深度残差收缩网络的含噪微泄漏超声识别方法

摘要：

在利用声学信号进行泄漏检测时,复杂的背景噪声往往会淹没微弱的泄漏信号,导致误判率高.针对微小泄漏在含噪环境中识别困难的问题,提出了基于深度残差收缩网络的含噪微泄漏识别方法.在提出的方法中,添加不同强度高斯噪声,建立数据集,使用深度残差收缩网络进行训练,验证深度残差收缩网络对不同泄漏强度、不同噪声含量样本识别的有效性.实验结果表明:深度残差收缩网络对于微弱泄漏可以达到较理想的识别率,即使在高度杂糅数据识别时仍能达到较理想的识别效果,而且噪声含量并不会对深度残差收缩网络迭代次数产生明显的影响.将提出的方法与卷积神经网络识别方法对比,深度残差收缩网络具有明显的优势.

关键词：气体管道、泄漏检测、深度残差收缩网络、声波

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;航空科学基金重点项目

在线出版日期：2022-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：964-972