中国安全科学学报

作者：廖春燕, 梁伟, 刘双磊, 黄天长

单位：1 中国石油大学(北京) 安全与海洋工程学院,北京 102249；2 应急管理部 油气生产安全与应急技术重点实验室,北京 102249

关键词：Welch功率谱,多尺度残差网络,油气管道,弯管缺陷,高噪声,智能诊断

为解决油气管道弯管检测信号受噪声污染导致缺陷分类准确率下降的问题,提出一种基于Welch功率谱特征增强和多头注意力改进型双分支多尺度-残差协同网络的油气弯管缺陷诊断模型。首先,利用基于汉明窗的Welch方法将采集到的时域信号转换为特征增强的功率谱,展示缺陷信号在不同频率处能量的分布情况;然后,并行堆叠的卷积层构成的多尺度网络分支负责提取信号功率谱的多维度特征,并利用多头注意力机制建立特征之间长期的关联,同时,残差网络分支捕捉信号功率谱的细节信息;最后,深度串联层融合双分支网络提取的特征,以实现缺陷分类。结果表明:在高噪声环境下,该模型的测试准确率为91.6%,相比于基于凯塞窗和平顶窗的模型,分类准确率提高1%~7.9%;相比于卷积神经网络(CNN)和长短时记忆网络(LSTM),准确率分别提高36.9%和10.3%。

来源：2026年第2期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2026年第2期