文献类型：期刊文章

作　　者：利节[1] 高铮[1] 陆猛[1] 李莉[1] 夏煦坤[1]

机构地区：[1]重庆科技学院电气与信息工程学院,重庆401331

出　　处：《重庆科技学院学报（自然科学版）》

基　　金：重庆市教委科学技术研究项目"基于深度学习的加气站管道微泄漏检测方法研究"(KJ1501305);重庆科技学院校内科研基金"天然气管道输送安全事故的预测模型"(CK2015B17)

年　　份：2016

卷　　号：18

期　　号：5

起止页码：66-70

语　　种：中文

收录情况：CAS、普通刊

摘　　要：建立了基于声音信号的深度神经网络模型,用于解决半导体制造业气体输送管道的微泄漏检测问题;设计了一种声音信号的预处理方法,用于去噪和特征提取,将预处理后的声音信号作为模型输入,该模型由7层神经元构成,通过对声音信号的训练和学习,获得管道微泄漏的概率。大量仿真实验结果表明,与半导体企业现采用的流量和压力传感器检测方法相比,该模型能更精确、更快速地实现管道微泄漏检测;与常规神经网络相比,该模型能更有效且稳定地进行检测。

关 键 词：微泄漏  半导体 声音信号 神经网络

分 类 号：TP183]