电子测量技术

作者：张俊红，曲鹤，潘惊涛，杨松，李凌宇

单位：1.北京建筑大学智能科学与技术学院 北京 102616;2.北京自由博创科技发展有限公司 北京 100083

关键词：管道螺旋焊缝;深度学习;优化检测模型;识别与定位

基金：教育部人文社会科学规划基金（22YJA630111）、建筑大数据智能处理方法研究北京市重点实验室和北京建筑大学硕士生创新项目（PG2025110）资助

针对复杂工况下管道螺旋焊缝检测数据中时间和空间特征提取不能兼顾和模型参数优化效率低的问题，提出一种基于深度学习的动态复合优化检测模型。通过传感器采集管道的超声导波信号，利用卷积神经网络提取空间特征和长短期记忆网络对时间序列数据进行处理。采用鲸鱼优化算法对时空融合模型的卷积层滤波器数量、LSTM层的单元数量、学习率和Dropout率四个关键超参数进行优化，提高模型的鲁棒性。基于高噪声、低噪声和正常数据集上进行对比试验，结果表明,所提检测模型在不同工况下的准确率分别达到了98.88%、99.7%和100%，均方误差分别降至0.195 5、0.177和0.095。验证了其在高噪声、多干扰复杂环境下的检测性能优势，为基于超声波的螺旋焊缝管道检测提供理论依据。

来源：2026年第2期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第2期