您好，欢迎来到中国测试科技资讯平台！
摘要：
目的:针对阀门常见的泄漏故障,研究一种阀门泄漏故障检测方法。方法:采用声发射技术与深度学习相结合的方法,通过声发射技术对阀门内漏信号进行了采集,搭建了以门控循环神经网络(GRU)为核心的阀门内漏诊断模型。该方法针对阀门内漏的特点,发挥了声发射技术在无损检测领域上的优越性,并利用GRU捕捉所采集声发射数据的长期依赖性,最终改善了传统循环神经网络的梯度弥散的问题。结果:经过实验和数据分析,提出了基于声发射技术和门控循环神经网络的故障检测方法,从而提升了阀门内漏故障识别的准确率。结论:本方法利用重构的去噪数据进行处理来提高模型效果,并充分发挥GRU在时间序列预测上的优势,最后提升了对阀门微小泄漏检测的精度。
关键词： 计量;阀门泄漏;门控循环神经网络;声发射;故障诊断;
作者： 余吉超，姚燕，欧阳航，
作者单位： 中国计量大学计量测试工程学院
刊名： 《中国计量大学学报》
Journal： Journal of China University of Metrology
年，卷(期)： 2021, (2)
在线出版日期： 2021年06月15日
页数： 9
页码： 161-169
友情链接：
广告代理：秦皇岛北驰文化传播有限公司
理事会外联部
印 刷：成都天麦点金实业有限公司
国内总发行：成都市邮政局
邮发代号：62-260
国外发行：中国出版对外贸易总公司
国外代号：DK51019
中国标准连续出版物号：ISSN 1674-5124 CN51-1714/TB
业内最新资讯动态
请关注微信公众号
蜀ICP备11014963号-1 《中国测试》杂志社 版权所有 技术支持：成都驰创数码
文档下载