-
题名采用门控循环神经网络的核工业管道损伤识别方法
- 1
-
-
作者
蒋琪
张望
屈文忠
肖黎
-
机构
武汉大学工程力学系
天津航天瑞莱科技有限公司(武汉分部)
-
出处
《振动与冲击》
EI
CSCD
北大核心
2024年第24期48-58,共11页
-
基金
国家自然科学基金项目(52378309)。
-
文摘
超声导波检测技术具有效率高、成本低、检测方便等优点,广泛应用于管道的损伤检测。但超声导波在管道中的传播以及压电传感器灵敏度受温度和压力载荷等环境及工况的影响,严重干扰了损伤信息的提取和识别。由此,该文提出了一种基于粒子群优化-双向门控循环单元-注意力机制模型的机器学习的导波管道损伤识别方法。此模型通过在原始超声导波数据与管道状态之间建立映射关系,并加强特征提取层对损伤特征的识别能力,有效避免环境干扰并准确识别出真实的损伤信号。以某核工业循环水冷却管道试验台架为试验对象,进行温度压力变化工况下的管道损伤识别试验,通过试验和理论分析验证了该模型能有效实现管道损伤识别,且识别准确率优于门控循环网络、长短时记忆、双向门控循环网络等其他数据驱动模型,证实了该文所提方法的有效性和优越性。
-
关键词
核工业管道
损伤识别
粒子群优化
双向门控循环单元
注意力机制
-
Keywords
nuclear industry pipeline
damage identification
particle swarm optimization
bidirectional gated recurrentunit
attention mechanism
-
分类号
X946
[环境科学与工程—安全科学]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
