[发明专利]一种基于超声波和深度学习的应力检测方法、装置及设备

说明书

本发明公开了一种基于超声波和深度学习的应力检测方法，通过接收待测样品的结构材料信息及超声波探测信号；根据所述结构材料信息，确定对应的结构应力模型；根据所述超声波探测信号，通过所述结构应力模型得到所述待测样品的应力信息；所述结构应力模型为通过预设的样本集训练得到的神经网络模型。本发明操作简单且不会对样品的结构造成任何损伤，检测成本较低；只要有足够的超声波样本供神经网络模型，模型的检测精度和准确度就很高，从而可大幅提升检测精度和检测效率；此外，超声波检测应力，不受待测样品的材料限制，普适性较强。本发明还提供了一种具有上述优点的基于超声波和深度学习的应力检测装置、设备及计算机可读存储介质。

技术领域

本发明涉及工程结构应力检测技术领域，特别是涉及一种基于超声波和深度学习的应力检测方法、装置、设备及计算机可读存储介质。

背景技术

结构由于外因(受力、湿度、温度场变化等)而变形时，在结构内各部分之间产生相互作用的内力以抵抗这种外因的作用，这种内力就是应力，应力是反映结构力学性能和安全状态最直接的指标，如能得到结构的精确应力值，就可以对结构的安全状态进行评估，从而避免一系列工程事故的发生，减少经济损失。

传统检测结构应力方法根据检测时是否会对检测对象造成损坏分为有损和无损两类检测方法。有损方法主要是有钻孔法、环芯法、剥层应变法等，但这些方法需要破坏材料使应力释放，这就对检测对象造成削弱，而大多实际需检测的结构是不允许被损坏的，因此无损检测受到越来越多的关注。无损检测方法主要有电学检测法(电阻式应变检测法和振弦式应变检测法)、磁学检测法(磁弹性法、巴克豪森噪讯法、磁声发射法、金属磁记忆检测法)、X射线衍射法等。然而，有损检测方法不仅精度低、操作复杂、而且还会对结构造成损伤；电学检测法只能检测结构的应力增量而无法检测结构的实际应力状态；磁学检测法只能用于检测铁磁性材料；X射线衍射法设备昂贵，对检测环境要求相对较高。

因此，如何兼顾多种材料的探测对象，且能低成本高精度地完成对探测对象的应力检测，是本领域技术人员亟待解决的问题。

发明内容

本发明的目的是提供一种基于超声波和深度学习的应力检测方法、装置、设备及计算机可读存储介质，以解决现有技术中精度低、适用面窄及成本较高的问题。

为解决上述技术问题，本发明提供一种基于超声波和深度学习的应力检测方法，包括：

接收待测样品的结构材料信息及超声波探测信号；

根据所述结构材料信息，确定对应的结构应力模型；

根据所述超声波探测信号，通过所述结构应力模型得到所述待测样品的应力信息；所述结构应力模型为通过预设的样本集训练得到的神经网络模型。

可选地，在所述的基于超声波和深度学习的应力检测方法中，所述结构应力模型的训练方法包括：

获取验证数据集，所述验证数据集包括多个样本超声波信号及与所述样本超声波信号一一对应的样本应力值；

将所述验证数据集作为待训练神经网络模型的输入量，得到与所述样本超声波信号一一对应的预测应力值；

根据所述样本应力值及所述预测应力值得到所述待训练神经网络模型的当前准确率；

判断所述当前准确率是否不小于目标准确率；

当所述当前准确率小于所述目标准确率时，更新所述输入量，得到校正数据集；所述校正数据集包括至少一个与所述输入量不同的样本超声波信号及对应的样本应力值；

将所述校正数据集作为所述待训练神经网络模型新的输入量，循环所述得到所述样本超声波信号一一对应的预测应力值至所述更新所述输入量，得到校正数据集的步骤，直至所述当前准确率不小于所述目标准确率，得到所述结构应力模型。