基于门控循环神经网络的阀门泄漏检测方法

• 作者: 余吉超 姚燕 欧阳航
• 来源期刊: 中国计量大学学报
• 关键词: 计量 阀门泄漏 门控循环神经网络 声发射 故障诊断
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计量与测试|Metrology and Measurement
• 页码范围: 161-169
• 页数: 9页
• 分类号: TH48
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2021.02.003

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.