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！

龙图腾网获悉北京大学深圳研究生院申请的专利一种基于深度学习的油气管道监控与预测系统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：CN118856239B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202410968163.2，技术领域涉及：F17D5/00；该发明授权一种基于深度学习的油气管道监控与预测系统是由张浩然;曹兴文;刘文钊;赵沐华;梁智荣;张子辰设计研发完成，并于2024-07-18向国家知识产权局提交的专利申请。

本一种基于深度学习的油气管道监控与预测系统在说明书摘要公布了：本发明公开了一种基于深度学习的油气管道监控与预测系统，属于油气管道检测技术领域。本发明通过传感探测模块从部署在油气管道中的传感器和设备收集各种数据，并进行预处理，将训练好的深度学习模型部署到油气管道的监控系统中，对实时数据的进行自动分析，从而在实时监控与异常检测模块和故障预测与预警模块中实现对油气管道异常点段的监控与预测，并将结果和相关信息以图形化的方式展示给用户，帮助用户更好地理解和使用系统。本发明在传感器监控管道内油气物理状态的的基础上，通过深度学习模型实时预测潜在事故的异常点段和时间，显著提升了监控与预测工作的效率，从而保证油气管道的安全。

本发明授权一种基于深度学习的油气管道监控与预测系统在权利要求书中公布了：1.一种基于深度学习的油气管道监控与预测系统，其特征在于，包括传感探测模块、数字孪生模型、实时监控与异常检测模块、深度学习模型、故障预测与预警模块、可视化用户交互模块； 所述的传感探测模块从部署在油气管道的传感器中收集数据，包括压力数据、温度数据、流量数据、振动数据、化学成分数据、位置与姿态数据以及红外图像数据； 其中，所述的红外图像数据需要经过预处理，以提高深度学习模型的预测质量； 所述的实时监控与异常检测模块对实时采集的数据进行实时分析，检测是否存在异常情况； 所述的深度学习模型包括卷积神经网络（CNN）、循环神经网络（RNN）和长短期记忆网络（LSTM）三种深度学习网络，通过训练大量的历史数据，学习管道运行的正常模式和潜在问题的特征； 所述的故障预测与预警模块搭载具有历史数据学习的经验深度学习模型，预测管道可能出现的故障类型和时间； 所述的可视化用户交互模块包括三维可视化和统计可视化模块，通过三维可视化和统计可视化技术，为用户提供了直观、易于理解的数据展示方式； 所述的预处理具体步骤如下： a.首先获取传感数据，进行数据清洗，包括去除重复数据、处理缺失值、去除噪声，对于红外图像数据需要使用二维高斯滤波进行卷积运算，以消除油气管道内密闭空间导致的图像亮度噪声： 其中，x为像元横坐标，y为像元纵坐标，Gx,y为新的像元值，σ为图像的标准差； b.对数据进行z-score标准化转换到同一尺度上，以消除不同特征之间的量纲差异： 其中，Z为标准分数，X为传感器所获取的原始数据，E[X]为X的平均值，σX为X的标准差； c.根据具体任务的需要，从原始数据中提取出与油气管道状态相关的特征，包括统计特征、时间序列特征以及经过拉普拉斯变换后基于信号处理的特征： 其中，Fs是把时间域的函数变换到复频域内的复变函数，e-st为收敛因子,s=σ+jω为复频率，其中实部σ恒为正，虚部jω可为正、负、零； d.对于图像或时间序列数据，通过旋转、平移、缩放、裁剪进行数据增强，以增加数据集的多样性和模型的泛化能力； e.对于明显偏离正常范围的异常值，将其视为噪声并去除。

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北京大学深圳研究生院，其通讯地址为：518055 广东省深圳市南山区西丽大学城北京大学深圳研究生院；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。