一种单微裂纹定量识别方法技术

本发明专利技术提供一种单微裂纹定量识别方法，属于裂纹识别技术领域，该方法包括获取第一样本集，第一样本集包括对应不同单微裂纹模型的一维数据和单微裂纹尺寸类别；一维数据通过对单微裂纹模型的一个阵元通道的原始信号处理得到；阵元通道的原始信号通过对单微裂纹模型超声波作用生成；以一维数据作为输入，尺寸类别作为输出，对一维神经网络训练，得到第一网络模型；获取待测的单微裂纹模型的一维待测数据；一维待测数据通过对待测的单微裂纹模型的一个阵元通道的原始信号处理得到；将一维待测数据输入至第一网络模型中，得到待测的单微裂纹模型的单微裂纹尺寸类别。该发明专利技术通过深度学习与非线性超声无损检测技术的结合实现对单微裂纹的定量识别。微裂纹的定量识别。微裂纹的定量识别。

【技术实现步骤摘要】
一种单微裂纹定量识别方法


[0001]本专利技术涉及裂纹识别
，具体涉及一种单微裂纹定量识别方法。

技术介绍

[0002]近年来，材料的结构类缺陷引发的安全问题备受关注，材料在制造和使用过程中都会产生各类结构缺陷，其中以裂纹最为危险，金属结构的初始裂纹尺寸很小，且在不受载荷下倾向于闭合，但服役过程中裂纹不断扩展导致材料力学性能骤降，此外，裂纹角度也会影响裂纹传播数量和扩展速率。
[0003]现有技术中，对材料的无损检测多使用线性超声技术对材料缺陷进行定性检测，检测材料的缺陷类别，例如诊断材料是否存在裂纹，也有基于裂纹图像和宏观裂纹进行定量研究，但基于裂纹数据和微观裂纹的定量识别领域鲜有研究，这极大地限制了无损检测的发展。

