管道识别在颅脑损伤患者管道护理中的应用

目的探讨管道识别在颅脑损伤患者管道护理中的应用效果。方法回顾性分析2018年6月—2020年3月赣州市南康区中医院收治的84例颅脑损伤患者临床资料,将采用常规管道安全护理的41例归为对照组,将采用常规管道安全护理+管道识别护理的43例归为观察组,比较2组管道安全问题发生率、管道护理相关评分及满意度。结果干预2个月,观察组管道相关安全问题发生率较对照组有所降低,差异有统计学意义(P<0.05);干预2个月,观察组管道护理质量、相关知识及置管依从性评分均比对照组高,差异有统计学意义(P<0.05);干预2个月,观察组满意度高于对照组,差异有统计学意义(P<0.05)。结论管道识别护理可以有效降低管道安全问题发生率,提高管道护理质量,提高患者护理满意度。

考虑阀门布局的供水管网抗震服务性评估与关键管道识别

评估地震后供水管网的服务能力并确定关键管道,对优化维修计划、提高灾害应对能力和提升服务水平至关重要.目前,多数研究未考虑真实阀门布局的影响.鉴于此,本文开展考虑阀门布局的供水管网抗震服务性评估及关键管道识别研究.对给定地震烈度下的供水管网震损场景进行蒙特卡洛模拟,并采用最短路径矩阵算法形成关阀方案;调用EPANET2.2低压水力计算模块实现考虑关阀场景的供水管网抗震性能评估;提出基于条件修复指数的关键管道识别方法,将所提出的算法应用于云南某古城镇供水管网.结果表明:若不考虑阀门布局影响,评估供水管网的服务指数最大偏差超过50%;阀门密度提高2倍,供水管网系统服务指数、节点服务指数均有不同程度的提高,其中系统服务指数提高33%;在用户需水量和管网拓扑结构不变的情况下,关键管道识别结果不受地震烈度变化的影响.

超深埋地管道探测与识别技术及应用

当埋深超过10m时,常规管线仪往往不能满足工程上的精度要求;而探井磁梯度法则存在需要钻井数量多、施工效率低、检测成本高等局限。超深管道的定位与埋深测量一直是行业内的难题。天津嘉信的UPM将电磁法与探井法相结合,解决了超深管道探测和识别的技术难题。本文在概述UPM设备的技术原理的基础上,结合该技术的应用案例,介绍了UPM测量方法,验证了该技术具有探测结果精确、抗干扰、操作便捷及成本低的优点。

航空发动机风扇管道径向声模态模拟与识别技术

针对航空发动机风扇管道径向声模态模拟与测试问题,研究了径向声模态模拟技术以及径向声模态识别技术。采用基于径向排布的声源阵列形式,调节阵列预设的各扬声器幅值及相位实现径向模态声源模拟。建立声源管道下游多圈环形阵列,根据阵列位置信息构造求解模态的传递函数矩阵,运用Tikhonov正则化方法减小传递函数矩阵的条件数,从而实现径向声模态识别能力。通过理论推导和数值计算,设计风扇管道径向声模态试验装置,并在消声室进行试验验证。通过试验验证了该系统具备周向4阶以内,径向2阶以内的径向声模态模拟与识别能力。

基于LMD包络谱熵及SVM的天然气管道微小泄漏孔径识别

针对管道泄漏信号的非平稳特征以及管道泄漏孔径大小难以识别的问题,提出一种基于局域均值分解包络谱熵及支持向量机的识别方法。该方法对管道泄漏信号进行局域均值分解,得到若干个瞬时频率具有物理意义的乘积函数(production Function,PF)分量;计算各PF分量的峭度值并据此选出包含主要泄漏信息的分量作为主PF分量,对这些分量进一步采用小波包分解能量法进行分析并重构;再对重构后的主PF分量进行希尔伯特变换求取包络谱,结合信息熵的概念提出包络谱熵并计算熵值;将归一化包络谱熵作为泄漏信号特征输入支持向量机分类器中,用以区分不同的泄漏孔径,完成对泄漏孔径的识别。通过试验采集大量的管道泄漏信号进行处理及分析,试验结果表明该方法能有效识别不同泄漏孔径类别。

局域均值分解分析的管道泄漏孔径识别及定位

提出一种基于局域均值分解的RMS熵及时延估计的天然气管道泄漏孔径识别及定位方法。该方法首先对泄漏信号进行LMD分解,得到若干具有物理意义的PF分量并计算其有效值,进而结合信息熵的概念得出不同泄漏孔径的RMS熵,将不同孔径泄漏信号的多个RMS熵组成特征向量输入SVM进行识别。为提高互相关法定位精度,提出根据LMD分解结果的峭度特征进行重构再进行互相关获取时延信息,并结合泄漏信号的传播速度,实现泄漏点定位。实验结果表明该方法能够实现管道泄漏孔径有效识别及定位,且与基于EMD的RMS熵方法相比,识别效果更好,较直接相关法的定位精度明显提高。

