【技术实现步骤摘要】
基于红外技术与FA
‑
LSTM的复合材料缺陷定量检测方法
[0001]本专利技术涉及电子信息
，具体为一种基于红外技术与FA
‑
LSTM的复合材料缺陷定量检测方法。
技术介绍
[0002]随着航空航天事业的快速发展，复合材料因其比强度高、耐疲劳性高、耐腐蚀性强等优点被广泛应用该领域，然而复合材料在加工和使用时，总会出现不可避免的损伤和缺陷，如裂纹、脱粘、冲击等，如果不能对其缺陷进行及时检测和修复，将会严重阻碍国民生产发展和给工业造成无法估量的损失。目前，对于复合材料的缺陷检测方法主要是以下几种：压力传感器检测技术、超声检测技术和智能敲击检测技术。
[0003]基于以上方法存在检测效率低、对材料要求严格等不足，本专利技术提出一种基于红外技术与深度学习相结合的复合材料缺陷诊断技术，根据红外技术测量缺陷的最大表面温差和最佳测量时间，建立缺陷直径、缺陷深度与最大表面温差、最佳测量时间的关系表，然后，将数据输入到萤火虫算法优化长短期记忆网络的深度学习网络中拟合计算，最后，计算得到对应的...
【技术保护点】
【技术特征摘要】
1.一种基于红外技术与FA
‑
LSTM的复合材料缺陷定量检测方法，其特征在于：包含硬件系统和软件系统两部分，硬件系统由数据采集层和数据处理层组成，软件系统由应用层组成，具体步骤如下：步骤1：利用红外热像仪扫描复合材料板，利用硬件平台进行复合材料板的缺陷数据提取工作，采集复合材料板缺陷的最大表面温差和最佳检测时间数据；步骤2：初始化实验中的模型参数，建立标准的FA
‑
LSTM模型，将数据输入到模型中；步骤3：设置初始种群的规模大小、吸引力和光吸收参数等参数，将萤火虫的位置初始化对应为网络模型中的G和ξ，计算误差寻求最优超参数；步骤4：根据萤火虫算法中的吸引公式和位置调整公式，不断调整网络模型的最佳参数，直至求解出萤火虫的最佳位置，即寻找出最适合模型的最优超参数；步骤5：根据最优超参数训练网络模型，将模型训练结果的均方根误差作为萤火虫算法的适应度值，判断适应度值，以此来决定是否得到了最优参数，直至满足实验要求；步骤6：当满足误差要求或达到最大迭代次数时，输出模型的超参数构建最优模型；步骤7：输出最优模型拟合结果，判断出是哪一种缺陷。2.根据权利要求1所述的基于红外技术与FA
‑
LSTM的复合材料缺陷定量检测方法，其特征在于：在步骤1中，利用红外摄像仪测得的5个周期数据的...
【专利技术属性】
技术研发人员：李静昭，陈俊杰，张利，宫英伟，李曙辉，郑毅，
申请(专利权)人：北京交通运输职业学院，
类型：发明
国别省市：
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。