基于贝叶斯优化与CBAM-ResNet的乏燃料剪切机故障诊断方法

摘要：

乏燃料剪切机是动力堆乏燃料后处理首端的重要设备,状态监测与故障诊断对于保证乏燃料剪切机的安全运行、避免重大事故、减少其维修时间和费用有着重要的作用.针对目前中国针对乏燃料剪切机的故障诊断研究少、数据获取难度大、故障诊断的准确率低等问题,构建基于贝叶斯优化与卷积块注意力模块(convolutional block attention module,CBAM)的残差神经网络模型.首先在利用双声道差分法对噪声降噪,将其转化为梅尔频谱图并进行数据增强;其次引入CBAM对残差网络进行改进,提高网络的深层次特征提取能力,并利用贝叶斯优化算法训练优化器等超参数,得到最优超参数后重新训练网络模型.最后,通过实验结果显示所构建模型的诊断准确率为93.67%,对比其他方法有显著的提高.

关键词：残差网络、卷积块注意力模块(CBAM)、贝叶斯优化、卷积层、乏燃料剪切机、故障诊断

所属期刊栏目：23

分类号：TL248(核燃料及其生产)

资助基金：湖南省教育厅重点项目;湖南省哲学社会科学规划基金项目

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：12101-12107