10.11857/j.issn.1674-5124.2019050035
基于深度学习的磁瓦内部缺陷声振检测方法
针对开发一套智能化磁瓦内部缺陷检测设备的需求,提出一种基于深度一维卷积网络的智能识别方法.该方法通过原始时域信号训练深度一维卷积网络,利用卷积网络逐层挖掘信号隐藏特征能力完成智能诊断.与传统方法相比,利用深度一维卷积网络能够摆脱对专家经验和信号处理知识的依赖,以其强大的自动提取特征能力完成磁瓦内部缺陷的智能诊断.在3种类型磁瓦数据上进行特征提取和缺陷识别,实验结果表明,该方法能够有效地从声音信号中提取缺陷特征和识别,结合开发的机械设备,能够满足磁瓦内部缺陷智能化检测的需求.
深度学习、无损检测、磁瓦、内部缺陷
46
TN911.73
国家自然科学青年基金项目;四川省科技计划项目
2020-04-24（万方平台首次上网日期，不代表论文的发表时间）
共7页
32-38
