以压力容器气体泄漏展开研究,提出了一种融合黄金正弦的减法平均优化器(subtraction-average-based optimizer with golden sine,GSABO)、优化变分模态分解(variational mode decomposition,VMD)和卷积神经网络(convolutional neural ne...以压力容器气体泄漏展开研究,提出了一种融合黄金正弦的减法平均优化器(subtraction-average-based optimizer with golden sine,GSABO)、优化变分模态分解(variational mode decomposition,VMD)和卷积神经网络(convolutional neural network,CNN)与支持向量机(support vector machine,SVM)联合分类检测的方法。首先,引入了融合黄金正弦的减法平均优化器对变分模态分解的参数模态个数K和惩罚参数α进行寻优,将最小包络熵为适应度函数得到最佳的K和惩罚参数α,计算最佳IMF分量的9种时域指标构建特征向量,输入CNN-SVM联合的分类方法进行特征提取并对气体泄漏情况进行识别。经实验分析,提出的引入融合黄金正弦的减法平均优化器优化后的VMD方法能够有效地自适应获取最优参数组,然后对压力容器气体泄漏声波信号进行特征提取,选取最优的特征组合输入CNNSVM联合分类检测,得到泄漏与否判别准确率高达99.16%,有助于对后续研究进一步开展。展开更多
