基于多尺度加权形态网络的燃气流量计健康状态评估

燃气流量计是天然气贸易计量的重要仪器,而其健康状态的改变会造成计量偏差。为了减少燃气企业的经济损失,本文提出了一种基于多模态数据扩充、形态学特征学习和多尺度自适应加权形态学网络的燃气流量计健康状态评估方法。首先,采用基于Wasserstein距离和谱归一化的ACGAN算法进行数据扩充。其次,针对燃气流量计振动信号数据的复杂性和噪声影响,提出了一种基于平均帽变换的形态学方法提取信号的正负脉冲信息。最后,针对非平稳、变工况的工业条件,引入多尺度自适应加权形态学网络,采用具有不同结构元素尺度的多个分量来分别提取脉冲信息,并利用自适应加权融合来增强提供强脉冲分量的尺度。通过实验结果表明,所提出的方法对燃气流量计健康状态评估的准确度超过94%。该方法对实际燃气贸易计量有重要的应用价值。