申请/专利权人：河北工业大学;河北工业大学重庆科创中心

申请日：2024-03-08

公开（公告）日：2024-06-07

公开（公告）号：CN118150704A

主分类号：G01N29/44

分类号：G01N29/44;G01N29/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.25#实质审查的生效;2024.06.07#公开

摘要：本发明公开了一种线列式多谐次双重决策融合的微裂纹群细微参数识别方法，属于超声无损检测技术领域，包括：S1、获取由平面纵波与微裂纹群模型内微裂纹群损伤相互作用产生的三组超声波信号；S2、获取由二次谐波与三次谐波组成的两种超声非线性响应；S3、获取样本集，将所述样本集随机划分为训练集和测试集；S4、搭建一维卷积神经网络；S5、训练所述一维卷积神经网络；S6、构建第一决策级融合框架；S7、构建第二决策级融合框架。本发明通过非线性超声无损检测技术、深度学习与决策级多源融合模型相结合实现对微裂纹群多细微参数的识别。

主权项：1.一种线列式多谐次双重决策融合的微裂纹群细微参数识别方法，其特征在于，包括：S1、利用共面的信号发射源与三个超声波传感器，获取由平面纵波与微裂纹群模型内微裂纹群损伤相互作用产生的三组超声波信号；S2、根据超声波从信号发射源出发后到达微裂纹群位置，发生相互作用产生超声响应回到超声波传感器的总时间，对三组超声波信号进行波包提取，获取由二次谐波与三次谐波组成的两种超声非线性响应；S3、首先更新微裂纹群模型的参数，重复S1和S2若干次，得到不同超声波传感器对应的不同组合细微参数微裂纹群的不同非线性响应，然后将若干个不同非线性响应组成样本集，最后将所述样本集随机划分为训练集和测试集；S4、搭建一维卷积神经网络，以单一超声波传感器的单一超声非线性响应作为网络输入，以微裂纹群细微参数组合标签作为网络输出；S5、训练所述一维卷积神经网络，得到单一超声波传感器下单一超声非线性响应对微裂纹群多细微参数组合标签的识别概率，根据识别概率得到每个测试集样本的识别标签，将识别标签与真实标签对比获取单一超声波传感器下单一非线性响应的识别准确率；随机更换卷积神经网络初始权重与偏差若干次，同时随机抽取新的训练集与测试集样本，再次训练一维卷积神经网络若干次并得到每次的识别准确率，进而获得若干次识别准确率的均值与标准差；S6、构建第一决策级融合框架，将所述单一超声波传感器下各非线性响应的识别概率作为证据体，输入第一决策级融合框架，利用经典DS证据理论计算得到单一超声波传感器下的识别准确率；S7、构建第二决策级融合框架，将各超声波传感器改进后的识别概率作为新证据体，输入第二决策级融合框架，利用经典DS证据理论得到三个超声波传感器综合识别准确率。

全文数据：

权利要求：

百度查询： 河北工业大学;河北工业大学重庆科创中心 线列式多谐次双重决策融合的微裂纹群细微参数识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD