科研之友
微信
新浪微博
Facebook
分享链接
摘要
乏燃料剪切机是动力堆乏燃料后处理首端的重要设备，状态监测与故障诊断对于保证乏燃料剪切机的安全运行、避免重大事故、减少其维修时间和费用有着重要的作用。针对目前中国针对乏燃料剪切机的故障诊断研究少、数据获取难度大、故障诊断的准确率低等问题，构建基于贝叶斯优化与卷积块注意力模块(convolutional block attention module, CBAM)的残差神经网络模型。首先在利用双声道差分法对噪声降噪，将其转化为梅尔频谱图并进行数据增强；其次引入CBAM对残差网络进行改进，提高网络的深层次特征提取能力，并利用贝叶斯优化算法训练优化器等超参数，得到最优超参数后重新训练网络模型。最后，通过实验结果显示所构建模型的诊断准确率为93.67%,对比其他方法有显著的提高。
- 单位
