卷积神经网络在燃气管道故障诊断中的应用

论文摘要

为了提高燃气管道泄漏故障的诊断能力,判断燃气管道故障泄漏的类型,将深度学习神经网络应用到燃气管道故障诊断领域,提出了一种基于卷积神经网络与softmax分类器的燃气管道故障诊断技术。选取燃气管道故障中的9种特征参数作为模型的原始输入量,经过卷积神经网络的特征提取、参数重构、soft-max分类,最终达到诊断的效果。将得到的卷积神经网络模型应用在实验室的燃气管道故障泄漏检测系统中,结果表明,这种模型在燃气管道故障识别中的准确率稳定在92. 54%,与BP神经网络相比该方法有明显的准确率和稳定性。

论文目录

• 0 引言
• 1 深度学习
•   1.1 深度学习神经网络
•   1.2 卷积神经网络
• 2 卷积神经网络的训练和分类
•   2.1 卷积神经网络的训练
•   2.2 卷积神经网络的分类
•   2.3 卷积神经网络的分类性能测试
• 3 卷积神经网络的燃气管道故障诊断模型
•   3.1 燃气管道参数设置
•   3.2 卷积神经网络模型的构建
• 4 实验分析
•   4.1 实验设计
•   4.2 实验诊断方法 （见图5）
•   4.3 实验结果分析
• 5 结论

文章来源

类型: 期刊论文

作者: 王新颖,杨泰旺,宋兴帅,陈海群

关键词: 燃气管道,故障诊断,卷积神经网络,数据参数分析

来源: 工业安全与环保 2019年02期

年度: 2019

分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技

专业: 建筑科学与工程,自动化技术

单位: 常州大学环境与安全工程学院

基金: 常州市国际科技合作项目

分类号: TP183;TU996.7

页码: 36-40+68

总页数: 6

文件大小: 1086K

下载量: 248