率，并将预测结果输出至输出层；CNN-GRU泄漏检测模型将在输出层比较预测结果与实际真实结果的差异，并求取预测的准确度，真实结果是步骤一中打的标签；接着，根据准确度更新各层的权值和阈值，并开始新一轮的迭代训练；当迭代训练次数达到设定的最大迭代次数或者精度达到预期目标时，停止训练并输出得到的CNN-GRU泄漏检测模型； 步骤7：根据输出预测集数据的准确度，判断是否返回步骤6继续训练。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。

以上内容由龙图腾AI智能生成。