深度学习神经网络在管道故障诊断中的应用研究 |
| |
引用本文: | 王新颖,宋兴帅,杨泰旺.深度学习神经网络在管道故障诊断中的应用研究[J].安全与环境工程,2018(1). |
| |
作者姓名: | 王新颖 宋兴帅 杨泰旺 |
| |
作者单位: | 常州大学环境与安全工程学院; |
| |
摘 要: | 针对管道故障诊断特征参数选取经验化和诊断准确率低的问题,提出一种基于深度学习神经网络(DLNN)的管道故障诊断方法。首先建立由自动编码器(AE)和分类器SOFTMAX构成的深度学习神经网络分类(CDLNN)模型,并利用该模型对4类数据集进行分类性能测试;然后运用小波分析法提取8种反映管道运行状态的特征参数,输入AE中进行转换,重构反映管道运行状态的特征参数,最后输入分类器SOFTMAX中进行诊断,将这种基于DLNN的故障诊断方法应用于实验室油气储运管道泄漏检测系统中,以验证方法的有效性。结果表明:该方法的管道故障识别平均准确率达92.86%,其与凭借经验选取特征参数的BPNN方法和SVM方法相比,具有更高的稳定性和辨识率。
|
本文献已被 CNKI 等数据库收录! |
|