科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
