典型文献
基于深度学习的导波特征提取及其激光超声检测
文献摘要：
针对激光超声检测中波场的三维数据处理计算量大且损伤特征提取难的问题,提出了一种基于深度学习模型的导波波场分析方法.首先,以VGG-Net网络为框架,建立了基于VGG11(A-LRN)的残差网络模型,用于挖掘时间-空间波场数据中的导波特征;其次,以局部波数特征为物理机理,采用导波传播的解析式生成训练样本,解决了深度学习大数据获取的问题,获得了波场特征提取的神经网络模型;最后,以激光超声系统在含损伤结构中的实验数据作为测试样本,验证了所提出的网络模型能够提取表征损伤的导波特征,实现了结构的损伤成像,其损伤成像精度均在67％以上,损伤形貌的可视化效果好.
文献关键词：
激光超声;导波;卷积神经网络;深度学习
中图分类号：
作者姓名：
张超;魏宇;王宏远;陶翀骢;裘进浩
作者机构：
南京航空航天大学机械结构力学及控制国家重点实验室 南京 210016
文献出处：
引用格式：
[1]张超;魏宇;王宏远;陶翀骢;裘进浩-.基于深度学习的导波特征提取及其激光超声检测)[J].仪器仪表学报,2022(11):242-251
A类：
B类：
导波,波特征,激光超声检测,中波,三维数据处理,计算量,损伤特征,深度学习模型,波波,Net,VGG11,LRN,残差网络模型,空间波,波数,物理机理,波传播,解析式,训练样本,数据获取,波场特征,超声系统,提取表征,损伤成像,成像精度
AB值：
0.394519
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
