[發明專利]基于卷積神經網絡點源識別的非接觸激光超聲檢測方法

在審

• 申請號: 202111179674.9
• 申請日: 2021-10-11
• 公開（公告）號: CN113887454A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 洪曉斌;黃劉偉
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 鄭秋松

1.一種基于卷積神經網絡點源識別的非接觸激光超聲檢測方法，其特征在于，包括下述步驟：

獲取帶有損傷信號的激光掃查區域時域信號矩陣，通過數據轉換算法進行預處理；

將預處理后的數據輸入到CNN-LSTM網絡中，基于CNN-LSTM網絡提取信號的特征與訓練模型，在卷積層中構建具有不同卷積核尺寸和深度的1維卷積通道，所述卷積層用于提取信號的時序特征，將時序特征輸入到長短時記憶網絡進行特征提取，采用softmax函數分類，通過計算得到的標簽值和實際標簽值的差異對網絡進行反饋訓練，直到訓練達到設置的迭代次數，獲得激光超聲掃查數據損傷檢測模型；

將測試數據輸入到訓練好的CNN-LSTM網絡進行檢測，獲得測試標簽，將測試標簽中同一個激勵點的信號樣本標簽值進行平均，基于設定的標簽值閾值判斷樣本類型，將所有標簽值轉化為二維矩陣進行成像，輸出激光超聲掃查數據檢測結果。

2.根據權利要求1所述的基于卷積神經網絡點源識別的非接觸激光超聲檢測方法，其特征在于，所述獲取帶有損傷信號的激光掃查區域時域信號矩陣，具體步驟包括：

對激光待檢測區域進行掃查檢測，掃查方式為檢測點固定不動，激勵點以設定間距依次在掃查區域內移動激勵，掃查結束后獲得檢測區域內的每個激勵點激勵時的振動信號，每個激勵點多次后計算平均值，掃查后獲得時域信號矩陣Tdata_[M×N×T×K]，其中M和N分別是檢測矩形區域長寬方向的激勵點數，T是每次激勵采集的數據長度，K是每個激勵點采集信號的次數。

3.根據權利要求1所述的基于卷積神經網絡點源識別的非接觸激光超聲檢測方法，其特征在于，所述通過數據轉換算法進行預處理，具體步驟包括：

采用均值化方法對原始時域信號進行平均處理；

調整激勵點振動信號從振動開始保存，找到大于振動信號平均值的第一個極值點，并以第一個極值點前設定長度的點的位置作為振動起點，保存激勵點振動信號，保存的信號長度為T1，T1的值由檢測信號所需的時間長度決定，得到一個新的時域信號矩陣；

對新的時域信號矩陣進行零均值歸一化處理，長度為T1的時域信號轉換為矩陣形式；

根據每個矩陣對應的樣本是否正常或損壞，得到訓練標簽。

4.根據權利要求3所述的基于卷積神經網絡點源識別的非接觸激光超聲檢測方法，其特征在于，所述采用均值化方法對原始時域信號進行平均處理，具體步驟包括：

隨機生成K1次從1到K的隨機排序，并對前m個信號進行平均，平均后得到每個掃描點的K1樣本。

5.根據權利要求3所述的基于卷積神經網絡點源識別的非接觸激光超聲檢測方法，其特征在于，所述對新的時域信號矩陣進行零均值歸一化處理，表示為：

其中，是歸一化后的時域信號的第j個元素，是原始時域信號的第j個元素，是原始時域信號的平均值，是原始時域信號的標準差。