压缩感知域智能天然气管道泄漏孔径识别

天然气管道泄漏监测正在进入大数据时代,针对传统方法存在的采集数据冗余、特征提取及识别受主观因素影响较大等问题,结合压缩感知与深度学习理论,提出一种在变换域进行泄漏信号的压缩采集、在压缩感知域进行自适应特征提取及识别的智能天然气管道泄漏孔径识别方法。通过随机高斯矩阵获取压缩采集数据,并通过深度学习挖掘测量信号中隐藏的泄漏孔径信息,经稀疏滤波实现特征的自动筛选,最后研究了softmax回归实现孔径的高精度分类识别。实验结果表明,该方法实现了监测数据的压缩,对压缩感知域采集信号的识别性能明显优于传统方法。

压缩感知结合卷积网络的天然气管道泄漏孔径识别

针对传统天然气管道泄漏孔径检测面临的原始数据冗余性大、特征选取主观依赖性强以及复杂环境下识别准确率低等问题,提出了一种将压缩感知与深度卷积神经网络相结合的泄漏孔径识别方法。首先利用随机高斯矩阵对原始泄漏信号进行压缩采集,以较少的压缩感知域数据获取全部泄漏信息;然后构建深度一维卷积神经网络,将压缩采集数据送入网络中实现自适应特征提取及高准确度泄漏孔径识别;还对主要参数的影响进行了深入的分析。实验结果表明,该方法能够快速、准确地实现天然气管道泄漏孔径识别,且在低信噪比环境下具有较好的鲁棒性,总体识别效果优于传统的分类方法。

改进稠密块轻量化神经网络的管道泄漏孔径识别

深度神经网络的管道泄漏孔径识别方法虽然识别率高,但因结构复杂造成参数量大、内存占用大,极大地限制了其在资源有限的工业环境及实时处理中的应用。提出一种优化卷积改进稠密块的轻量化神经网络用于管道泄漏孔径识别。首先将深度可分离卷积与异构卷积结合,构造了新的多卷积稠密块实现泄漏信号的特征提取;之后采用卷积注意力机制对特征进行权重划分,实现特征的重要性区分;最后通过分类器获取结果。实验结果表明,本文方法识别准确率达到了96.59%,参数量仅为781 KB。本文方法在保证高识别准确率的同时,参数量及浮点数大幅下降,训练时间也有所减少,改善了实时响应能力,对于实际工业监测应用有指导意义。

基于压电陶瓷传感器的管道损伤识别

为研究外荷载冲击作用下管道裂纹损伤的识别方法,以自制的落球控制装置对空管和充水埋土管道2种不同服役工况下的健康管道、单损伤管道以及多损伤管道进行荷载冲击试验。利用压电陶瓷传感器拾取外荷载冲击不同损伤工况下的空管以及充水埋土管道所产生的应力波信号,先以小波包能量公式分别健康与损伤管道上传感器监测信号的能量,再根据均方根偏差计算得到损伤指数,基于损伤指数变化进行管道损伤识别可行性研究。结果表明,空管损伤指数随着传感器至损伤距离的增大而减小,同时损伤识别的灵敏度也随之降低,空管的损伤指数随着损伤轴向宽度的增大而增加;以损伤指数为判定指标,不仅能有效定位空管单个裂纹损伤和多个裂纹损伤的存在和存在位置,还能有效识别裂纹损伤的严重程度;改变管道的服役工况,基于该指标仍能实现不同服役工况下管道单损伤与多损伤的存在位置及损伤严重程度的识别。以损伤指数为指标来进行管道损伤识别的方法切实可行且具有普遍性。该研究成果为服役管道的健康监测提供了重要参考。

排水管道缺陷内窥检测智能识别系统研究

目前国内各城市已普遍采用管道机器人深入管道内部摄取视频影像,有效获取到可供管道缺陷检测的一手资料,但缺陷识别依靠人工目视识别,耗时耗力,生产周期长。本文利用福州市勘测院多年累积的管道检测数据,在Pytorch框架下、基于深度学习建立了排水管道缺陷内窥检测智能识别系统,包括:数据预处理,残差神经网络设计与训练、系统集成等。重点实现了三级组合识别模型建构(二分类,类型识别,等级识别),解决了系统准确度等技术难题。经生产实践表明:模型准确率高,可有效提高管道健康状况检查质量和效率。

基于深度学习的排水管道缺陷内窥检测智能识别系统研究

目前国内各城市已普遍采用管道机器人深入管道内部摄取视频影像,有效获取到可供管道缺陷检测的一手资料,但缺陷识别大部分依靠人工目视识别,耗时耗力,生产周期长。利用福州市勘测院多年累积的管道检测数据,基于Pytorch深度学习框架、建立了排水管道缺陷内窥检测智能识别系统,包括:数据预处理,残差神经网络设计与训练、系统集成等。重点实现了三级组合识别模型建构(二分类,类型识别,等级识别),解决了系统准确度等技术难题。经生产实践表明:模型准确率高,可有效提高管道健康状况检查质量和效率。

