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！

龙图腾网获悉西安交通大学申请的专利一种基于多源数据融合的管道缺陷评估方法及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：CN119646743B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202411728997.2，技术领域涉及：G06F18/25；该发明授权一种基于多源数据融合的管道缺陷评估方法及系统是由马云宾;胡卫;樊昕昊;朱利;上官芝晏设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本一种基于多源数据融合的管道缺陷评估方法及系统在说明书摘要公布了：本发明提出了一种基于多源数据融合的管道缺陷评估方法及系统，包括以下步骤：利用相关采集装置采集管道本体运行状态的数据，并标注管道状态和故障类型，用于构建训练集和测试集。对管道静态数据进行预处理，包括数据清洗、标准化和特征提取。使用鸟群算法优化极限学习机，对静态数据进行分析并评估管道缺陷。对管道本体的图像数据进行预处理，包括图像转换、增强和去噪。基于预训练的VGG16模型对环焊缝缺陷进行评估。使用D‑S证据推理算法对静态数据分析和环焊缝图像分析得到的缺陷评估结论进行决策级融合，得出最终的评估结果。这种方法有效提高了管道缺陷评估的准确性和可靠性，具有广泛的应用前景和重要的实用价值。

本发明授权一种基于多源数据融合的管道缺陷评估方法及系统在权利要求书中公布了：1.一种基于多源数据融合的管道缺陷评估方法，其特征在于，包括以下步骤： 获取管道本体运行状态的数据，包括静态数据和图像数据； 对静态数据和图像数据进行预处理； 基于鸟群算法优化极限学习机，对预处理后的静态数据进行分析评估，得到静态数据的管道缺陷评估结果； 基于VGG16模型对预处理后的图像数据进行分析评估，获得图像数据的管道环焊缝缺陷评估结果； 基于D-S证据推理算法对静态数据的管道缺陷评估结果和图像数据的管道环焊缝缺陷评估结果进行决策级融合，得到最终的管道缺陷评估结果； 基于鸟群算法优化极限学习机，对预处理后的静态数据进行分析评估，具体过程为： 通过鸟群算法优化极限学习机的初始权重和偏置，将极限学习机在训练集上的均方误差定义为适应度函数，通过迭代优化鸟类个体的位置，使得适应度函数值最小化，实现对极限学习机的优化； 将预处理后的静态数据作为极限学习机的特征输入，将管道的缺陷评估结果作为极限学习机的标签，通过设置极限学习机的输入权重、偏置范围、隐藏层神经元个数、鸟群数量以及种群最大迭代次数；其中，输入神经元个数为焊接工艺数据和特征焊口数据的实际数值类别数；输出神经元个数为4，表示融合后的管道缺陷类别，对静态数据进行训练，完成训练后将管道本体的静态特征数据输入到极限学习机，得到的管道缺陷的评估结果； 其中，管道缺陷类别包括严重缺陷、较严重缺陷、轻微缺陷和无缺陷； 对极限学习机的优化的具体过程为： 将极限学习机的输入权重和偏置用于初始化每只鸟，然后依据每只鸟所具备的参数去计算极限学习机对应的回归误差适应度值，并且记录下最优的适应度值以及与之相对应的权重和偏置情况，在执行飞行行为后，计算更新适应度值，更新迭代后，将最优的适应度值赋值给极限学习机； 在极限学习机中引入正则化参数平衡误差矩阵和输出矩阵，并在目标函数中引入样本加权矩阵，使用高斯核函数构建样本加权矩阵，根据训练样本与待预测样本的相似性进行加权处理； 基于VGG16模型对预处理后的图像数据进行分析评估，具体为： 通过VGG16网络提取图像数据中的环焊缝底片数据和环焊缝缺陷图像数据的特征，通过PCA降维技术减少特征数量，再采用注意力特征融合方法将环焊缝缺陷特征与环焊缝底片特征进行融合，形成统一的融合特征集，融合特征将通过一个两层的全连接网络输出，得到管道环焊缝缺陷评估结果。

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交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。