本發(fā)明涉及材料檢測領(lǐng)域，更具體地涉及基于多網(wǎng)絡(luò)的板中損傷tfm定位與檢測方法。

背景技術(shù)：

1、cnn-bilstm表示為將卷積神經(jīng)網(wǎng)絡(luò)與雙向長期記憶網(wǎng)絡(luò)相結(jié)合，卷積神經(jīng)網(wǎng)絡(luò)是一種專門用于處理具有網(wǎng)格結(jié)構(gòu)的數(shù)據(jù)的人工神經(jīng)網(wǎng)絡(luò)，雙向長期記憶網(wǎng)絡(luò)是長短期記憶網(wǎng)絡(luò)的一種擴(kuò)展形式，用于處理序列數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型。它具有向前和向后兩個(gè)方向的隱藏狀態(tài)，并能夠捕捉到序列數(shù)據(jù)中的時(shí)序信息和上下文關(guān)系，金屬板狀材料因其高強(qiáng)度、輕質(zhì)和耐腐蝕性，在橋梁、建筑、船舶、飛機(jī)、風(fēng)力渦輪機(jī)和管道等領(lǐng)域得到廣泛應(yīng)用，但是當(dāng)出現(xiàn)因長期使用導(dǎo)致這些材料因沖擊、磨損和腐蝕等因素受損情況時(shí)，會嚴(yán)重影響結(jié)構(gòu)安全性，因此高效、精準(zhǔn)的評估金屬板損傷至關(guān)重要。

2、針對上述問題，本發(fā)明提出一種解決方案。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供了基于多網(wǎng)絡(luò)的板中損傷tfm定位與檢測方法，以解決上述背景技術(shù)中存在的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于多網(wǎng)絡(luò)的板中損傷tfm定位與檢測方法，包括以下步驟：

4、步驟so1：獲取金屬板lamb波頻散曲線，選擇合適模態(tài)作為lamb波激勵(lì)信號并對選定lamb波激勵(lì)信號進(jìn)行調(diào)制；

5、步驟so2：在金屬板中設(shè)定目標(biāo)區(qū)域，并在目標(biāo)區(qū)域處放置激勵(lì)傳感器，在激勵(lì)傳感器處金屬板上下表面對稱發(fā)射步驟so1所述lamb波激勵(lì)信號；

6、步驟so3：在金屬板表面指定位置處設(shè)置一組圓形傳感器陣列，接收來自目標(biāo)區(qū)域除激勵(lì)傳感器以外的回波信號；

7、步驟so4：改變圓形傳感器陣列中的圓孔分布，重復(fù)步驟so2中所述激勵(lì)與步驟so3，將得到的每一個(gè)傳感器數(shù)據(jù)作為區(qū)域識別原始數(shù)據(jù)集；

8、步驟so5：將所述步驟so4中得到的區(qū)域識別原始數(shù)據(jù)集劃分為區(qū)域識別訓(xùn)練數(shù)據(jù)集、區(qū)域識別測試數(shù)據(jù)集以及區(qū)域識別驗(yàn)證數(shù)據(jù)集；

9、步驟so6：使用步驟so5中得到的訓(xùn)練數(shù)據(jù)集進(jìn)行cnn-bilstm網(wǎng)絡(luò)模型參數(shù)的訓(xùn)練，同時(shí)使用區(qū)域識別驗(yàn)證數(shù)據(jù)集進(jìn)行驗(yàn)證，選擇出性能最優(yōu)的模型；

10、步驟so7：利用所述步驟so6中得到的性能最優(yōu)的模型對所述步驟so5中的區(qū)域識別測試數(shù)據(jù)集進(jìn)行金屬板中圓孔損傷所屬區(qū)域的識別；

11、步驟so8：利用步驟so3所布置的圓形傳感器陣列采集到的回波信號，對步驟so7中識別出的金屬板中圓孔損傷所屬區(qū)域利用tfm算法進(jìn)行成像定位；

12、步驟so9：通過改變圓形傳感器陣列中的圓孔分布，重復(fù)所述步驟so8，將得到的tfm成像圖作為半徑識別原始數(shù)據(jù)集，然后將半徑識別原始數(shù)據(jù)集劃分為半徑識別訓(xùn)練數(shù)據(jù)集、半徑識別測試數(shù)據(jù)集以及半徑識別驗(yàn)證數(shù)據(jù)集；

13、步驟s10：使用所述步驟so9中得到的半徑識別訓(xùn)練數(shù)據(jù)集對resnet網(wǎng)絡(luò)模型參數(shù)進(jìn)行訓(xùn)練，同時(shí)用半徑識別驗(yàn)證數(shù)據(jù)集進(jìn)行驗(yàn)證，并選擇出性能最優(yōu)的模型，通過得到的性能最優(yōu)的模型對所述步驟so9中的半徑識別測試數(shù)據(jù)集進(jìn)行板中圓孔損傷半徑的識別，以驗(yàn)證算法模型的有效性。

