一种基于应力波信号的裂纹扩展定量检测的增量学习方法技术

技术编号:45834811 阅读:18 留言:0更新日期:2025-07-15 22:40
本发明专利技术公开了一种基于应力波信号的裂纹扩展定量检测的增量学习方法,涉及无损检测技术领域。该包括:采集应力波信号,提取频域特征;基于0‑5mm裂纹样本数据集构建并训练BiLSTM模型,提取高维特征向量,作为裂纹检测的初始特征;将高维特征向量映射到二维空间,定量评估不同裂纹样本特征的分布差异;根据裂纹样本特征分布和模型检测精度,动态调整历史数据保留比例;引入混沌抽样策略,结合熵域融合指数选取样本进行经验回放;引入6‑10mm裂纹扩展数据,采用增量学习对BiLSTM模型进行更新;利用最终检测模型对裂纹扩展程度进行定量评估。通过实时裂纹监测、基于多频域特征的高精度检测,以及分阶段增量训练策略,提高模型的检测精度和泛化能力。

【技术实现步骤摘要】

本专利技术涉及无损检测,具体为一种基于应力波信号的裂纹扩展定量检测的增量学习方法


技术介绍

1、裂纹扩展监测与评估在航空航天、桥梁建筑、工业设备等领域至关重要。传统裂纹检测方法主要依赖视觉检测、超声波检测或电磁检测,但这些方法往往受限于人工经验、复杂工况以及较高的检测成本。近年来,基于应力波信号的裂纹扩展监测技术逐渐成为研究热点,该方法通过传感器实时监测结构内部应力波信号变化,从而推断裂纹扩展情况,具备高灵敏度和非接触式检测的优势。

2、裂纹扩展过程通常呈现出复杂的非线性特征,并且不同裂纹阶段的信号模式存在较大差异,导致传统机器学习模型难以有效泛化。此外,固定结构的深度学习模型在引入新裂纹数据时容易遗忘旧知识,影响检测的稳定性。

3、深度学习技术,特别是双向长短期记忆网络(bilstm),因其在时序数据建模上的优势,为裂纹扩展监测提供了新的解决方案。在实际应用中,裂纹扩展数据随着时间不断积累,传统的静态训练模型难以适应新增数据的特征变化,容易导致模型性能退化。因此,采用增量学习策略,使模型能够在引入新数据的同时保持对旧知识的记忆,本文档来自技高网...

【技术保护点】

1.一种基于应力波信号的裂纹扩展定量检测的增量学习方法,其特征在于,包括:

2.根据权利要求1所述的一种基于应力波信号的裂纹扩展定量检测的增量学习方法,其特征在于,通过安装在结构体上的传感器监测裂纹扩展过程中的应力波,将传感器和信号采集系统连接,使用数据采集仪器采集应力波信号;所述传感器包括压电传感器、振动传感器和加速度计。

3.根据权利要求1所述的一种基于应力波信号的裂纹扩展定量检测的增量学习方法,其特征在于,频域特征包括频谱混合熵、谐振跃迁率、模态离散因子、频率交叉耦合指数和频移偏态指数;

4.根据权利要求1所述的一种基于应力波信号的裂纹扩展定量检...

【技术特征摘要】

1.一种基于应力波信号的裂纹扩展定量检测的增量学习方法,其特征在于,包括:

2.根据权利要求1所述的一种基于应力波信号的裂纹扩展定量检测的增量学习方法,其特征在于,通过安装在结构体上的传感器监测裂纹扩展过程中的应力波,将传感器和信号采集系统连接,使用数据采集仪器采集应力波信号;所述传感器包括压电传感器、振动传感器和加速度计。

3.根据权利要求1所述的一种基于应力波信号的裂纹扩展定量检测的增量学习方法,其特征在于,频域特征包括频谱混合熵、谐振跃迁率、模态离散因子、频率交叉耦合指数和频移偏态指数;

4.根据权利要求1所述的一种基于应力波信号的裂纹扩展定量检测的增量学习方法,其特征在于,构建bilstm模型的步骤包括:

5.根据权利要求1所述的一种基于应力波信号的裂纹扩展定量检测的增量学习方法,其特征在于,将从bilstm模型全连接层提取的高维特征向量,利用差异度量函数进行降维操作,将高维特征向量映射到二维空间,差异度量函数的计算逻辑为:其中,w为差异度量、pij为样本xi和xj在高维空间里的相似度、qij为降维后的数据点yi和yj之间的相似度、表示两种分布的比值,pij的计算逻辑为:其中,∥xi-xj∥为样本xi和xj之间的距离、σ2为高维空间中每对点的相似性尺度,qij的计算逻辑为:其中,yi和yj为降维后的低维表示;

6.根据权利要求1所述的一种基于应力波信号的裂纹扩展定量检测的增量学习方法,其特征在于,动态调整的计算逻辑为:rt=max(rmin,min(rt-1·exp(-λ1h(st,dt)+λ2δa(t)),rmax)),其中,rt为在t时间时刻,历史数据的保留比例、h(st,dt)为裂纹样本特征分布差异、δa(t)为检测精度、rmin和rmax...

【专利技术属性】
技术研发人员:陈洪良袁江峰季经纬王龙翔丁俊高恩南许飞云
申请(专利权)人:江苏省特种设备安全监督检验研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1