管道焊缝裂纹损伤阶段识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种管道焊缝裂纹损伤阶段识别方法、装置、设备及存储介质，将时域和频域特征输入训练好的管道焊缝损伤阶段识别模型，得到识别结果；管道焊缝损伤阶段识别模型是采用样本集训练改进的TCN网络模型得到的，样本集包括以已知损伤阶段作为标签的突发型声发射信号对应的时域和频域特征，损伤阶段包括弹性损伤阶段、塑性损伤阶段、强化损伤阶段和颈缩断裂损伤阶段，改进的TCN网络模型包括多级特征融合模块以及与多级特征融合模块连接的全尺度卷积模块，多级特征融合模块包括至少两个顺序连接的TCN block，前一个TCN block的输出作为下一个TCN block的输入，且每个TCN block的输出采用concatenate方式连接后作为多级特征融合模块的输出。本发明专利技术的目的在于解决现有模型在特征关联和信息保留方面的不足，以实现对核电压力管道裂纹扩展情况的实时、有效监测，提高识别精度，为核电站的安全运行提供有力保障。

【技术实现步骤摘要】

本专利技术属于管道焊缝损伤阶段监测领域，具体涉及一种管道焊缝裂纹损伤阶段识别方法、装置、设备及存储介质。

技术介绍

1、核管道作为核电站中的关键部件，其安全性直接关系到整个核电站的稳定运行及人员安全。在核管道的服役期间，由于长期受到振动、内压等复杂工况的影响，焊缝处极易产生微小裂纹。这些裂纹若不及时检测并处理，将逐渐扩展，最终导致管道断裂，引发介质泄漏，造成重大安全生产事故。因此，对核电压力管道的裂纹扩展进行准确、及时的监测，对于评估管道运行的稳定性和安全性具有极其重要的意义。

2、近年来，随着机器学习技术的飞速发展，其在裂纹损伤模式识别领域的应用也取得了显著进展。模式识别技术，特别是无监督聚类方法，在裂纹损伤模式的离线分析中展现了良好的性能。例如基于声发射(ae)技术的裂纹损伤识别在线监测方法，通过结合多重分形与无监督聚类，实现了对裂纹损伤模式的初步分类。然而，这些方法大多局限于离线分析，难以满足在线监测的实时性要求。为了克服传统方法的不足，研究者们开始探索基于神经网络的在线监测算法。神经网络，特别是卷积神经网络(cnn)，以其强大的特征提取本文档来自技高网...

【技术保护点】

1.一种管道焊缝裂纹损伤阶段识别方法，其特征在于，包括：

2.根据权利要求1所述的一种管道焊缝裂纹损伤阶段识别方法，其特征在于，所述多级特征融合模块中的第一个TCN block用于对突发型声发射信号对应的时域和频域特征进行浅层卷积得到边缘特征，其余TCN block依次用于对前一个TCN block的输出特征进行深层卷积得到抽象语义特征，所述多级特征融合模块采用concatenate方式对每个TCN block的输出特征进行融合，得到融合特征；

3.根据权利要求1所述的一种管道焊缝裂纹损伤阶段识别方法，其特征在于，所述改进的TCN网络模型还包括连接在所述全尺度卷积...

【技术特征摘要】

1.一种管道焊缝裂纹损伤阶段识别方法，其特征在于，包括：

2.根据权利要求1所述的一种管道焊缝裂纹损伤阶段识别方法，其特征在于，所述多级特征融合模块中的第一个tcn block用于对突发型声发射信号对应的时域和频域特征进行浅层卷积得到边缘特征，其余tcn block依次用于对前一个tcn block的输出特征进行深层卷积得到抽象语义特征，所述多级特征融合模块采用concatenate方式对每个tcn block的输出特征进行融合，得到融合特征；

3.根据权利要求1所述的一种管道焊缝裂纹损伤阶段识别方法，其特征在于，所述改进的tcn网络模型还包括连接在所述全尺度卷积模块后的全连接层。

4.根据权利要求3所述的一种管道焊缝裂纹损伤阶段识别方法，其特征在于，所述改进的tcn网络模型还包括设置在所述全连接层后的分类输出层，所述分类输出层使用softmax以概率形式显示分类输出结果。

5.根据权利要求1所述的一种管道焊缝裂纹损伤阶段识别方法，其特征在于，所述采用样本集训练改进的tcn网络模型时，将所述样本集按照设定比例划分为训练集和测...

【专利技术属性】
技术研发人员：张志芬，李永杰，黄婧，于俨龙，成玮，温广瑞，陈雪峰，苏宇，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：