深度学习神经网络在管道故障诊断中的应用研究

• 作者: 宋兴帅 杨泰旺 王新颖
• 来源期刊: 安全与环境工程
• 学科: 工学
• 关键词: 深度学习神经网络 管道故障诊断 自动编码器 模式识别
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 安全理论与安全管理
• 页码范围: 137-142,148
• 页数: 7页
• 分类号: X928|X937|TE973
• 字数: 5874字
• 语种: 中文
• DOI: 10.13578/j.cnki.issn.1671-1556.2018.01.024

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王新颖	常州大学环境与安全工程学院	19	68	5.0	7.0
2	宋兴帅	常州大学环境与安全工程学院	5	29	3.0	5.0
3	杨泰旺	常州大学环境与安全工程学院	4	20	3.0	4.0