技术实现思路

[0004]鉴于现有技术中的上述缺陷或不足，本专利技术旨在提供一种单微裂纹定量识别方法，包括以下步骤：获取第一样本集；所述第一样本集包括对应不同单微裂纹模型的一维数据和单微裂纹尺寸类别；所述一维数据通过对单微裂纹模型的一个阵元通道的原始信号处理得到；所述阵元通道的原始信号通过对所述单微裂纹模型进行超声波作用后生成；以所述一维数据作为一维神经网络的输入，以所述尺寸类别作为所述一维神经网络的输出，对所述一维神经网络进行训练，得到第一网络模型；获取待测的单微裂纹模型的一维待测数据；所述一维待测数据通过对所述待测的单微裂纹模型的一个阵元通道的原始信号处理得到；将所述一维待测数据输入至所述第一网络模型中，得到所述待测的单微裂纹模型的单微裂纹尺寸类别。
[0005]根据本专利技术提供的技术方案，还包括以下步骤：获取第二样本集；所述第二样本集包括对应不同单微裂纹模型的二维数据和单微裂纹角度类别；所述二维数据通过对单微裂纹模型的所有阵元通道的原始信号处理，再将处理后的所有阵元通道的信号并联融合得到；以所述二维数据作为二维神经网络的输入，以所述角度类别作为所述二维神经网络的输出，对所述二维神经网络进行训练，得到第二网络模型；获取待测的单微裂纹模型的二维待测数据，所述二维待测数据通过对所述待测的单微裂纹模型的所有阵元通道的原始信号处理，再将处理后的所有阵元通道的信号并联融合得到；将所述二维待测数据输入至所述第二网络模型中，得到所述待测的单微裂纹模型的单微裂纹角度类别。
[0006]根据本专利技术提供的技术方案，所述一维数据通过对单微裂纹模型的一个阵元通道的原始信号处理得到，包括以下步骤：选取所述单微裂纹模型的一个阵元通道作为目标阵元通道，不同单微裂纹模型所选取的目标阵元通道的位置相同；对所述目标阵元通道的原始信号进行低通滤波和带通滤波，至少得到三倍频时域信号；将所述三倍频时域信号作为所述单微裂纹模型的所述一维数据。
[0007]根据本专利技术提供的技术方案，所述二维数据通过对单微裂纹模型的所有阵元通道的原始信号处理，将所述单微裂纹模型处理后所有阵元通道的信号并联融合得到，包括以下步骤：对所有阵元通道的所述原始信号进行低通滤波和带通滤波，至少得到零频时域信号；将所有阵元通道的所有所述零频时域信号并联融合作为所述单微裂纹模型的二维数据。
[0008]根据本专利技术提供的技术方案，所述单微裂纹尺寸类别的获取，包括以下步骤：各所述单微裂纹模型的单微裂纹尺寸组成第一尺寸区间，所述第一尺寸区间内的任意相邻两个尺寸差值相同；基于所述第一尺寸区间，每间隔第一预设阈值划分一个所述单微裂纹尺寸类别。
[0009]根据本专利技术提供的技术方案，所述单微裂纹角度类别的获取，包括以下步骤：各所述单微裂纹模型的单微裂纹角度组成第一角度区间，所述第一角度区间内的任意相邻两个角度差值相同；基于所述第一角度区间，每间隔第二预设阈值划分一个所述单微裂纹角度类别。
[0010]根据本专利技术提供的技术方案，所述一维神经网络至少包括：一维神经网络第一结构，所述一维神经网络第一结构包括第一卷积层、第一激活函数层、第一池化层；一维神经网络第二结构，所述一维神经网络第二结构包括第二卷积层、第二激活函数层、第二池化层及第一Dropout层；一维神经网络第三结构，所述一维神经网络第三结构包括第一压平层及第二Dropout层；一维神经网络第四结构，所述一维神经网络第四结构包括第一全连接层、第一激活层、第三Dropout层和第一输出层。
[0011]根据本专利技术提供的技术方案，所述二维神经网络至少包括：二维神经网络第一结构，所述二维神经网络第一结构包括第三卷积层、第三激活函数层、第三池化层；二维神经网络第二结构，所述二维神经网络第二结构包括第四卷积层、第四激活函数层、第四池化层；二维神经网络第三结构，所述二维神经网络第三结构包括第五卷积层、第六卷积层、第五激活函数层和第五池化层；二维神经网络第四结构，所述二维神经网络第四结构包括第二压平层及第四
Dropout层；二维神经网络第五结构，所述二维神经网络第五结构包括第二全连接层、第二激活层、第五Dropout层和第二输出层。
[0012]根据本专利技术提供的技术方案，所述第一卷积层、所述第二卷积层、所述第三卷积层、所述第四卷积层、所述第五卷积层、所述第六卷积层、所述第一全连接层、所述第二全连接层后均连接激活函数ReLU。
[0013]根据本专利技术提供的技术方案，所述第一Dropout层、所述第二Dropout层、所述第三Dropout层、所述第四Dropout层、所述第五Dropout层设置随机丢弃神经元的比例为20%。
[0014]综上所述，本专利技术提出一种单微裂纹定量识别方法，该方法包括以下步骤获取第一样本集，第一样本集包括对应不同单微裂纹模型的一维数据和单微裂纹尺寸类别；一维数据通过对单微裂纹模型的一个阵元通道的原始信号处理得到；阵元通道的原始信号通过对单微裂纹模型进行超声波作用后生成；以一维数据作为一维神经网络的输入，以尺寸类别作为一维神经网络的输出，对一维神经网络进行训练，得到第一网络模型；获取待测的单微裂纹模型的一维待测数据；一维待测数据通过对待测的单微裂纹模型的一个阵元通道的原始信号处理得到；将一维待测数据输入至第一网络模型中，得到待测的单微裂纹模型的单微裂纹尺寸类别。该专利技术通过深度学习与非线性超声无损检测技术的结合，基于数据实现对单微裂纹的尺寸定量识别，便于预判单微裂纹对材料损伤的大小，有助于确定材料的使用寿命及强度等的性能好坏。
附图说明
[0015]图1为本专利技术提供的一种单微裂纹定量识别方法的步骤流程图。
具体实施方式
[0016]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与专利技术相关的部分。
[0017]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。
[0018]诚如
技术介绍
中提到的，针对现有技术中的问题，本专利技术提出了一种单微裂纹定量识别方法，请参考图1所示，包括以下步骤：S100.获取第一样本集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种单微裂纹定量识别方法，其特征在于，包括以下步骤：获取第一样本集；所述第一样本集包括对应不同单微裂纹模型的一维数据和单微裂纹尺寸类别；所述一维数据通过对单微裂纹模型的一个阵元通道的原始信号处理得到；所述阵元通道的原始信号通过对所述单微裂纹模型进行超声波作用后生成；以所述一维数据作为一维神经网络的输入，以所述尺寸类别作为所述一维神经网络的输出，对所述一维神经网络进行训练，得到第一网络模型；获取待测的单微裂纹模型的一维待测数据；所述一维待测数据通过对所述待测的单微裂纹模型的一个阵元通道的原始信号处理得到；将所述一维待测数据输入至所述第一网络模型中，得到所述待测的单微裂纹模型的单微裂纹尺寸类别。2.根据权利要求1所述的单微裂纹定量识别方法，其特征在于，还包括以下步骤：获取第二样本集；所述第二样本集包括对应不同单微裂纹模型的二维数据和单微裂纹角度类别；所述二维数据通过对单微裂纹模型的所有阵元通道的原始信号处理，再将处理后的所有阵元通道的信号并联融合得到；以所述二维数据作为二维神经网络的输入，以所述角度类别作为所述二维神经网络的输出，对所述二维神经网络进行训练，得到第二网络模型；获取待测的单微裂纹模型的二维待测数据，所述二维待测数据通过对所述待测的单微裂纹模型的所有阵元通道的原始信号处理，再将处理后的所有阵元通道的信号并联融合得到；将所述二维待测数据输入至所述第二网络模型中，得到所述待测的单微裂纹模型的单微裂纹角度类别。3.根据权利要求2所述的单微裂纹定量识别方法，其特征在于，所述一维数据通过对单微裂纹模型的一个阵元通道的原始信号处理得到，包括以下步骤：选取所述单微裂纹模型的一个阵元通道作为目标阵元通道，不同单微裂纹模型所选取的目标阵元通道的位置相同；对所述目标阵元通道的原始信号进行低通滤波和带通滤波，至少得到三倍频时域信号；将所述三倍频时域信号作为所述单微裂纹模型的所述一维数据。4.根据权利要求2所述的单微裂纹定量识别方法，其特征在于，所述二维数据通过对单微裂纹模型的所有阵元通道的原始信号处理，将所述单微裂纹模型处理后所有阵元通道的信号并联融合得到，包括以下步骤：对所有阵元通道的所述原始信号进行低通滤波和带通滤波，至少得到零频时域信号；将所有阵元通道的所有所述零频时域信号并联融合作为所述单微裂纹模型的二维数据。5.根据权利要求1所述的单微裂纹定量识别方法，...

【专利技术属性】
技术研发人员：王露，齐正磐，丁湘燕，胡宁，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：