[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

说明书

本发明公开了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，诊断方法及过程为：用激光多普勒非接触方法测量梁上若干点在随机激励下的弱振动时域信号，将其任何非共线三点的随机振动信号相加，然后进行快速傅里叶变换生成频率谱，将频率谱由连续小波变换(CWT)转化生成频率‑尺度分布图。梁结构损伤的定量评价结果可以通过输入梁结构表面上任何非共线三点振动数据的频率‑尺度分布图到训练好的的卷积神经网络(CNN)中，让神经网络给出梁缺陷程度的评判结果。

技术领域

本发明涉及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，属于激光检测与计量和图像处理领域。

背景技术

梁结构被广泛应用于机械工程、土木工程、航空航天等领域，在服役过程中，由于环境温度、长期的机械载荷和各类腐蚀条件的影响，它将不可避免地产生缺陷损伤，导致梁结构的损坏甚至断裂，造成财产的巨大损失和不可估量的灾难性事故。梁结构的快速定量诊断日益成为一个重要的研究课题。传统梁缺陷识别方法需要在梁结构上附加传感器进行测量，附加质量引起薄壁小结构梁的测量结果误差较大，而且测量点的信息不能被完全利用。基于激光多普勒效应的微振动测量不需要额外的传感器，由于其高分辨率和灵敏度、响应时间快、效果好等优点在振动测量领域取得了广泛研究。卷积神经网络是近年发展起来的一种特殊的深层神经网络模型，能够自提取特征，具有高效图像识别能力，主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。基于以上激光多普勒效应的微振动测量和卷积神经网络的特点，本发明提出一种基于卷积神经网络和激光多普勒效应非接触传感的梁缺陷定量诊断方法，利用激光多普勒测振效应获得梁结构表面上若干点在随机激励下的振动时域信号，利用快速傅里叶变换和连续小波变换将梁表面任何不共线的三点随机时域振动信号转换成为二维频率-尺度图，将梁缺陷的定量诊断问题转换为图像识别与分类问题，该方法有望帮助解决服役状态下的梁结构缺陷在线实时评估问题。

发明内容

本发明的目的是提供一种基于卷积神经网络和激光多普勒效应非接触传感的梁缺陷定量诊断方法，利用卷积神经网络和激光多普勒非接触式传感测量对梁缺陷进行定量诊断，展现出高精度，高灵敏度，高效率等优点。

本发明的技术方案是：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：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，将其任何非共线三点的随机振动时域信号相加，然后进行快速傅里叶变换生成频率谱，将频率谱由连续小波变换(CWT)转化生成频率-尺度分布图。梁结构损伤的定量评价结果可以通过输入梁结构表面上任何非共线三点振动时域信号的频率-尺度分布图到训练好的的卷积神经网络(CNN)中，让神经网络给出梁缺陷程度的评判结果。

本发明的具体技术方案如下：

(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，需要对卷积神经网络进行训练，将训练样本输入到卷积神经网络，对网络进行训练，获得输出和输入之间的映射关系；训练样本的来源可以通过物理模拟、现场收集、仿真模拟等手段取得；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，就可以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就可以对梁的缺陷程度进行定量评估。