典型文献
卷积神经网络在气体泄漏超声识别中的应用
文献摘要：
为了克服现有气体泄漏检测方法的不足,提出一种基于卷积神经网络的气体泄漏超声信号识别方法.在设计卷积神经网络网络结构时,通过多次预训练确定网络层数、卷积核数目和尺寸、全连接层神经元数目.同时,选择Inception模块平衡网络宽度和深度,防止过拟合的同时提高网络对尺度的适应性.通过输气管道泄漏实验平台模拟工况中常见的阀门泄漏和垫片泄漏,利用短时傅里叶变换进行时频图表征,在此基础上,建立二分类模型和不同泄漏类型的三分类模型.结果表明,相比二分类模型,不同泄漏类型的三分类模型识别准确率有所降低,添加Inception模块可以有效提高三分类模型的性能.
文献关键词：
气体泄漏;卷积神经网络;时频图
中图分类号：
作者姓名：
韩鹏程;燕群;彭涛;宁方立
作者机构：
中国飞机强度研究所 西安 710065;西北工业大学机电学院 西安 710072
文献出处：
引用格式：
[1]韩鹏程;燕群;彭涛;宁方立-.卷积神经网络在气体泄漏超声识别中的应用)[J].应用声学,2022(04):602-609
A类：
B类：
超声识别,气体泄漏检测,泄漏检测方法,超声信号,信号识别,预训练,网络层,层数,卷积核,核数,全连接层,Inception,过拟合,输气管道,管道泄漏,实验平台,模拟工况,阀门泄漏,垫片,短时傅里叶变换,时频图,图表,二分类模型,三分类,模型识别,识别准确率,高三
AB值：
0.33436
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
