CN110567558A - 一种基于深度卷积特征的超声导波检测方法 - Google Patents
一种基于深度卷积特征的超声导波检测方法 Download PDFInfo
- Publication number
- CN110567558A CN110567558A CN201910801019.9A CN201910801019A CN110567558A CN 110567558 A CN110567558 A CN 110567558A CN 201910801019 A CN201910801019 A CN 201910801019A CN 110567558 A CN110567558 A CN 110567558A
- Authority
- CN
- China
- Prior art keywords
- convolution
- signal
- guided wave
- convolutional
- self
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 230000015654 memory Effects 0.000 claims abstract description 16
- 230000000306 recurrent effect Effects 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 29
- 238000011176 pooling Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 230000004913 activation Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 230000007787 long-term memory Effects 0.000 claims description 3
- 230000006403 short-term memory Effects 0.000 claims description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 abstract description 5
- 239000000284 extract Substances 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 239000007788 liquid Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 229910052573 porcelain Inorganic materials 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/296—Acoustic waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Electromagnetism (AREA)
- Thermal Sciences (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
Description
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910801019.9A CN110567558B (zh) | 2019-08-28 | 2019-08-28 | 一种基于深度卷积特征的超声导波检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910801019.9A CN110567558B (zh) | 2019-08-28 | 2019-08-28 | 一种基于深度卷积特征的超声导波检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110567558A true CN110567558A (zh) | 2019-12-13 |
CN110567558B CN110567558B (zh) | 2021-08-10 |
Family
ID=68776484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910801019.9A Active CN110567558B (zh) | 2019-08-28 | 2019-08-28 | 一种基于深度卷积特征的超声导波检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110567558B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111272886A (zh) * | 2020-03-24 | 2020-06-12 | 华东理工大学 | 一种基于卷积神经网络的压力容器损伤定位方法 |
CN112668527A (zh) * | 2020-12-31 | 2021-04-16 | 华南理工大学 | 一种超声导波半监督成像检测方法 |
CN113158548A (zh) * | 2021-03-19 | 2021-07-23 | 东南大学 | 基于分散式振动数据和卷积自编码深度学习的结构损伤评估方法 |
CN113408483A (zh) * | 2021-07-14 | 2021-09-17 | 宝钢日铁汽车板有限公司 | 基于卷积自编码网络的焊机焊接过程异常状态检测方法 |
GB2594070A (en) * | 2020-04-15 | 2021-10-20 | James Hoyle Benjamin | Signal processing system and method |
CN113807527A (zh) * | 2020-06-11 | 2021-12-17 | 华硕电脑股份有限公司 | 信号检测方法及使用其的电子装置 |
