Page 125 - 《应用声学》2022年第6期

第 41 卷 第 6 期 孟庆旭等： 深度残差收缩网络的含噪微泄漏超声识别方法 971

0.20
0.18 0.2 MPa෺໤ (௄໚ฉ)
0.16
ࣱکҪဋϙ/W 0.12
ဗܒ٪ܦ
0.14
0.10
0.08
0.06
0.04
0.02
0 10 20 30 40 50
฾ត൓஝
(a) ௄໚ฉࠫඋ
0.012
0.011 0.2 MPa෺໤ (5ࡏ࠵ฉ)
ࣱکҪဋϙ/W 0.009
0.010
ဗܒ٪ܦ
0.008
0.007
0.006
0.005
0.004
0 10 20 30 40 50
฾ត൓஝
(b) 5ࡏ໚ฉࠫඋ
0.010 0.2 MPa෺໤ (10ࡏ࠵ฉ)
ࣱکҪဋϙ/W 0.006 ဗܒ٪ܦ
0.008
0.004
0.002
0
0 10 20 30 40 50
฾ត൓஝
(c) 10ࡏ໚ฉࠫඋ
图 10 微小泄漏与无泄漏平均能量对比
Fig. 10 Comparison of average energy between small leakage and no leakage

0.45 的噪声源，通过调节风机强度制造不同噪声。利用
100
0.40
传声器对含噪环境中的微泄漏进行采集，并以此
0.35
90 作为样本对模型进行训练与测试，经过计算得到不
юᆸဋ
0.30 同泄漏强度的含噪信号的平均峰值信噪比均小于
SNR20
юᆸဋ/% 80 SNR40 0.25 ૯ܿѦ஝ 50 dB。通过训练获得验证模型，并利用新采集实
SNR60
0.20
૯ܿѦ஝
70
SNR20 0.15 际数据作为样本进行模型测试，测试结果如图 12
SNR40
60 SNR60
0.10
所示。
0.05
50
௄٪ನవ 205 ե٪ನవ
0
0 1 2 3 4 5 6 7 8 9 10 11
3 ᄾࠄϙ
ᤖ̽൓஝
ᮕ฾ϙ
图 11 不同噪声含量下 DRSN 训练过程
2
Fig. 11 DRSN training process under different
noise contents ዝѿ
1
加入了软阈值化函数和注意力机制，使网络在训练
过程中能够自适应设置阈值，对于噪声的处理过滤 0
能力更强，对小信号的识别准确率更高。 0 100 200 300 400 500 600
ನవ஝
2.2.3 风机噪声模拟验证
图 12 风机模拟测试结果对比
排风系统是化工运输密闭场所内最常见的安 Fig. 12 Comparison of wind turbine simulation
全设施，因此在实际验证中，将选取风机作为主要 test results