基于声发射技术的海上管道阀门泄漏检测方法,旨在提升工艺安全水平
《Sensors》:Acoustic Emission-Based Offshore Pipeline Valve Leakage Detection Toward Enhanced Process Safety
【字体:
大
中
小
】
时间:2026年07月14日
来源:Sensors 4.0
摘要
海上油气管道的阀门泄漏是一种严重的故障模式,会威胁到运营安全、生态完整性以及生产经济效益,因此亟需具备精确性、实时性和强大稳定性的故障诊断系统。声发射技术能够捕捉到由泄漏产生的瞬态声学信号,从而实现无损的在线监测,而深度学习则可通过自动提取信号特征来支持智能分析。然而,传统的基于声发射的泄漏诊断方法高度依赖人工特征工程和固定的信号处理规则。现有的基于声发射的深度学习方法难以同时实现高检测精度、低推理延迟以及强大的抗干扰能力,这限制了其在海上平台上的实际应用。为解决这些问题,本文提出了一种无需参数的星形注意力融合网络(SAFNet),利用声发射信号实现轻量级的阀门泄漏定位。该网络以时间金字塔编码器(TPE)和渐进式轻量级星形注意力(PLSA)模块为核心,整合了双双线性星形映射(DBSM)、能量驱动特征优化器(EDFR)以及多尺度门控注意力融合(MS-GAF)模块。这种架构能够实现高效的多尺度时间特征提取、无需参数的非线性特征增强、抗干扰的特征处理以及自适应的层次化特征融合。所提出的方法适用于在压力变化较大且存在复杂海洋噪声环境下的海上油气管道阀门泄漏诊断。研究团队利用实验室控制的泄漏信号与从荔湾3-1海上平台采集的真实海洋背景噪声相结合构建数据集,并进行了全面实验。实验结果表明,SAFNet能够同时实现高检测精度、较小的模型尺寸以及低推理延迟。具体而言,在2 MPa至5 MPa的管道压力范围内,该网络的检测精度始终保持在95%以上,且在极端强噪声环境下也能保持优异的稳定性。消融实验进一步验证了各核心模块带来的协同性能提升。该网络为在模拟的海洋声学环境中实现阀门泄漏定位提供了高效的轻量级解决方案,有助于推动海上管道系统智能监测技术的发展,进而全面提升海上运营安全性和海洋生态保护能力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号