[发明专利]基于GIALDN网络的内部缺陷定位模型及内部缺陷定位方法

说明书

本发明公开了本发明首先提出了一种基于GIALDN网络的内部缺陷定位模型，包括：重塑模块：得到输入信号特征；去池化预处理模块：得到预处理信号特征；轻量化信号去噪模块：用于对预处理信号特征进行软阈值去噪处理，得到去噪信号特征；全局交互注意力模块：将去噪信号特征内的每一个数据点都互相连接起来，并且在每个通道间也建立起联系，以提取信号内的远距离联系与跨通道数据间的潜在关系，提升特征的辨别力；多层卷积模块：得到深度信号特征；结果输出模块：利用softmax函数，从深度信号特征中得到缺陷定位结果。本发明还公开了一种基于GIALDN网络的内部缺陷定位方法。

技术领域

本发明属于缺陷检测技术领域，具体的为一种基于GIALDN网络的内部缺陷定位模型及内部缺陷定位方法。

背景技术

碳纤维增强树脂基复合材料(CFRP)是由碳纤维和树脂基复合而成，具有比强度高、比刚度高、耐高温、抗腐蚀、可设计性好等优越性能，被广泛应用于航空航天、汽车、建筑、体育等领域。特别是在航空航天领域，复合材料在飞行器结构上的使用占比不断增高，其用量已成为判断飞行器先进性的重要指标之一。但是，由于复合材料特殊的成型工艺和内部结构，使得其在成型、加工和服役过程中很容易产生内部缺陷，例如：由于纤维分布不合理，造成内部富脂区；成型过程中空气裹入树脂流动前沿，形成气泡缺陷；加工、装配和服役过程中，由于外力或冲击产生内部分层等。这些内部缺陷会极大地降低CFRP的服役性能，对飞行器的安全运行造成致命威胁。因此，在CFRP出厂测试和飞行器定期巡检中，内部缺陷的探测都是重中之重。

目前，常用的复合材料内部缺陷无损检测方法主要包括超声检测技术、红外热像检测技术、X射线检测技术、太赫兹检测技术等。超声波检测利用超声波在穿透复合材料的过程中遇到内部缺陷时，在其界面处会返回一部分超声波的原理，通过对反射波进行分析实现缺陷检测；但是，目前对超声波在复合材料内部的传播特性和不同材料的声学特征的研究还不够深入，这使得超声检测的使用受到限制。红外热像检测技术根据红外辐射原理，通过探测物体表面温度变化进行缺陷检测；其缺点是灵敏度较低、要求工件表面具备好的热吸收率，并且由于红外波波长较长、穿透性较弱，使得红外热像技术探测深度不足。X射线检测技术利用射线在穿透缺陷位置与正常部件时的损耗不同原理来检测缺陷，虽然灵敏度高、可以检测大部分缺陷，但是X射线本身的电离辐射会对人体产生损伤，对环境也存在一定的污染，检测成本高昂、适应性差。太赫兹技术作为新兴的检测技术，目前正处于起步阶段，存在探测成本高、应用范围狭隘的问题。可以看到，这些常用的无损检测方法都都存在检测效率低、成本高、适应性差等不足，不能很好地满足CFRP内部缺陷的检测要求。

伴随着深度学习技术的蓬勃发展，逐渐出现了传统检测方法与深度学习技术结合的CFRP内部缺陷检测、定位方法。深度学习技术有效提升了超声波、红外热成像等数据的处理精度和效率，但是这些技术本身的低效和适应性不足等问题无法得到根本解决。近年来，利用机器学习方法对振动信号进行处理的技术得到了长足发展，并且在复合材料内部缺陷的检测方面也开始得到了应用。这种数据驱动的CFRP内部缺陷检测方法可以解决前述方法存在的缺点，但该研究仍然存在以下不足：(1)目前的方法仅仅使用浅层的神经网络，无法提取到信号内丰富的缺陷特征，并且存在泛化性不足、迁移性不够的缺点；(2)由于复合材料复杂、随机的内部结构，采集的振动信号存在大量的噪声，这对缺陷定位是非常不利的，但目前的研究没有考虑这一因素，导致检测精度不可避免地收到影响；(3)在神经网络信号特征提取方面，缺乏快速有效的措施来提取长期信息和跨通道联系，这对缺陷定位很重要；(4)目前的缺陷定位模型都没有实现非常高的缺陷定位精度(小于90％)，距离工程实用较远且可靠性也不够。因此，设计一个具有噪声抑制消除功能、可以提取信号内与通道间联系的深度神经网络来进行基于激振响应信号的CFRP内部缺陷定位就显得非常重要。

发明内容

有鉴于此，本发明的目的在于提供一种基于GIALDN网络的内部缺陷定位模型及内部缺陷定位方法，可以抑制消除噪声信号干扰、将信号内的数据进行交互，能有效地从所采集的信号数据中提取具有辨识性的特征，最终实现内部缺陷的高精度定位。