基于深度学习的排水管道缺陷识别关键技术及应用研究

随着城镇排水管道检测业务的不断发展,传统的缺陷识别方法存在作业效率低,且容易出错等问题已不能满足生产要求。深度学习作为机器学习领域的最新研究成果,建模与表征能力强大,在图像处理领域取得了突破成果。为此,本文提出一种基于深度学习的排水管道缺陷智能识别的方法,通过实验及应用验证,该方法对管道缺陷识别率超过90%,具有较好的鲁棒性。

基于卷积神经网络的管道井缺陷识别研究

管道井与人类社会生活息息相关,而由于管道井盖丢失、破损造成交通事故频发,危害人类财产生命安全。本文提出利用计算机视觉技术检测识别管道井缺陷,然后通过标记报警功能来实时抢修,可以避免更多事故的发生。本文通过构建深度神经网络模型,利用卷积神经网络模型自动提取图像中每种管道井缺陷的特征,通过对管道井的六种缺陷现象进行训练、测试,得到最终识别结果。实验结果表明,卷积神经网络对管道井缺陷图像的识别达到来预期的效果,并在缺陷检测中优于传统的分类模型。

基于POD-RBF方法的管道内壁几何识别

针对天然气、石油等管道内部被腐蚀问题,基于本征正交分解-径向基函数(POD-RBF)提出了一种管道内壁几何识别方法.考虑静磁场并建立管道的简化有限元模型,构建变几何样本库,实现了POD-RBF对任意形状的响应预测.该方法在降阶分析的同时避免了迭代过程中因几何的改变需反复求解刚度矩阵,在很大程度上提高了计算效率.采用灰狼优化(GWO)算法对目标函数实施优化,避免了在变几何过程中灵敏度的求解.算例结果显示,该文方法可高效准确地反演管道内壁的几何形状,即使在引入噪声后GWO算法仍具有较好的稳定性.

管道泄漏声振动信号的特征分析

管道泄漏声振动是泄漏过程中多种事件共同作用产生的,所以使用多种特征才可能比较准确地描述管道泄漏声信号。合理的选取和使用这些特征对于泄漏信号识别至关重要。通过分析泄漏过程,确定选取信号的随机性和频率分布特性作为泄漏特征。由于随机性和频域特性可由多种参数描述,于是比较了各种参数作为泄漏特征值的辨识效果。使用支持向量机作为分类器,对比了使用单种特征以及组合使用多种相同或不同类特征时,实际供水管道声振动及管道泄漏的识别效果。使用两种特征的识别准确率普遍高于使用单种特征的情况,然而使用更多的特征却并没有进一步提高准确率。其中样本熵和功率谱分布特征的组合准确率最高,达到了93%,而且使用此特征组合能够正确区别管道周围常见噪声。

管道标识在胸外科护理质量安全中的应用

探究在胸外科护理安全管理中应用管道标识的效果。方法:选取2020-2021年收治的430例胸外科患者,将这些患者用的管道进行管道标识,进行科学、合理及规范的管理。结果:实施管道标识后,医院管道护理差错发生率明显低于实施管道标识前。实施管道识别后,护士的交接时间和管道识别时间与实施前相比有显著差异(P<0.05)。结论:管道识别在胸外科护理安全管理中的应用,可有效减少护理人员护理不良事件的发生,提高护理质量,提高护理安全管理质量。

长输油气管线缺陷识别软件系统设计与实现

为了充分发挥金属磁记忆技术在管道缺陷检测中的优势,解决磁记忆信号本身不能判断缺陷类型的问题,建立了一种管道缺陷识别分类方法,设计并开发了一套基于C#和MATLAB混合编程的长输油气管线缺陷识别软件系统。该软件利用MATLAB对长输管线金属磁记忆数据进行数据处理、特征量计算及方法建模等工作,利用C#搭建面向用户的操作界面,使用户能够快速准确地对长输油气管道中的腐蚀缺陷、焊缝应力集中区域、弯管应力集中区域进行识别定位并加以区分。

地下管线探测回波中目标双曲线的快速拟合方法

本文所提出的GPR目标双曲线识别方法包含两个步骤:首先对GPR回波图像进行边缘检测,然后用模板匹配算法提取出感兴趣的数据;进而根据图像中目标回波的双曲线特征,对提取出的数据采用改进的Hough变换检测目标双曲线,去除虚假目标并实现目标双曲线参数的精确提取.实测数据检测结果表明:该方法能快速地拟合出回波中目标双曲线的多个参数并将其成功地将其恢复出来.