论文部分内容阅读
锅炉四管泄漏是电厂频发的安全事故之一,目前国内主流的锅炉泄漏监测方法为空气声监测方法,该方法在空气声传感器安装位置选择、信号覆盖范围、泄漏信号与锅炉背景噪声的重叠处理等方面存在问题。为此,提出了基于深度学习和声发射原理的锅炉四管泄漏监测技术,并提出了一种新的声发射信号状态识别模型Scat-GANomaly。实验证明,该模型对声发射信号的识别率在90%以上,完全可以满足电厂对锅炉泄漏监测的实际需求。