Page 51 - 无损检测2022年第三期

申 庆, 等:

加筋板智能导波损伤识别与评估

能力。由图 10 ( 使用包含不同程度损伤的试验与仿 准。图 11 为经损伤识别数据库训练后的 CNN 对
真混合数据库进行训练) 可见, CNN 很快就收敛了, 数据库中损伤的识别结果( 图中“ 0 ” 表示无损伤,“ 1 ”
说明文章所提的深度学习识别算法能够快速且稳定 表示有损伤)。由图 11 可见, 有无损伤、 损伤位置、
地抓取数据库中与损伤相关的特征。 损伤程度的识别精度均达到了 99% , 这说明 CNN
4.2 测试结果 能够较准确地实现对脱黏损伤的识别, 为智能导波
文章以混淆矩阵作为测试网络性能的 评价标 损伤检测提供新思路。

图 11 经损伤识别数据库训练后的 CNN 对数据库中损伤的识别结果

状对兰姆波透射特性的影响[ J ] . 声 学 学 报, 2019 , 44
5 结语
( 2 ): 231-240.

文章提出的检测算法在训练过程中收 敛性较 [ 6 ] RICCIF , MONACOE , MAIOL , etal.Guidedwaves

好, 表明其能够抓取和学习数据库中与损伤相关的 inastiffenedcom p ositelaminatewithadelamination

[ J ] .StructuralHealth Monitorin g , 2016 , 15 ( 3 ): 351-
特征。测试结果表明该方法能够实现 T 型筋加筋

358.
板中脱黏损伤的识别和评估, 可为智能超声导波损
[ 7 ] 李锐华, 潘玲, 严辰, 等 . 基于导波的大电机定 子 绝 缘
伤检测方法的应用提供理论依据和新思路。
损伤检 测 实 验 研 究 [ J ] . 高 电 压 技 术, 2014 , 40 ( 5 ):
参考文献: 1539-1545.
[ 8 ] 徐亮 . 基于卷积神经网络的疲劳裂纹诊断[ D ] . 南京:
[ 1 ] 韩伟, 冯侃, 骆英 . 基于超声兰姆波的双曲线定位损伤 南京航空航天大学, 2019.

成像方法[ J ] . 无损检测, 2021 , 43 ( 4 ): 46-50. [ 9 ] ZARGAR S A , YUAN F G.Im p actdia g nosisin
[ 2 ] 孙洪宇, 彭丽莎, 屈凯峰, 等 . 机器学习在复合 绝 缘 子 stiffened structural p anels usin g a dee p learnin g

缺陷超声检测中的应用与展望[ J ] . 无 损 检 测, 2021 ,
a pp roach [ J ] .StructuralHealth Monitorin g , 2021 , 20
43 ( 5 ): 58-63. ( 2 ): 681-691.
[ 3 ] 刘鹏飞, 刘南希, 李祚华, 等 . 钢管混凝土构件 的 介 质 [ 10 ] 张茹, 柴亚南, 张阿盈, 等 . 含预制脱黏的加筋壁板损
多相性及 导 波 检 测 [ J ] . 无 损 检 测, 2021 , 43 ( 5 ): 43- 伤扩展[ J ] . 机械强度, 2020 , 42 ( 3 ): 716-722.

48. [ 11 ] SRIVASTAVA N , HINTONG , KRIZHEVSKYA ,
[ 4 ] 郑跃滨, 武湛君, 雷振坤, 等 . 基于超声导波的 航 空 航 et al.Dro p out : a sim p le wa y to p revent neural

天结构损伤诊断成像技术研究进展[ J ] . 航空制造技 networks from overfittin g [ J ] . The Journal of

术, 2020 , 63 ( 18 ): 24-43.
Machine Learnin g Research , 2014 , 15 ( 1 ): 1929-
[ 5 ] 李一博, 刘圆圆, 芮小博 . 板状材料上加强筋的几何形
1958.

欢迎网上投稿 欢迎订阅 欢迎刊登广告

7
1
2022 年 第 44 卷 第 3 期
无损检测