基于门控循环神经网络的阀门泄漏检测方法

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

所属期刊栏目：32

分类号：TH48(气体压缩与输送机械)

资助基金：国家重点研发计划;浙江省自然科学基金

在线出版日期：2021-07-21（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：161-169