TensorFlow在燃气管道闸阀泄漏诊断中的应用*

黄旭安 王新颖 林振源 胡磊磊 刘岚

(常州大学环境与安全工程学院 江苏常州 213164)

0 引言

阀门作用是控制管道内流体的流动，保障管路设备的正常运行。虽然阀门泄漏事故只占管道泄漏事故的8%～15%，但是经阀门泄漏的流量会占到总泄漏流量的50%。因此，在不停止阀门运行的前提下对阀门故障程度进行有效的判断，有利于减轻为检测泄漏故障所耗费的人力、物力、财力，提高整体工作效率，避免重大安全事故的发生。

目前国内外有多种方法使用神经网络来诊断阀门的故障。如利用人工神经网络分析核电站的止回阀位置并进行诊断；采取一种简化模型计算数据与故障模型之间差异程度,识别出阀门的故障种类。以上几种管道阀门泄漏模式识别方法与传统人工检测方法相比，故障识别准确率得到提升。但在实际应用过程中，针对闸阀内漏没有较好的诊断方法，人工神经网络学习收敛速度较慢、模型搭建复杂、识别准确率与深度学习神经网络相比略有不足。

为解决上述问题，通过搭建闸阀故障模拟平台，采集闸阀在不同工况下的声发射数据，在TensorFlow的基础上构建卷积神经网络模型，并在此基础上使用Python语言建立闸阀故障诊断模型，并且通过设置不同的隐藏层数量比较不同模型的准确率，验证基于TensorFlow构建的闸阀故障诊断模型的优越性能。

1 深度学习神经网络

深度学习神经网络(DLNN)是机器学习的神经网络,它所具有的隐含层数量一般在2个以上，它可以快速地提取参数特征并转换其中的参数特征值，从而充分开发了机器自动学习的能力以及数据的本质属性，提高故障辨识的准确性[1]。……