基于卷积注意力机制的阀门内漏声发射识别方法

来源：振动与冲击杂志2024年第9期北京时间：

作者：黄鑫，屈文忠，肖黎

单位：武汉大学工程力学系，武汉430072

摘要：阀门结构作为核电厂的关键设备部件之一，因长期处于高温高压环境下，其闸板或阀瓣易发生热变形或磨损导致密封不良，进而引发内漏事故。实时在线识别阀门的内漏状态，对提升核电机组热效率、提高阀门可靠性具有重要意义。因实际工业现场的基底噪声极易掩盖阀门内漏的声发射信号，进而造成阀门内漏状态的误判。为实现阀门内漏状态的快速准确识别，搭建了阀门内漏检测试验台架，开发了基于声发射方法的阀门内漏监检测分析系统，将卷积注意力机制引入卷积神经网络中，实现高效快速地识别阀门内漏状态。结果表明：基于阀门内漏的声发射信号频域数据，利用卷积注意力机制神经网络能有效准确地识别阀门内漏状态，在内漏率为26L/h时，识别准确率高达98%，并且具有较好的可靠性和鲁棒性。

关键词：阀门结构；内漏；声发射；卷积注意力模块；卷积神经网络