基于声发射信号的压力容器异常检测模型

来源：计算机测量与控制杂志2025年第11期北京时间：

作者：谢遵强,陈双叶,刘明珠

单位：山东华鲁制药有限公司

摘要：随着工业设备安全要求的提高，压力容器的监测和异常检测日渐重要；针对这个问题，采用基于卷积神经网络和长短期记忆网络的深度学习方法对压力容器声发射信号进行了监测和异常检测分析，解决传统方法在复杂信号处理中的不足；通过CNN提取信号的局部空间特征，结合LSTM捕捉时间序列的短期和长期依赖性，实现对原始时域信号的重建；通过计算重建信号与输入信号之间的误差判断异常信号的存在；实验测试表明，该方法能够显著提高异常检测的精度和鲁棒性，在检测压力容器泄漏时准确率达到93.58%；与现有的AE、VAE及其他基于深度学习的自编码器方法相比，提出的方法在捕捉复杂时间序列信号的特征上更具优势；此外，该方法显著减少了误报和漏报现象；为压力容器的安全监控提供了可靠保障；满足了工业工程应用中的实际需求；具有重要的工程应用价值。

关键词：声发射;工业安全;异常检测;深度学习;自编码器