基于深度迁移学习的压力容器裂纹检测系统研究

作     者：朱婷 

作者机构：江苏省特种设备安全监督检验研究院江苏南京210036 

基　　金：江苏省特检院院内科技计划项目资助(KJ(Y)2023016) 

出 版 物：《中文科技期刊数据库（文摘版）工程技术》 

年 卷 期：2025年第1期

页      码：096-099页

摘      要：压力容器用于具有一定毒性、腐蚀性、易燃易爆的介质工况中,一旦产生裂纹将会引起石化装置爆炸等事故,造成不可逆的环境和经济负效应。人工智能的发展,将现有的声发射检测与机器学习相结合,提出一种基于深度迁移学习的压力容器裂纹检测系统,通过卷积神经网络((Convolutional Neural Networks,CNN)模型结构中卷积层和池化层强大的自学习能力提取对于裂纹检测任务有用的特征值,判断检测结果,减少人工主观误差影响。该检测系统可作为常规检验检测的补充,更全面地保障压力容器使用的安全性。最后,在此基础上,结合总体设计,探讨基于深度迁移学习的压力容器裂纹检测系统可行性。

主 题 词：压力容器 裂纹 声发射 特征提取 深度迁移学习 

学科分类：080704[080704] 08[工学] 0807[工学-电子信息类] 

馆 藏 号：203157307...