中国安全科学学报

作者：王新颖, 杨阳, 田豪杰, 陈俨, 张敏

单位：1 常州大学 安全科学与工程学院,江苏 常州 213164；2 中国安全生产科学研究院 交通安全研究所,北京 100012；3 中国石油化工股份有限公司 华东油气分公司泰州采油厂,江苏 泰州 225300

关键词：交叉注意力,多源数据融合,气体泄漏检测,卷积神经网络(CNN),双向门控循环单元(BiGRU)

基金：常州市国际科技合作项目(CZ20210026)

为解决单一传感器在管道气体泄漏检测时容易出现误报、漏报的问题,及时预警并反馈泄漏状况,提出一种基于交叉注意力的多源数据融合管道泄漏检测方法。首先,利用预训练的ShuffleNetV2模型提取热像仪数据的空间特征;然后,结合一维卷积神经网络(1DCNN)和双向门控循环单元(BiGRU),构建1DCNN-BiGRU模型,以提取气体传感器数据的时序特征;最后,运用交叉注意力捕获数据的时空关联性得到2个数据源的特征表示,通过残差方式进行特征连接后输入到分类层中,得到识别结果。结果表明:所构建的多源数据融合模型(SCGA)对气体识别准确率为99.22%,损失值在0~0.04内波动;与仅使用气体传感器数据的支持向量机(SVM)、1DCNN、BiGRU模型相比,准确率至少提升4.12%;与仅使用热图像传感器数据的MobileNetV3、ShuffleNetV2、ResNet18模型相比,准确率至少提升1.14%;与将时序特征和空间特征直接拼接的多源数据融合模型(SCG)相比,准确率提升1%。SCGA模型对气体识别具有较高精度。

来源：2024年第7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2024年第7期