【技术实现步骤摘要】
基于空洞卷积网络的金属零件疲劳监测方法及系统
本专利技术涉及金属监测
，具体涉及一种基于空洞卷积网络的金属零件疲劳监测方法及系统。
技术介绍
兰博波(Lamb波)是一种弹性波，是由横波和纵波在拥有两个平行表面结构中互相耦合而成的。兰博波在传播的过程中，介质振动位移可分解成两个方向，即沿波传播的方向和垂直于波传播的方向。目前，由于制造零件的金属材料具有夹杂、偏析或缺陷，或由于设计不合理，或由于加工制造的工艺不合理等，经常会使金属零件的某些部位产生应力集中，在反复的应力交变下金属零件会萌生裂缝，随着作用时间延长裂缝逐渐向纵深发展，最终导致金属零件完全断裂。裂缝长度是反映金属疲劳的重要指标。现阶段，机械动力系统如飞机、大型机床中由于包含了重要的金属材料，需要通过对压电信号的分析得到金属裂缝的长度。传统技术方案中，通常是人工设置相关的监测参数，定期传回参数值，并根据经验公式或专家意见去判断是否会发生故障。现有技术方案基于特征提取的方法，其特征提取的效果往往不高，特征提取的方法往往严重依赖专家知识，对于一个新的机...
【技术保护点】
1.基于空洞卷积网络的金属零件疲劳监测方法，其特征在于，包括以下步骤：对金属对象进行无损探测，所述无损探测过程中对所述金属对象的一端施加压电信号并于金属对象的另外一端接收压电信号，所述压电信号在所述金属对象中传播形成具有时间属性和裂缝长度属性的兰博波；/n采用k大小的卷积核和l大小的空洞率对所述兰博波的时间序列信号f进行空洞卷积：/n
【技术特征摘要】
1.基于空洞卷积网络的金属零件疲劳监测方法，其特征在于，包括以下步骤：对金属对象进行无损探测，所述无损探测过程中对所述金属对象的一端施加压电信号并于金属对象的另外一端接收压电信号，所述压电信号在所述金属对象中传播形成具有时间属性和裂缝长度属性的兰博波；
采用k大小的卷积核和l大小的空洞率对所述兰博波的时间序列信号f进行空洞卷积：
其中，τ代表卷积提取时间，t代表通过空洞卷机提取到的特征的维度；
对所述压电信号重采样并进行任务回归获得用于金属零件疲劳监测的神经网络模型；
所述神经网络模型包括：
数据层：用于存储不同疲劳状态下金属零件测量的压电信号；
递归连接层：用于对所述压电信号进行递归神经网络连接；
卷积连接层：用于采用空洞卷积网络对所述压电信号进行特征提取；
池化层：用于对提取的所述压电信号特征进行下采样；
回归层：用于对所述压电信号的特征进行全连接以输出反映所述金属零件疲劳程度的裂缝长度。
2.根据权利要求1所述的基于空洞卷积网络的金属零件疲劳监测方法，其特征在于，所述数据层中，每个所述压电信号以所述时间序列信号f的方式存储：f＝[f1,f2,…,fN]，f1,f2,…,fN代表不同时间点的压电信号。
3.根据权利要求1所述的基于空洞卷积网络的金属零件疲劳监测方法，其特征在于，所述递归连接层中，所述压电信号的每一个时间点具有一个隐含特征h，将所述隐含特征h与时间序列信号f共同输入一个递归映射g得到下一个时间点的隐含特征，即ht+1＝g(ht,ft)。
4.根据权利要求3所述的基于空洞卷积网络的金属零件疲劳监测方法，其特征在于，所述递归映射g采用逻辑斯谛函数或长短记忆单元；
所述回归层中，对反映所述金属零件疲劳程度的裂缝长度进行线性回归，所述全连接指的是每一层神经元F与下一层Fi经过激活函数进行连接：
Fi＝∑Fwi*F
其中wi为激活函数的系数；
所述池化层中，对已有特征hj的区间提取最大池化，即对以s步长大小的区域内的提取最大值输入下一层特征hi：
5.基于空洞卷积网络的金属零件疲劳监测系统，其特征在于，包括：
兰博波获取单元，用于对金属对象进行无损探测，所述无损探测过程中对所述金属对象的一端施加压电信号并于金属对象的另外一端接收压电信号，所述压电信号在所述金属对象中传播形成具有时间属性和裂缝长度属...
【专利技术属性】
技术研发人员：胡文波，高嘉欣，陈云天，田天，
申请(专利权)人：北京瑞莱智慧科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。