14、優(yōu)選的，所述選擇合適模態(tài)作為lamb波激勵(lì)信號步驟為，根據(jù)金屬板lamb波頻散曲線，選擇低頻散、速度快的lamb波s0模態(tài)信號作為激勵(lì)。

15、優(yōu)選的，所述對選定lamb波激勵(lì)信號進(jìn)行調(diào)制公式為其中h(t)表示為階越函數(shù)，fc表示為激勵(lì)信號的中心頻率，φ表示為信號的相位，n表示為調(diào)制正弦信號的波峰數(shù)。

16、優(yōu)選的，所述使用步驟s06中得到的訓(xùn)練數(shù)據(jù)集進(jìn)行cnn-bilstm網(wǎng)絡(luò)模型參數(shù)的訓(xùn)練步驟為：

17、將區(qū)域識別數(shù)據(jù)集分為區(qū)域識別訓(xùn)練集、區(qū)域識別驗(yàn)證集和區(qū)域識別測試集，其中區(qū)域識別訓(xùn)練集用于cnn-bilstm網(wǎng)絡(luò)的訓(xùn)練，區(qū)域識別驗(yàn)證集用于模型參數(shù)的優(yōu)化和選擇，區(qū)域識別測試集用于評估模型的性能；

18、利用隨機(jī)梯度下降算法對cnn-bilstm網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，初始化網(wǎng)絡(luò)參數(shù)，設(shè)定初始學(xué)習(xí)率，并在訓(xùn)練過程中，通過反向傳播算法更新網(wǎng)絡(luò)參數(shù)，以最小化損失函數(shù)；

19、在每一輪訓(xùn)練結(jié)束后，使用區(qū)域識別驗(yàn)證集評估模型性能，根據(jù)驗(yàn)證結(jié)果調(diào)整學(xué)習(xí)率和其他參數(shù)，以提高模型的泛化能力和準(zhǔn)確性；

20、重復(fù)執(zhí)行上述兩個(gè)步驟，直到滿足早停條件或達(dá)到預(yù)設(shè)的最大訓(xùn)練輪數(shù)，最終選擇在驗(yàn)證集上性能最優(yōu)的模型作為最終模型，模型訓(xùn)練優(yōu)化公式為其中θ表示為模型參數(shù)，α表示為學(xué)習(xí)率，l(θ)表示為損失函數(shù)，表示為損失函數(shù)關(guān)于模型參數(shù)的梯度。

21、優(yōu)選的，所述對步驟so7中識別出的金屬板中圓孔損傷所屬區(qū)域利用tfm算法進(jìn)行成像定位步驟為：

22、將檢測區(qū)域分為網(wǎng)格點(diǎn)并將每點(diǎn)視為一個(gè)聚焦目標(biāo)，利用相控陣捕獲的全矩陣回波信號重建圖像，計(jì)算每個(gè)點(diǎn)的信號強(qiáng)度，生成高清晰度的聚焦圖像；

23、設(shè)定陣列點(diǎn)(xi,xi)為激勵(lì)點(diǎn)，相應(yīng)的另一陣列點(diǎn)(xj,xj)接收到的感應(yīng)信號用uij(xi,xj,t)表示，對所有激勵(lì)點(diǎn)和接收點(diǎn)對應(yīng)的延遲信號進(jìn)行疊加得到綜合信號的強(qiáng)度表達(dá)式為在此過程中，信號首先從激勵(lì)源發(fā)出，經(jīng)損傷點(diǎn)反射，最終由陣列傳感器接收，整個(gè)過程的總時(shí)長可表示為其中ring代表從激勵(lì)點(diǎn)至損傷點(diǎn)的位移矢量，而rback則表示為從損傷點(diǎn)至接收點(diǎn)的位移矢量，c表示為聲波在板中傳播的速度；

24、按照每個(gè)聚焦點(diǎn)p的i(p)值繪制成像圖，對圖中數(shù)據(jù)進(jìn)行歸一化，取成像圖中目標(biāo)區(qū)域內(nèi)局部區(qū)域最大幅值點(diǎn)作為損傷定位結(jié)果。