CN113887454A (zh) * | 2021-10-11 | 2022-01-04 | 华南理工大学 | 基于卷积神经网络点源识别的非接触激光超声检测方法 |
CN115078538A (zh) * | 2022-06-24 | 2022-09-20 | 广东电网有限责任公司广州供电局 | 基于swt-ae的高压电缆铝护套腐蚀超声导波检测方法、系统及介质 |
CN115128166A (zh) * | 2022-06-17 | 2022-09-30 | 广东电网有限责任公司广州供电局 | 基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法及装置 |
CN116596322A (zh) * | 2023-07-17 | 2023-08-15 | 中电建物业管理有限公司 | 一种基于大数据可视化的物业设备管理方法及系统 |
WO2024138991A1 (zh) * | 2022-12-27 | 2024-07-04 | 南方电网调峰调频发电有限公司储能科研院 | 一种基于细分抽象特征的压油气罐声音辨识方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106248801A (zh) * | 2016-09-06 | 2016-12-21 | 哈尔滨工业大学 | 一种基于多声发射事件概率的钢轨裂纹检测方法 |
CN106546892A (zh) * | 2016-11-10 | 2017-03-29 | 华乘电气科技(上海)股份有限公司 | 基于深度学习的局部放电超声音频识别方法及系统 |
CN107515530A (zh) * | 2017-07-12 | 2017-12-26 | 北京控制工程研究所 | 一种基于深度自编码网络的非线性控制分配方法 |
CN108038471A (zh) * | 2017-12-27 | 2018-05-15 | 哈尔滨工程大学 | 一种基于深度学习技术的水声通信调制模式识别方法 |
CN108562709A (zh) * | 2018-04-25 | 2018-09-21 | 重庆工商大学 | 一种基于卷积自编码器极限学习机的污水处理系统水质监测预警方法 |
US20180330518A1 (en) * | 2017-05-11 | 2018-11-15 | Verathon Inc. | Probability map-based ultrasound scanning |
CN110084773A (zh) * | 2019-03-25 | 2019-08-02 | 西北工业大学 | 一种基于深度卷积自编码网络的图像融合方法 |
-
2019
- 2019-08-28 CN CN201910801019.9A patent/CN110567558B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106248801A (zh) * | 2016-09-06 | 2016-12-21 | 哈尔滨工业大学 | 一种基于多声发射事件概率的钢轨裂纹检测方法 |
CN106546892A (zh) * | 2016-11-10 | 2017-03-29 | 华乘电气科技(上海)股份有限公司 | 基于深度学习的局部放电超声音频识别方法及系统 |
US20180330518A1 (en) * | 2017-05-11 | 2018-11-15 | Verathon Inc. | Probability map-based ultrasound scanning |
CN107515530A (zh) * | 2017-07-12 | 2017-12-26 | 北京控制工程研究所 | 一种基于深度自编码网络的非线性控制分配方法 |
CN108038471A (zh) * | 2017-12-27 | 2018-05-15 | 哈尔滨工程大学 | 一种基于深度学习技术的水声通信调制模式识别方法 |
CN108562709A (zh) * | 2018-04-25 | 2018-09-21 | 重庆工商大学 | 一种基于卷积自编码器极限学习机的污水处理系统水质监测预警方法 |
CN110084773A (zh) * | 2019-03-25 | 2019-08-02 | 西北工业大学 | 一种基于深度卷积自编码网络的图像融合方法 |
Non-Patent Citations (2)
Title |
---|
张蕾等: "大数据分析的无限深度神经网络方法", 《计算机研究与发展》 * |
魏东等: "基于卷积神经网络的输电线路区内外故障判断及故障选相方法研究", 《中国电机工程学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111272886A (zh) * | 2020-03-24 | 2020-06-12 | 华东理工大学 | 一种基于卷积神经网络的压力容器损伤定位方法 |
GB2594070B (en) * | 2020-04-15 | 2023-02-08 | James Hoyle Benjamin | Signal processing system and method |
GB2594070A (en) * | 2020-04-15 | 2021-10-20 | James Hoyle Benjamin | Signal processing system and method |
CN113807527A (zh) * | 2020-06-11 | 2021-12-17 | 华硕电脑股份有限公司 | 信号检测方法及使用其的电子装置 |
CN112668527A (zh) * | 2020-12-31 | 2021-04-16 | 华南理工大学 | 一种超声导波半监督成像检测方法 |
CN113158548A (zh) * | 2021-03-19 | 2021-07-23 | 东南大学 | 基于分散式振动数据和卷积自编码深度学习的结构损伤评估方法 |
CN113408483A (zh) * | 2021-07-14 | 2021-09-17 | 宝钢日铁汽车板有限公司 | 基于卷积自编码网络的焊机焊接过程异常状态检测方法 |
