本申请公开了一种基于深度学习的合金钢力学性能联合无损检测方法,包括:获取标定试样的测量信号特征参量、力学性能参量、样本测量信号特征参量和样本力学性能参量;构建初始无损检测模型,并对初始无损检测模型的输入层节点数和输出层节点数进行等类扩充;建立标定曲线,确定任两个样本测量信号特征参量间的映射关系及标定关联值,并计算初始无损检测模型中输入层与第一隐藏层之间的初始输入权重矩阵;对初始无损检测模型进行训练,当判定初始无损检测模型的输出误差收敛时,将收敛后的初始无损检测模型记作联合无损检测模型。通过本申请中的技术方案,实现合金钢力学性能的联合检测,提高合金钢力学性能检测的稳定性和精度。
声明:
“基于深度学习的合金钢力学性能联合无损检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)