为解决储罐罐底点蚀问题，提出基于改进K-means和CNN的储罐罐底点蚀诊断模型，在传统聚类基础上引入肘部法则，保证k值选取3的准确性，将原始声发射信号特征参数和聚类后的类别信息输入模型进行训练，系统预测准确率高达99%。研究结果表明：该模型能够及时发现点蚀现象，指导管理者确定储罐开罐检查时间顺序，避免点蚀穿孔造成的人力、物力损失，降低储罐运行风险，保障储罐运行安全，研究结果可为罐底点蚀诊断提供技术支撑。
科研之友
微信
新浪微博
Facebook
分享链接
