采用门控循环神经网络的核工业管道损伤识别方法

来源：振动与冲击杂志2024年第24期北京时间：

作者：蒋琪，张望，屈文忠，肖黎

单位：1.武汉大学工程力学系，武汉430072；2.天津航天瑞莱科技有限公司(武汉分部)，武汉430056

摘要：超声导波检测技术具有效率高、成本低、检测方便等优点，广泛应用于管道的损伤检测。但超声导波在管道中的传播以及压电传感器灵敏度受温度和压力载荷等环境及工况的影响，严重干扰了损伤信息的提取和识别。由此，本文提出了一种基于粒子群优化-双向门控循环单元-注意力机制模型的机器学习的导波管道损伤识别方法。此模型通过在原始超声导波数据与管道状态之间建立映射关系，并加强特征提取层对损伤特征的识别能力，有效避免环境干扰并准确识别出真实的损伤信号。以某核工业循环水冷却管道试验台架为实验对象，进行温度压力变化工况下的管道损伤识别实验，通过实验和理论分析验证了该模型能有效实现管道损伤识别，且识别准确率优于门控循环网络、长短时记忆、双向门控循环网络等其它数据驱动模型，证实了本文所提方法的有效性和优越性。<br>

关键词：核工业管道；损伤识别；粒子群优化；双向门控循环单元；注意力机制