首页|期刊导航|机电工程技术|基于SSA-CNN-CBAM的超声气固两相流浓度信息识别

基于SSA-CNN-CBAM的超声气固两相流浓度信息识别OA

Ultrasonic Gas-solid Two-phase Flow Concentration Information Identification Based on SSA-CNN-CBAM

中文摘要英文摘要

气力运输在某些工业生产流程中一直是重要的一环,对于金属管道内的气固两相流流量的精确实时检测随着工业环境对检测技术要求的不断提高一直是一大挑战.针对该问题提出了一种结合麻雀优化算法(SSA)、卷积神经网络(CNN)、注意力模块(CBAM)的混合模型,用于识别气固两相流浓度.利用SSA对CNN-CBAM模型的参数完成寻优,构建SSA-CNN-CBAM混合模型进行超声后向散射波形识别,得到对浓度的分类结果.通过反复实验,将混合模型实验结果与SSA-CN…查看全部>>

Pneumatic transportation has always been an important part of some industrial production processes,and the accurate and real-time detection of gas-solid two-phase flow in metal pipelines has always been a major challenge with the continuous improvement of detection technology requirements in industrial environments.To solve this problem,a hybrid model is proposed combining Sparrow Optimization Algorithm(SSA),Convolutional Neural Network(CNN)and Attention Mod…查看全部>>

张芮铭;侯怀书

上海应用技术大学机械工程学院,上海 201418上海应用技术大学机械工程学院,上海 201418

计算机与自动化

超声后向散射气固两相流浓度麻雀优化算法卷积神经网络注意力模块

ultrasonic backscatteringgas-solid two-phase flowconcentrationsparrow optimization algorithmconvolutional neural networkattention module

《机电工程技术》 2024 (7)

119-125,7

10.3969/j.issn.1009-9492.2024.07.024

评论

您当前未登录!去登录点击加载更多...