基于DBN和LSSVM的管道气体压力检测方法研究

针对当前管道气体压力无损检测困难的问题,结合超声波反射测压原理,提出了深度置信网络(DBN)提取超声回波幅值特征的最小二乘法支持向量机(LSSVM)管道气体压力检测方法.首先,通过DBN网络中的受限玻尔兹曼机(RBM)无监督逐层学习提取特征;其次,通过标签层进行有监督的误差反向传播调节优化DBN各层RBM参数;最后,将优化后DBN网络提取到的特征信号输入训练好的LSSVM完成气体压力的识别.设计相关实验得到超声波数据进行模型测试,结果表明,DBN-LSSVM压力识别模型的压力识别平均相对误差为0.635 7％,低于DBN-BP模型的平均相对误差(1.802 6％),能够较好地完成对管道气体的压力检测工作.