Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 广东工业大学王琦获国家专利权

广东工业大学王琦获国家专利权

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!

龙图腾网获悉广东工业大学申请的专利基于数据增强和混合神经网络架构的供水管网漏损识别方法、装置、设备及介质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:CN120708653B

龙图腾网通过国家知识产权局官网在2025-11-28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:202510861590.5,技术领域涉及:G10L25/51;该发明授权基于数据增强和混合神经网络架构的供水管网漏损识别方法、装置、设备及介质是由王琦;林进延;梅中一;黄颀;詹凡;陈炯禧;周倩倩;赵志伟设计研发完成,并于2025-06-25向国家知识产权局提交的专利申请。

基于数据增强和混合神经网络架构的供水管网漏损识别方法、装置、设备及介质在说明书摘要公布了:本申请涉及基于数据增强和混合神经网络架构的供水管网漏损识别方法、装置、设备及介质,方法包括:采用生成对抗网络生成仿真管道振动音频信号,并与真实管道振动音频进行结合,以构建管道振动音频信号数据集;将梅尔倒谱系数特征矩阵与梅尔倒谱系数的一阶差分矩阵进行特征融合,以确定每个管道振动音频信号帧的特征融合矩阵;以特征融合矩阵为训练样本,以管道振动音频信号的漏损状态为样本标签,对CNN‑BiLSTM混合神经网络模型进行训练,以确定供水管网漏损检测模型;将待识别管道振动音频信号输入至供水管网漏损检测模型中,以确定待识别管道振动音频信号处于有漏损状态或无漏损状态。本申请显著提升了漏损检测的精度、鲁棒性和泛化能力。

本发明授权基于数据增强和混合神经网络架构的供水管网漏损识别方法、装置、设备及介质在权利要求书中公布了:1.一种基于数据增强和混合神经网络架构的供水管网漏损识别方法,其特征在于,包括: 采集供水管网中的真实管道振动音频信号,将所述真实管道振动音频信号输入至预设的生成对抗网络中,经过不同轮次的输出以生成仿真管道振动音频信号,将所述真实管道振动音频信号与所述仿真管道振动音频信号进行结合,以构建管道振动音频信号数据集,其中,所述管道振动音频信号数据集包括多个一定音频时长的管道振动音频信号,每个管道振动音频信号包括多个管道振动音频信号帧; 采用快速傅里叶变换以及梅尔滤波器组依次对所述管道振动音频信号进行处理之后,采用离散余弦变换提取所述管道振动音频信号中每个管道振动音频信号帧相对应的梅尔倒谱系数,以构建所述管道振动音频信号帧的梅尔倒谱系数特征矩阵; 计算确定所述梅尔倒谱系数的一阶差分矩阵,将所述梅尔倒谱系数特征矩阵与所述一阶差分矩阵进行特征融合,以确定每个管道振动音频信号帧的特征融合矩阵; 以所述管道振动音频信号中每个管道振动音频信号帧的特征融合矩阵为训练样本,以所述管道振动音频信号相对应的漏损状态为样本标签,对预设的CNN-BiLSTM混合神经网络模型进行训练,以确定已训练至收敛状态的供水管网漏损检测模型; 将待识别管道振动音频信号输入至已训练至收敛状态的供水管网漏损检测模型中,以确定所述待识别管道振动音频信号对应的管道处于有漏损状态或无漏损状态,以完成基于数据增强和混合神经网络架构的供水管网漏损识别。

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广东工业大学,其通讯地址为:510000 广东省广州市越秀区东风东路729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。

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。