申请/专利权人：浙江德卡控制阀仪表有限公司

申请日：2022-12-22

公开（公告）日：2024-06-07

公开（公告）号：CN117090989B

主分类号：F16K37/00

分类号：F16K37/00;G06F18/24;G06F18/213;G06F18/2415;G06N3/0464;G06F18/25

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2023.12.08#实质审查的生效;2023.11.21#公开

摘要：公开了一种具有监测系统的电动闸阀，其采用基于深度学习的人工智能检测技术，以通过对于电动闸阀的工作过程中的多个电流瞬时波形进行采样分析，以此来提取出所述各个电流瞬时波形的隐含关联性特征分布信息，并基于模数转化思想转化为数字信号后来提取出所述各个电流数字信号间的多尺度关联性特征分布信息，并基于这两者的融合特征来通过分类器以进行电动闸阀的性能是否正常的分类处理。这样，能够精准地对于电动阀门性能进行实时检测，以准确地判断电动阀门是否存在故障。

主权项：1.一种具有监测系统的电动闸阀，其特征在于，包括：监控数据采集模块，用于获取电动闸阀动作过程中的多个电流瞬时波形模拟量信号；模数转化模块，用于对所述多个电流瞬时波形模拟量信号进行模数转化以得到多个电流数字信号；模拟信号图形特征提取模块，用于将所述多个电流瞬时波形模拟量信号分别通过作为过滤器的第一卷积神经网络模型以得到多个电流模拟特征向量；模拟信号特征关联编码模块，用于将所述多个电流模拟特征向量进行二维排列为特征矩阵后通过作为特征提取器的第二卷积神经网络模型以得到电流模拟关联特征矩阵；数字信号特征提取模块，用于将所述多个电流数字信号排列为输入向量后通过多尺度邻域特征提取模块以得到电流数字关联特征向量；特征增强模块，用于使用高斯密度图对所述电流数字关联特征向量进行特征级数据增强以得到电流数字关联特征矩阵；多模态特征融合模块，用于融合所述电流数字关联特征矩阵和所述电流模拟关联特征矩阵以得到分类特征矩阵；类中心偏移校正模块，用于对所述分类特征矩阵进行类中心偏移校正以得到校正后分类特征矩阵；以及监测结果生成模块，用于将所述校正后分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示电动闸阀的性能是否正常；其中，所述类中心偏移校正模块，包括：对角矩阵转化单元，用于将所述电流模拟关联特征矩阵和所述电流数字关联特征矩阵分别转换为对角矩阵以得到第一对角矩阵和第二对角矩阵；类节点的拓扑-类中心融合单元，用于对所述第一对角矩阵和所述第二对角矩阵进行类节点的拓扑-类中心融合以得到融合特征矩阵；以及映射单元，用于将所述融合特征矩阵与所述分类特征矩阵进行矩阵相乘以得到所述校正后分类特征矩阵；其中，所述类节点的拓扑-类中心融合单元，用于：以如下公式对所述第一对角矩阵和所述第二对角矩阵进行类节点的拓扑-类中心融合以得到所述融合特征矩阵；其中，所述公式为： ,其中、和分别是所述第一对角矩阵、所述第二对角矩阵和所述融合特征矩阵，和分别表示矩阵的Kronecker积和Hadamard积，为所述第一对角矩阵和所述第二对角矩阵之间的逐位置距离矩阵，表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值。

全文数据：

权利要求：

百度查询： 浙江德卡控制阀仪表有限公司 具有监测系统的电动闸阀

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD