基于能量图谱和孪生网络的导波损伤诊断方法 |
| |
引用本文: | 王彬文,吕帅帅,杨宇.基于能量图谱和孪生网络的导波损伤诊断方法[J].振动.测试与诊断,2021,41(1):182-189. |
| |
作者姓名: | 王彬文 吕帅帅 杨宇 |
| |
作者单位: | (中国飞机强度研究所 西安,710065) |
| |
基金项目: | 中国飞机强度研究所创新基金资助项目(BYST?CKKJ?20?027) |
| |
摘 要: | 由于导波损伤诊断方法在碳纤维增强复合材料(carbon fiber reinforced polymer,简称CFRP)损伤监测领域的结构不确定性和专家经验缺乏,提出了一种基于能量图谱和孪生卷积神经网络(convolutional neural networks,简称CNN)的导波损伤识别和定位方法。以导波监测网络的能量图谱作为模型的学习样本,消除样本标签质量对专家水平的严重依赖,同时为深度学习模型提供丰富的有效信息。设计了权值共享的孪生网络以避免模型参数过多导致的过拟合现象,并利用CNN和长短记忆网络自动挖掘导波信号的高层特征。此外,对深度学习模型提取的特征进行可视化分析并讨论其物理意义,为解释神经网络的工作原理提供基础。实验结果表明,该方法在考虑结构不确定性的情况下,损伤识别和损伤定位的准确率分别达到88%和85%,相较于基于专家经验的传统方法优势明显。
|
关 键 词: | 复合材料 损伤诊断 导波 卷积神经网络 孪生网络 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《振动.测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动.测试与诊断》下载全文 |
|