【技术实现步骤摘要】
本专利技术涉及无损检测，特别是涉及一种基于人工智能深度学习的声发射源定位方法。该方法利用声发射信号和深度学习模型对复杂结构中的声发射源进行高精度定位，适用于焊接结构、金属材料、复合材料等的结构健康监测。
技术介绍
1、声发射技术作为一种重要的无损检测手段，广泛应用于评估材料的内部缺陷和结构完整性。传统的声发射源定位方法通常基于时差法（tdoa）或到达时间法（toa），依赖解析数学算法进行声发射源的定位。然而，在复杂结构中，声波传播受到多种因素影响，如材料不均匀性、几何形状、边界条件等，传统方法难以获得精确的定位结果，尤其在存在多径效应和信号衰减时，误差显著增大。
2、近年来，随着人工智能技术的发展，基于深度学习的信号处理技术逐渐应用于声发射源定位领域。通过深度学习模型可以有效提取复杂信号中的特征，提高声发射源定位的精度和鲁棒性。
技术实现思路
1、为了解决传统声发射源定位方法在复杂结构中定位精度低、易受声波传播特性影响的问题，本专利技术提出了一种基于人工智能深度学习的声发射源定...
【技术保护点】
1.一种基于人工智能深度学习的声发射源定位方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于人工智能深度学习的声发射源定位方法，其特征在于，所述网格划分的方式根据待测结构的几何形状、材料特性和声波传播特性进行调整，精细化的网格划分用于需要高精度定位的场景。对于规则结构，网格区域为等距的正方形或矩形网格；对于不规则结构，网格区域根据几何形状的曲率变化、声波传播路径及材料属性进行不规则划分，网格越小，定位精度越高。
3.根据权利要求1所述的基于人工智能深度学习的声发射源定位方法，其特征在于，传感器布置于待测结构的易发生裂纹位置、...
【技术特征摘要】
1.一种基于人工智能深度学习的声发射源定位方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于人工智能深度学习的声发射源定位方法，其特征在于，所述网格划分的方式根据待测结构的几何形状、材料特性和声波传播特性进行调整，精细化的网格划分用于需要高精度定位的场景。对于规则结构，网格区域为等距的正方形或矩形网格；对于不规则结构，网格区域根据几何形状的曲率变化、声波传播路径及材料属性进行不规则划分，网格越小，定位精度越高。
3.根据权利要求1所述的基于人工智能深度学习的声发射源定位方法，其特征在于，传感器布置于待测结构的易发生裂纹位置、应力集中位置或其他易发生缺陷的关键位置附近。
4.根据权利要求1所述的基于人工智能深度学习的声发射源定位方法，其特征在于，所述输入节点的声发射参数包括但不限于到达时间和幅度，到达时间用于计算声发射源到达各传感器的时差，幅度信息则代表声波在传播过程中，所经历的能量衰减。
5.根据权利要求4所述输入节点声发射参数，还包括振铃计数，能量，上升时间，持续时间，rms，asl，质心频率，峰值频率，平均频率，初始频率，回荡频率。
6.根据权利要求1所述的基于人工智能深度学习的声发...
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。