本發明公開基于空洞卷積網絡的金屬零件疲勞監測方法及系統,對金屬對象進行無損探測,所述無損探測過程中對所述金屬對象的一端施加壓電信號并于金屬對象的另外一端接收壓電信號,所述壓電信號在所述金屬對象中傳播形成具有時間屬性和裂縫長度屬性的蘭博波;采用k大小的卷積核和l大小的空洞率對所述蘭博波的時間序列信號f進行空洞卷積,對所述壓電信號重采樣并進行任務回歸獲得用于金屬零件疲勞監測的神經網絡模型。本發明將壓電信號特征與用電鏡原位觀測得到的準確金屬裂縫長度之間建立機器學習模型,通過機器學習模型只需借助簡單易操作的壓電信號發射接收就能夠實現對反映金屬疲勞程度的裂縫長度預測。
聲明:
“基于空洞卷積網絡的金屬零件疲勞監測方法及系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)