Application of improved multi-strategy MPA-VMD in pipeline leakage detection

Semi-supervised small-sample gearbox fault diagnosis with privacy protection

“…基于距离函数 : [0, ) [23] 对比学习的预训练模型流程如图 4 所示，首先 从样本数据中获取预训练数据集， 随后将该数据集输 入到经过改进的自动编码器进行预训练。 改进后的自动编码器由两个关键部分构成：自 动编码器 [23,24] 和注意力模块 [25,26] 。为了增强其特征选 择能力，在隐含层输出之前引入卷积注意力模块。 CBAM 包括两个重要部分，即通道注意力和空间注 意力。 通道注意力模块主要用于捕获特征图通道之间 的相互依赖关系， 而空间注意力模块则主要用于捕获 不同位置之间的空间依赖关系。 其工作原理涉及逐渐 计算通道维度和空间维度上的注意图， 随后将这些注 意图与输入特征图相乘，以进行自适应特征提取 [27,28]…”

A Simple Estimation Scheme for Leak Detection in Pipelines

“…Leak detection and isolation is a critical problem in pipelines because leaks can cause expensive economic and environmental damage [1][2][3][4][5][6][7]. Numerous methods have been proposed to detect leaks in pipeline systems, including a high-gain observer, a sliding mode observer, and a Kalman filter [8][9][10][11][12][13].…”