【技术实现步骤摘要】
一种车轴疲劳裂纹声发射信号波形预测检测方法
[0001]本专利技术涉及裂纹检测
,具体涉及一种车轴疲劳裂纹声发射信号波形预测检测方法
。
技术介绍
[0002]列车车轴作为轨道车辆的重要组成部分,除面对复杂多变的工作环境之外,车轴还受到车体给予的持续压力的作用
。
在这种情况下,车轴疲劳裂纹的产生是难以避免的,倘若不能及时检测到裂纹并采取相应的措施,裂纹将持续扩展直至车轴断裂,继而造成严重的后果,现有技术中,车轴疲劳裂纹声发射信号波形往往非常微弱,容易淹没在背景噪声中,传统方法可能难以有效感知和识别,常用的手段包括声发射检测
、
振动信号分析和人工巡检等,传统的声发射检测技术通常需要大量的标注数据来训练和验证模型,且传统的声发射检测对采集和检测设备的要求较高,常常需要使用到一些高精度的仪器和设备,如传感器
、
放大器等,这些设备的价格较高,使用和维护成本也相对较高
。
技术实现思路
[0003]为了解决传统声发射检测技术采集和检测设备要求较高
、
信号含有噪音,导致检测准确度低的技术问题,本专利技术提供了一种车轴疲劳裂纹声发射信号波形预测检测方法
。
[0004]本专利技术为实现上述目的所采用的技术方案是:一种车轴疲劳裂纹声发射信号波形预测检测方法,包括以下步骤:
[0005]S1
:利用声发射传感器采集车轴疲劳裂纹声发射信号,并对所采集的声发射信号进行预处理;
[0006]S ...
【技术保护点】
【技术特征摘要】
1.
一种车轴疲劳裂纹声发射信号波形预测检测方法,其特征在于,包括以下步骤:
S1
:利用声发射传感器采集车轴疲劳裂纹声发射信号,并对所采集的声发射信号进行预处理;
S2
:将预处理后的车轴疲劳裂纹声发射信号分为训练集和测试集;
S3
:搭建
CNN
‑
LSTM
预测模型,所述
CNN
‑
LSTM
预测模型包括输入层
、
卷积层
1、
归一化层
1、
激活层
1、
池化层
1、
卷积层
2、
归一化层
2、
激活层
2、
池化层
2、
连接层
、LSTM
层
1、Dropout
层
1、LSTM
层
2、Dropout
层
2、
全连接层
、
输出层;
S4
:确定
CNN
‑
LSTM
预测模型的超参数;
S5
:导入训练集对
CNN
‑
LSTM
预测模型进行训练,训练完成后保存模型;
S6
:导入测试集对训练完成的
CNN
‑
LSTM
预测模型进行测试,对模型性能进行评估;
S7
:使用满足性能要求的
CNN
‑
LSTM
预测模型对车轴疲劳裂纹声发射信号进行预测,并将预测结果与疲劳裂纹的阈值进行比较,若预测结果超过阈值,则认为车轴存在裂纹
。2.
根据权利要求1所述的一种车轴疲劳裂纹声发射信号波形预测检测方法,其特征在于,所述步骤
S3
中的卷积层1的尺寸为3×1,卷积核数量为
16
,卷积核滑动步长为1,所述卷积层2的尺寸为3×1,卷积核数量为8,卷积核滑动步长为1,卷积层1的操作公式如下:
c
j
=
conv(∑x
i
*w
ij
+b
i
)
其中:
c
j
表示卷积层1在卷积过程中的输出值,
conv
函数为
CNN
网络中的卷积操作,
x
i
表示卷积层1在卷积过程中的输入值,
w
ij
表示卷积层1的权重,
b
i
表示卷积层1的偏置,
i
表示垂直方向的处理位置,
j
表示水平方向的处理位置;卷积层2的操作公式如下:
c
j
=
conv(vx
j
*w
ij
+b
j
)
其中:
c
j
表示卷积层2在卷积过程中的输出值,
conv
函数为
CNN
网络中的卷积操作,
x
j
表示卷积层2在卷积过程中的输入值,
w
ij
表示卷积层2的权重,
b
j
表示卷积层2的偏置,
i
表示垂直方向的处理位置,
j
表示水平方向的处理位置;所述步骤
S3
中的归一化层1和归一化层2的操作公式均为:
p
j
=
F(c
j
)
其中:
c
j
表示批量归一化层的输入值,
p
j
为批量归一化层的输出值,
F
表示归一化操作,
j
表示水平方向的处理位置;所述步骤
S3
中的激活层1和激活层2均包括非线性激活函数,非线性激活函数的公式为:
h
j
=
f(p
j
)
其中:
h
j
表示激活函数的输出值,
p
j
表示激活函数的输入值,
j
表示水平方向的处理位置,
f
表示激活操作;所述步骤
S3
中的池化层1和池化层2的操作公式均为:
x
j
=
pooling(h
j
)
其中:
x
j
表示池化层的输出值,
pooling
表示池化操作,
h
j
表示经过池化层的输入值,
j
表示水平方向的处理位置;所述连接层用于连接池化层2和
LSTM
层
1。3.
根据权利要求1所述的一种车轴疲劳裂纹声发射信号波形预测检测方法,其特征在
于,所述步骤
S3
中
LSTM1
层的神经元数量为
64
,
LSTM2
层的神经元数量为
32
,
LSTM1
层和
LSTM2
层的计算过程如下:通过
sigmoid
函数计算遗忘信息,其表达式如下:
f
t
=
σ
(W
f
*[h
t
‑1,x
t
]+b
f
)
其中:
σ
表示
sigmoid
激活函数,
x
表示输入,
f
t
表示遗忘门在
t
时刻的输出值,
W
f
...
【专利技术属性】
技术研发人员:林丽,蒋凤娇,李大广,田海奇,
申请(专利权)人:大连交通大学,
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。