《电子测量技术杂志》发表论文赏析

南部沿海炼化装置腐蚀速率TL-BiLSTM-Attention智能预测

来源:电子测量技术杂志2026年第9期北京时间:

作者:黄琛淏,刘桂雄,林壮敦,袁武飞,吴海泓

单位:1.华南理工大学机械与汽车工程学院 广州 510640; 2.广东省特种设备检测研究院揭阳检测院 揭阳 522031; 3.广东省特种设备检测研究院惠州检测院 惠州 516003

摘要:中国南部沿海炼化装置服役环境复杂、多源环境因素耦合显著,金属设备在长期服役中易产生加速腐蚀,亟需构建高精度预测模型以辅助设备健康管理。针对炼化装置腐蚀数据样本有限(目标域样本量N=12)问题,本文提出一种结合迁移学习的TL-BiLSTM-Attention大气腐蚀速率预测方法。首先基于MICAT公共腐蚀数据集构建源域数据集,随后通过正交实验优化 BiLSTM-Attention 网络超参数,提高预训练模型性能,最后将最优预训练模型迁移至炼化装置本地腐蚀数据,通过不同冻结层策略实现微调。实验表明,BiLSTM-Attention 模型在源域预测中相比LSTM、BiLSTM具有更高拟合能力与更低误差;TL-BiLSTM-Attention能够有效提升炼化装置中Q235、304、316L、5A06 等材料的大气腐蚀速率预测精度,不同金属需采用差异化冻结策略以获得最佳结果。研究验证 TL-BiLSTM-Attention 方法在少样本条件下预测有效性、工程适用性,可为炼化装置腐蚀评估提供数据驱动的预测工具。

关键词:腐蚀速率预测;迁移学习;少样本;BiLSTM-Attention

基金资助:2024年揭阳市社会发展领域科技计划项目(SHFZ2024020)资助

2026年9期其他文献查阅:

基于贝叶斯优化模糊PID的控温四探针系统设计

基于运动状态识别的车辆磁干扰补偿方法研究

MEA-YOLO:基于多尺度边缘增强与注意力融合的钢材缺陷检测

面向燃气轮机旋转件参数测试的双频遥测天线设计与验证

装备试验能力战斗力生成贡献度评价方法研究

面向重症监护室患者的无线体征监测系统设计

基于结构感知与动态融合机制的步态识别研究

旋转式可刷新盲文显示装置的设计与评估

南部沿海炼化装置腐蚀速率TL-BiLSTM-Attention智能预测

RDSM-YOLO轻量级夜间车辆检测模型

密集障碍物环境下改进A*-DWA融合导航算法研究

改进YOLOv11n的水面垃圾检测算法

基于高分辨率特征引导学习的小目标检测方法

基于轨迹融合与背景映射的非侵入式负荷监测方法

基于Mamba自注意力和多模态融合的DVT风险预测

基于WPD-UKF的MMC高频振荡检测方法

一维稀疏拓扑阵列雷达三维成像算法研究

多尺度门控融合的图像篡改拼接检测算法

基于监督反馈和Transformer的目标跟踪算法

基于STDD-YOLO的输电线路小目标缺陷检测

小目标车辆及行人轻量化检测算法改进:DSWR-YOLO

基于Prewitt-Franklin矩的亚像素边缘检测方法

基于MSBRAU-Net++的多尺度息肉分割方法

基于YOLOv11n改进的小目标航拍检测算法

基于特征域最近邻搜索和拼接的动态点云压缩算法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!