简介:溜槽堵塞作为工业生产中的一种常见问题,不仅影响生产效率还可能导致安全隐患,因此实时准确地检测溜槽堵塞状态具有重要意义.然而传统的检测方法在实际应用中存在诸多问题与挑战,如精度不高、依赖人工干预等.文章基于音频信息构建结合了 WaveNet 和 GRU 的WaveGNet深度网络模型,通过提取分析声音信号寻找溜槽堵塞的特征,以实现准确的堵塞检测.WaveNet能够提取高质量的声音信号特征,而GRU网络则能够捕获声音序列中的时间关系.通过将两者融合以更好地理解声音信号,在时间和频率维度上进行更准确的分析,揭示与堵塞状态相关的模式从而提高检测的准确性和鲁棒性.通过声音信息直接捕获堵塞状态,减少了人工干预的需求且具备实时性.该方法有望为工业生产中的溜槽堵塞检测提供一种创新、高效且可靠的解决方案,在实际应用中具有重大潜力.
简介:针对利用传感器采集的管道泄漏信号存在大量异常值,难以准确挖掘其中的泄漏特征值,进而无法准确定位泄漏点的问题,提出了基于IAWF算法和图像数据的煤矿井下供水管道泄漏点定位.根据管道泄漏信号的特点,利用IAWF算法对采集的监测值进行加权融合,采用支持度矩阵计算目标传感器被其他传感器支持的支持度,并将具有最高支持度的传感器测量的数据替代数据集中的异常值,由此提取管道泄漏信号的特征,引入图像数据获取管道图像的显著图,进而确定管道泄漏的范围,基于此,利用压力梯度方法根据管道压力与流量的变化,求取泄漏点与管道入口端的距离,以此确定泄漏点位置.实验结果表明,利用所提方法对管道进行泄漏点定位,得到的定位距离与实际距离一致,定位精度较高.