本发明公开基于空洞卷积网络的金属零件疲劳监测方法及系统,对金属对象进行无损探测,所述无损探测过程中对所述金属对象的一端施加压电信号并于金属对象的另外一端接收压电信号,所述压电信号在所述金属对象中传播形成具有时间属性和裂缝长度属性的兰博波;采用k大小的卷积核和l大小的空洞率对所述兰博波的时间序列信号f进行空洞卷积,对所述压电信号重采样并进行任务回归获得用于金属零件疲劳监测的神经网络模型。本发明将压电信号特征与用电镜原位观测得到的准确金属裂缝长度之间建立机器学习模型,通过机器学习模型只需借助简单易操作的压电信号发射接收就能够实现对反映金属疲劳程度的裂缝长度预测。
声明:
“基于空洞卷积网络的金属零件疲劳监测方法及系统” 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)