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！

龙图腾网恭喜南京信息工程大学申请的专利一种自动提取特征的压力容器气体泄漏声学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：CN115034271B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202210752061.8，技术领域涉及：G06F18/24；该发明授权一种自动提取特征的压力容器气体泄漏声学识别方法是由李鹏;张立豪;刘轩宇;林事力;纵彪;陈守静;杨山山设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本一种自动提取特征的压力容器气体泄漏声学识别方法在说明书摘要公布了：本发明公开了气体泄漏智能识别领域的一种自动提取特征的压力容器气体泄漏声学识别方法，所述识别方法包括以下步骤：步骤1：通过采集装置采集泄漏声信号；步骤2：对步骤1中采集到的每一条信号进行预处理；步骤3：对预处理后的数据集分为训练集和测试集，对采集信号降维；步骤4：利用训练集数据训练设计好的协同双向长短期记忆神经网络，测试集数据测试训练后网络的分类精度。本发明功能齐全、识别精度高，便于给检修人员提供故障信息的压力容器气体泄漏检测方法，为工业生产安全提供了强有力的保障；识别准确率高，不仅可以检测泄漏与否，还能判断出泄漏大小，并为后续泄漏定位研究提供帮助，具有很大的实际应用价值。

本发明授权一种自动提取特征的压力容器气体泄漏声学识别方法在权利要求书中公布了：1.一种自动提取特征的压力容器气体泄漏声学识别方法，其特征在于，所述识别方法包括：步骤1：通过采集装置采集不同工况下的泄漏声信号，在不同距离、不同压力、不同泄漏孔径下，建立一个信号数据集，为后续步骤训练提供前提；步骤2：对步骤1中采集到的每一条信号进行预处理，利用小波包变换将信号分解成8个子带，选取小波熵最高的前三个子带重构信号，去除其他无关频段的干扰；步骤3：对步骤2中预处理后的数据集以8：2的比例分为训练集和测试集，利用小波散射网络对训练集和测试集进行自动特征提取，在最大化保留数据特征的同时对采集信号降维；步骤4：利用步骤3中分好的训练集数据训练设计好的协同双向长短期记忆神经网络，测试集数据测试训练后网络的分类精度；所述步骤3中的小波散射网络中每一层都进行包括散射传播和散射输出两个独立操作；所述小波散射网络中第一层的第一步将信号与复数小波卷积并通过取模运算得到第一层小波模系数并作为第二层的输出值，其中表示散射传播路径；第一层的第二步将输入信号与尺度为的高斯低通滤波器卷积得到小波系数；对于散射网络第二层输出，空心节点表示第一层小波模算子，将再次与复数小波卷积取模得到第三层的小波模算子即；第二层第二步运算是将散射算子应用于第二层小波模系数与尺度为的高斯低通滤波器卷积得到小波系数；重复进行小波散射网络运算步骤到第3层，如下所示： （2）数据经过小波散射网络后，每条数据的特征降维到349*4；所述协同双向长短期记忆神经网络的框架图表达式为： （3）式中，为前向LSTM层的输出，为反向LSTM层的输出，为BiLSTM叠加后的隐藏层的输出。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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”。