典型文献
深度残差收缩网络的含噪微泄漏超声识别方法
文献摘要：
在利用声学信号进行泄漏检测时,复杂的背景噪声往往会淹没微弱的泄漏信号,导致误判率高.针对微小泄漏在含噪环境中识别困难的问题,提出了基于深度残差收缩网络的含噪微泄漏识别方法.在提出的方法中,添加不同强度高斯噪声,建立数据集,使用深度残差收缩网络进行训练,验证深度残差收缩网络对不同泄漏强度、不同噪声含量样本识别的有效性.实验结果表明:深度残差收缩网络对于微弱泄漏可以达到较理想的识别率,即使在高度杂糅数据识别时仍能达到较理想的识别效果,而且噪声含量并不会对深度残差收缩网络迭代次数产生明显的影响.将提出的方法与卷积神经网络识别方法对比,深度残差收缩网络具有明显的优势.
文献关键词：
气体管道;泄漏检测;深度残差收缩网络;声波
中图分类号：
作者姓名：
孟庆旭;沈功田;俞跃;胡斌;王宝轩;李志农
作者机构：
南昌航空大学测试与光电工程学院 南昌 330036;中国特种设备检测研究院 北京 100029
文献出处：
引用格式：
[1]孟庆旭;沈功田;俞跃;胡斌;王宝轩;李志农-.深度残差收缩网络的含噪微泄漏超声识别方法)[J].应用声学,2022(06):964-972
A类：
B类：
深度残差收缩网络,超声识别,声学,泄漏检测,背景噪声,淹没,微弱,泄漏信号,误判率,泄漏识别,不同强度,强度高,高斯噪声,使用深度,较理想,识别率,杂糅,数据识别,迭代次数,识别方法对比,气体管道
AB值：
0.252355
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。
