[发明专利]基于卷积神经网络的梁结构缺陷非接触定量诊断方法

权利要求书

1.一种基于卷积神经网络的梁结构缺陷非接触定量诊断方法，其特征是，诊断方法及过程为：

(1)基于激光多普勒效应测量待测梁上若干点在随机激励下的弱振动时域信号；

(2)选取梁结构表面上任何非共线三点随机振动时域信号并将其求和，然后做快速傅里叶变换得到频率谱，对频率谱做连续小波变换生成频率-尺度分布图；

(3)在利用卷积神经网络对梁的缺陷进行诊断前，对卷积神经网络进行训练，用正确率、敏感度、特异性和精确率对卷积神经网络的评估效果进行评价，当准确率达到要求时，利用该网络完成梁的定量诊断；

(4)将待测梁的频率-尺度分布图输入训练好的卷积神经网络对梁的缺陷程度进行定量评估。

2.如权利要求1所述的基于卷积神经网络的梁结构缺陷非接触定量诊断方法，其特征是步骤(3)卷积神经网络的训练过程包括两个阶段：前向传播和反向传播，前向传播是将训练样本输入到网络，网络进行输出；反向传播是计算网络的输出与理想的输出误差，然后回传得到每个层的误差，然后使用随机梯度下降法来调整网络参数，直至网络收敛或达到指定的迭代终止条件误差值。

3.如权利要求1所述的基于卷积神经网络的梁结构缺陷非接触定量诊断方法，其特征是步骤(2)连续小波变换的过程为：以任何非共线三点的随机振动时域信号的总和作为输入信号，用傅里叶变换把输入信号所载的缺陷信息从时间域转换到频率域，对傅里叶变换的序列S(k)进行连续小波变换生成频率-尺度分布图；

则连续小波变换定义为:

其中被称为母小波或基小波，母小波经平移和伸缩后得到一个窗函数，其表达式为：

其中a为尺度因子,b为平移因子，尺度因子a用于缩放小波变换，平移因子b用于改变窗口在频率轴上的位置。