(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110768576.2 (22)申请日 2021.07.07 (65)同一申请的已公布的文献号 申请公布号 CN 113343402 A (43)申请公布日 2021.09.0 3 (73)专利权人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 华佳东　张晗　彭勃　高飞　童彤　 梁振霖　林京　 (74)专利代理 机构 北京孚睿湾知识产权代理事 务所(普通 合伙) 11474 专利代理师 韩燕 (51)Int.Cl. G06F 30/18(2020.01) G06F 30/27(2020.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 113/14(2020.01) (56)对比文件 CN 105843780 A,2016.08.10 CN 105912854 A,2016.08.31 US 2017183107 A1,2017.0 6.29 李继猛等.基于自适应随机共 振和稀疏编码 收缩算法的齿轮故障诊断方法. 《中国机 械工 程》 .2016,(第13期), 余路等.基 于改进稀疏编码的微弱振动信号 特征提取算法. 《仪 器仪表学报》 .2017,(第0 3 期), 审查员 邱爽 (54)发明名称 基于多层卷积稀疏编码的管道腐蚀等级评 估方法 (57)摘要 本发明提供一种基于多层卷积稀疏编码的 管道腐蚀等级评估 方法， 其包括以下步骤： S1： 将 第一加速度传感器和第二加速度传感器安装于 管道外表面上， 使用力锤敲击关注区域， 得到冲 击响应信号； S2： 构建基于多层卷积稀疏编码 的 等级评估模型； S3： 采集待测管道的力锤实测数 据， 进行预处理后将时域信号作为测试集， 输入 到步骤S2训练好的模型中； S4： 根据基于多层卷 积稀疏编码的评估模型给出管道腐蚀等级评估 结果。 本发明采用多层卷积稀疏编码作为模型， 利用振荡衰减函数提取多 频带内的有效特征， 可 以有效提取管道腐蚀下振动信号中的微弱损伤 特征， 完成自动化腐蚀等级评估， 避免了传统方 法对人工阈值选取的依赖， 适用于在线管道腐蚀 监测。 权利要求书3页 说明书6页 附图2页 CN 113343402 B 2022.05.24 CN 113343402 B 1.一种基于多层卷积稀疏编码的管道腐蚀等级评估方法， 其特征在于： 其包括以下步 骤： S1： 将第一加速度传感器和第二加速度传感器安装于管道外表面上， 使用力锤敲击关 注区域， 得到冲击响应信号， 冲击响应信号 为时域信号； S2： 构建基于多层卷积稀疏编码的等级评估模型， 将步骤S1中的时域信号作为训练集， 输入到模型中进行训练； 构建基于多层卷积稀疏编码的评估模型， 利用多层迭代软阈值算法求解多层卷积稀疏 编码可以在卷积神经网络的框架中实现； 因此， 首先利用振荡衰减函数作为第一层卷积字 典， 得到第一层稀疏映射， 同时其他层字典随机初始化， 利用公式(5)依次求解接下来的各 层稀疏映射， 通过设置展开次数实现多次迭代和参数更新， 求得最后一层稀疏映射输入至 全连接， 最终分成三种等级； 其中公式(5)具体为： 其中， 为第i层k+1次迭代时的稀 疏映射， 为第i层k次迭代稀 疏映射， 为第i‑ 1层k次迭代稀疏映射， prox表示近端算子， 为关于函数tgi的近端算子， k为迭代次 数， μ和t为常数， 为关于f和gi‑1的梯度映射 算子， Di为第i层卷积字典； S3： 采集待测管道的力锤实测数据， 进行预处理后将时域信号作为测试集， 输入到步骤 S2训练好的模型中； S4： 根据基于多层卷积稀疏编码的评估 模型给出管道腐蚀等级评估结果。 2.根据权利要求1所述的基于多层卷积稀疏编码的管道腐蚀等级评估方法， 其特征在 于： 所述步骤S2具体包括以下步骤： S21： 使用公式(1)作为第一层卷积字典来匹配力锤敲击产生的时域信号， 提取多频带 内的有效腐蚀特 征； c(t)＝si n(2 π ft)e‑at                          (1) 其中， t为时间， f、 a为变量， f在1 ‑10kHz内取值， a在1 ‑5内取值； S22： 采用多层卷积稀疏编码， 确定各层卷积字典， Di为第i层卷积字典， 如公式(2)所示， i为大于等于2的正整数； 其中， xi是相对于卷积字典Di的稀疏映射， i＝2,3, …,L； L为多层卷积稀疏编码的层数， xL为第L层的稀疏映射， y为输入信号， s为基数； D(1， L)＝D1…DL， 表示2‑范数的平 方， ‖·‖0为0‑范数， sL为第L层基数， 表示每一层稀疏映射 的0‑范数 均小于对应层的基数， 即保证稀疏性； 采用多层迭代软阈值算法求解该多层卷积稀疏编码的基追踪问题， 求解得到满足条件 的xi；权　利　要　求　书 1/3 页 2 CN 113343402 B 2利用梯度映射方法， 如公式(4)所示， 因此， 针对多层卷积稀疏编码， 第i层迭代计算如 公式(5)所示， 以此构建多层卷积稀疏编码模 型； 该多层形式可以通过增加展开数扩展至多 层卷积神经网络中； 其中， 上下标中的f和g分别代表f(x)和g(x)； 为关于f和g的梯度映射算子， Lc为 Lipschitz常数， prox表示近端算子， 为关于函数 近端算子， 为关于函数tgi 的近端算子， 为可微凸函数的梯度， k为迭代次数， 为第i层k+1次迭代时的稀疏 映射， 为第i层k次迭代稀疏映射， μ和t为常数， 为关于f和gi‑1的梯度映射算子， Di 为第i层卷积字典， S23： 将最后一层所得xL输入全连接分别对应不同腐 蚀程度， 构成循环网络的结构在训 练过程中完成模型 结构的修改和参数的调试， 保存训练好的模型。 3.根据权利要求2所述的基于多层卷积稀疏编码的管道腐蚀等级评估方法， 其特征在 于： 所述多层卷积稀疏编码模型为 二层； 所述步骤S22中形成多层基追踪如公式(3)所示,表示为最小化问题minf(x)+g(x)， 是可微凸函数， g1(x)＝λ1||D2x||1g2(x)＝λ2||x||1是不可微凸函数， 则最小化问题为： 其中， D1和D2分别表示第一层与第二层卷积字 典， x2为第二层稀疏映射， λ1和 λ2分别表示 第一层和第二次的稀疏度； 所述第二层稀疏映射x2的编码形式可表示为公式(6)， 其中常数t>0， μ>0， 其等价的卷积 网络形式可表示为公式(7)， b1和b2分别为第 一层和第二层的偏置项， 其等价的卷积网络形 式可表示 为公式(7)： 将最后一层所 得xL输入全连接分别对应三类腐蚀程度。 4.根据权利要求2所述的基于多层卷积稀疏编码的管道腐蚀等级评估方法， 其特征在 于： 所述多层卷积稀疏编码模型结构为三层基础卷积字典， 包含了敲击响应信号的特征，权　利　要　求　书 2/3 页 3 CN 113343402 B 3