Keras在燃气管道阀门故障诊断中的应用

摘要：

针对燃气管道阀门故障诊断存在的诊断准确率低,鲁棒性差和容易陷入过拟合等问题,结合深度学习理论,基于谷歌人工智能学习系统Keras,构建多层感知器MLP神经网络模型,用于预测阀门故障程度.选取阀门故障中的8种特征参数作为模型的原始输入量,经过多层感知器的特征提取、参数重构、Adam优化、Softmax分类,并加入Dropout模块避免过度拟合,最终得到具有较高预测精度的多层感知器模型.将得到的多层感知器模型应用在实验室的燃气管道阀门故障诊断系统中,结果表明,这种模型具有更高的准确性和鲁棒性.

关键词：多层感知器、阀门故障、人工智能、燃气管道

所属期刊栏目：39

分类号：X937;TU996.62(安全工程)

资助基金：常州市科技项目"城市地下燃气管网信息化管理与应急决策支持系统"CZ20170017

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：541-546