卷积神经网络在气体泄漏超声识别中的应用

作     者：韩鹏程 燕群 彭涛 宁方立 HAN Pengcheng;YAN Qun;PENG Tao;NING Fangli

作者机构：中国飞机强度研究所西安710065 西北工业大学机电学院西安710072 

出 版 物：《应用声学》 (Journal of Applied Acoustics)

年 卷 期：2022年第41卷第4期

页      码：602-609页

摘      要：为了克服现有气体泄漏检测方法的不足,提出一种基于卷积神经网络的气体泄漏超声信号识别方法。在设计卷积神经网络网络结构时,通过多次预训练确定网络层数、卷积核数目和尺寸、全连接层神经元数目。同时,选择Inception模块平衡网络宽度和深度,防止过拟合的同时提高网络对尺度的适应性。通过输气管道泄漏实验平台模拟工况中常见的阀门泄漏和垫片泄漏,利用短时傅里叶变换进行时频图表征,在此基础上,建立二分类模型和不同泄漏类型的三分类模型。结果表明,相比二分类模型,不同泄漏类型的三分类模型识别准确率有所降低,添加Inception模块可以有效提高三分类模型的性能。

主 题 词：气体泄漏 卷积神经网络 时频图 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.11684/j.issn.1000-310X.2022.04.012

馆 藏 号：203114122...