基于VMD-HT和深度学习的流噪环境腐蚀损伤声发射识别模型

基于VMD-HT和深度学习的流噪环境腐蚀损伤声发射识别模型
摘要：对在役管道进行腐蚀声发射监测的过程中,管内介质流动产生的噪声同样会被传感器接收,导致腐蚀信号被覆盖从而引发误判。针对这一问题,提出了一种基于变分模态分解（VMD）、希尔伯特变换（HT）和深度双向门限循环单元神经网络（BiGRU）的流噪环境腐蚀损伤声发射识别模型。该模型能够将原始信号自适应地转化成多个本征模态分量,并提取各分量的瞬时频率及谱熵构建多维时序特征矩阵,进而建立原始信号与多维特征之间的映射关系。为验证该方法的有效性,对在役管道进行腐蚀声发射监测试验。结果表明,所提模型在流噪环境下具有良好的鲁棒性,监测数据的识别准确率达96.3%,可作为一种解决在役管道腐蚀声发射监测的新方案。

标题：基于VMD-HT和深度学习的流噪环境腐蚀损伤声发射识别模型

作者：顾建平,许世林,张延兵,张颖,王雪琴,

关键词：在役管道,腐蚀监测,声发射技术,变分模态分解,

发表日期：2024年6月

2025-1-19 14:29 上传 基于VMD-HT和深度学习的流噪环境腐蚀损伤声发射识别模型.pdf

文件大小:

17.53 MB

下载次数:

60

高速下载