[发明专利]基于LSTM-CNN的核电站蒸发器涡流信号类型识别方法

权利要求书

1.一种基于LSTM-CNN的核电站蒸发器涡流信号类型识别方法，其特征在于，其包括以下步骤：

A.采集核电站蒸发器传热管涡流数据；

B.对采集到的核电站蒸发器传热管涡流数据进行标定处理，建立评价基准，蒸发器传热管涡流数据包含N个通道，每个通道的数据包含水平分量以及垂直分量，将t时刻的涡流数据表示为（ch_1x,ch_1y,ch_2x,ch_2y,…ch_Nx,ch_Ny）；

C.利用标定后的数据构建基于时间窗口的时间序列，时间窗口长度参数为M个采样点，该时间窗口的数据表示为[t₁,t₂,…，t_M]；

D.对步骤C中的时间序列数据做差分处理，即每个通道的当前时刻数据与上一时刻的每个通道数据各自做差，表示为[t₂-t₁, t₃-t₂,…，t_M-T_M-1]，即δt₁, δt₂,…，δt_M-1 ；

E. LSTM网络的输入时间序列δt₁, δt₂,…，δt_M-1 ，利用LSTM网络提取到时间序列特征信息；CNN网络的输入时间序列δt₁, δt₂,…，δt_M-1 ，CNN网络由L个卷积层、和L个最大池化层、以及全连接层构成；融合LSTM网络与CNN网络的输出，利用三元组损失函数原理优化网络参数，实现输入信号以向量形式表征；

F.利用步骤E构建缺陷信号特征数据库，并以所述向量形式表征，计算输入信号的向量特征与数据库内所有缺陷向量特征间的欧氏距离，逐一比较所有缺陷欧氏距离大小确定信号所属类别，最终实现涡流信号分类；

所述LSTM网络采用单层单向架构，由多个LSTM单元组成，每个所述LSTM单元内包含遗忘门、输入门以及输出门；

所述LSTM单元持续更新和记忆前期时间序列的信息，保留有效信息以及遗忘无用信息。

2.根据权利要求1所述的基于LSTM-CNN的核电站蒸发器涡流信号类型识别方法，其特征在于：在所述数据中加入正态分布高斯噪声扩展数据样本的数量。

3.根据权利要求2所述的基于LSTM-CNN的核电站蒸发器涡流信号类型识别方法，其特征在于：所述高斯噪声扩展数据为历史样本数量的5%-30%。