CN113887454B (zh) * | 2021-10-11 | 2024-04-30 | 华南理工大学 | 基于卷积神经网络点源识别的非接触激光超声检测方法 |
CN113887454A (zh) * | 2021-10-11 | 2022-01-04 | 华南理工大学 | 基于卷积神经网络点源识别的非接触激光超声检测方法 |
CN115128166A (zh) * | 2022-06-17 | 2022-09-30 | 广东电网有限责任公司广州供电局 | 基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法及装置 |
CN115128166B (zh) * | 2022-06-17 | 2024-07-12 | 广东电网有限责任公司广州供电局 | 基于孪生网络和超声导波的电缆铝护套腐蚀损伤成像方法及装置 |
CN115078538A (zh) * | 2022-06-24 | 2022-09-20 | 广东电网有限责任公司广州供电局 | 基于swt-ae的高压电缆铝护套腐蚀超声导波检测方法、系统及介质 |
CN115078538B (zh) * | 2022-06-24 | 2024-07-09 | 广东电网有限责任公司广州供电局 | 基于swt-ae的高压电缆铝护套腐蚀超声导波检测方法、系统及介质 |
WO2024138991A1 (zh) * | 2022-12-27 | 2024-07-04 | 南方电网调峰调频发电有限公司储能科研院 | 一种基于细分抽象特征的压油气罐声音辨识方法 |
CN116596322A (zh) * | 2023-07-17 | 2023-08-15 | 中电建物业管理有限公司 | 一种基于大数据可视化的物业设备管理方法及系统 |
CN116596322B (zh) * | 2023-07-17 | 2023-10-31 | 中电建物业管理有限公司 | 一种基于大数据可视化的物业设备管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110567558B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110567558B (zh) | 一种基于深度卷积特征的超声导波检测方法 | |
CN110059357B (zh) | 一种基于自编码网络的智能电能表故障分类检测方法及系统 | |
CN112033463B (zh) | 一种核动力设备状态评估与预测一体化方法和系统 | |
CN115081316A (zh) | 基于改进麻雀搜索算法的dc/dc变换器故障诊断方法及系统 | |
CN110991690A (zh) | 一种基于深度卷积神经网络的多时次风速预测方法 | |
CN115146842B (zh) | 基于深度学习的多元时间序列趋势预测方法和系统 | |
CN101900789A (zh) | 基于小波变换与分形维数的容差模拟电路故障诊断方法 | |
CN113836783B (zh) | 斜拉桥主梁温致挠度监测基准值的数字回归模型建模方法 | |
CN109272114A (zh) | 机械装备剩余使用寿命快速有效预测的深度学习方法 | |
CN115951014A (zh) | 一种结合气象特征的cnn-lstm-bp多模态空气污染物预测方法 | |
CN113408644B (zh) | 卫星数据重构方法、探测上层海洋对台风响应的方法 | |
CN116050571A (zh) | 基于Transformer稀疏注意力机制的水质预测方法 | |
CN116451133A (zh) | 一种基于图结构信息的重载机器人减速器故障诊断方法 | |
CN114330120B (zh) | 一种基于深度神经网络预测24小时pm2.5浓度的方法 | |
CN116467933A (zh) | 基于深度学习的风暴潮增水预测方法及系统 | |
CN115877483A (zh) | 一种基于随机森林和gru的台风路径预报方法 | |
CN114692981A (zh) | 基于Seq2Seq模型的中长期径流预报方法和系统 | |
CN111553226B (zh) | 一种基于遥感解译技术提取河流监测断面水面宽度的方法 | |
CN117390962A (zh) | 一种基于二阶循环神经网络的空气质量预测方法 | |
CN116679231A (zh) | 基于格拉姆角场和VGG16模型的锂电池SoH估计方法 | |
CN114383845B (zh) | 一种基于嵌入式零样本学习模型的轴承复合故障诊断方法 | |
CN115296298A (zh) | 一种风电场功率预测方法 | |
CN113487069B (zh) | 一种基于grace日降尺度和新型dwsdi指数的区域洪涝灾害风险评估方法 | |
CN103324990B (zh) | 一种全封闭气体绝缘开关柜密封度预测装置及方法 | |
CN114792026A (zh) | 一种航空发动机设备的剩余寿命预测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240905 Address after: 510641 No. five, 381 mountain road, Guangzhou, Guangdong, Tianhe District Patentee after: SOUTH CHINA University OF TECHNOLOGY Country or region after: China Patentee after: Guangzhou Shipyard International Co.,Ltd. Country or region after: China Address before: 510640 No. five, 381 mountain road, Guangzhou, Guangdong, Tianhe District Patentee before: SOUTH CHINA University OF TECHNOLOGY Country or region before: China |