25、優(yōu)選的，所述步驟s10對resnet網(wǎng)絡(luò)模型參數(shù)進(jìn)行訓(xùn)練步驟為：

26、將半徑識別數(shù)據(jù)集分為半徑識別訓(xùn)練集、半徑識別驗(yàn)證集以及半徑識別測試集，其中半徑識別訓(xùn)練集用于模型的訓(xùn)練，半徑識別驗(yàn)證集用于模型參數(shù)的調(diào)整和優(yōu)化，半徑識別測試集用于評估模型的準(zhǔn)確性和泛化能力；

27、采用隨機(jī)梯度下降算法進(jìn)行模型的訓(xùn)練，使用交叉熵?fù)p失函數(shù)作為優(yōu)化目標(biāo)，利用早停機(jī)制防止過擬合。

28、本發(fā)明的有益效果：

29、本發(fā)明方法通過將傳統(tǒng)的lamb波技術(shù)與深度學(xué)習(xí)技術(shù)結(jié)合，可以同時(shí)實(shí)現(xiàn)損傷的區(qū)域識別和損傷半徑的識別，彌補(bǔ)了已有方法對相應(yīng)方面的不足和局限性；

30、本發(fā)明方法通過使用以數(shù)據(jù)驅(qū)動的深度學(xué)習(xí)方法，相較于傳統(tǒng)的lamb波分析方法，提高了板中損傷定位的效率和尺寸評估能力；

31、本發(fā)明方法通過布置一組傳感器陣列實(shí)現(xiàn)板中損傷的定位和尺寸評估，提高對不同損傷定位和評估的準(zhǔn)確性，且對各種操作和環(huán)境條件具有穩(wěn)定性。

技術(shù)特征：

1.基于多網(wǎng)絡(luò)的板中損傷tfm定位與檢測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于多網(wǎng)絡(luò)的板中損傷tfm定位與檢測方法，其特征在于：所述步驟s01中選擇合適模態(tài)作為lamb波激勵(lì)信號步驟為，根據(jù)金屬板lamb波頻散曲線，選擇低頻散、速度快的lamb波s0模態(tài)信號作為激勵(lì)。

3.根據(jù)權(quán)利要求1所述的基于多網(wǎng)絡(luò)的板中損傷tfm定位與檢測方法，其特征在于：所述步驟s01中對選定lamb波激勵(lì)信號進(jìn)行調(diào)制方法為：

4.根據(jù)權(quán)利要求1所述的基于多網(wǎng)絡(luò)的板中損傷tfm定位與檢測方法，其特征在于：所述使用步驟s06中得到的訓(xùn)練數(shù)據(jù)集進(jìn)行cnn-bilstm網(wǎng)絡(luò)模型參數(shù)的訓(xùn)練步驟為：

5.根據(jù)權(quán)利要求1所述的基于多網(wǎng)絡(luò)的板中損傷tfm定位與檢測方法，其特征在于：所述對步驟so7中識別出的金屬板中圓孔損傷所屬區(qū)域利用tfm算法進(jìn)行成像定位步驟為：

6.根據(jù)權(quán)利要求1所述的基于多網(wǎng)絡(luò)的板中損傷tfm定位與檢測方法，其特征在于：所述步驟s10中對resnet網(wǎng)絡(luò)模型參數(shù)進(jìn)行訓(xùn)練步驟為：

技術(shù)總結(jié)
本發(fā)明公開了一種基于多網(wǎng)絡(luò)的板中損傷TFM定位與檢測方法，涉及材料檢測技術(shù)領(lǐng)域。本發(fā)明方法首先選擇合適模態(tài)作為Lamb波激勵(lì)信號并進(jìn)行調(diào)制；在金屬板中目標(biāo)區(qū)域，發(fā)射激勵(lì)信號，通過傳感器陣列接收目標(biāo)區(qū)域回波信號，將傳感器數(shù)據(jù)作為區(qū)域識別原始數(shù)據(jù)集訓(xùn)練CNN?BiLSTM網(wǎng)絡(luò)模型進(jìn)行圓孔損傷識別；利用TFM算法進(jìn)行成像定位將得到的TFM成像圖作為半徑識別原始數(shù)據(jù)集進(jìn)行板中圓孔損傷半徑的識別，本發(fā)明方法通過將傳統(tǒng)的Lamb波技術(shù)與深度學(xué)習(xí)技術(shù)結(jié)合，可以同時(shí)實(shí)現(xiàn)損傷的區(qū)域識別和損傷半徑的識別，彌補(bǔ)了已有方法對相應(yīng)方面的不足和局限性；相較于傳統(tǒng)的Lamb波分析方法，提高了板中損傷定位的效率和尺寸評估能力，且對各種操作和環(huán)境條件具有穩(wěn)定性。

技術(shù)研發(fā)人員：李義豐,顏勁夫,何其駿,瞿業(yè)峰
受保護(hù)的技術(shù)使用者：南京工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/5