一种基于虚拟传感器和信息融合的螺栓松动检测方法

为了解决现有的基于振动信号的螺栓状态检测方法，在无法布设大量传感器的情况下螺栓状态检测效果较差、识别率较低的技术问题，本发明提出一种基于虚拟传感器和信息融合的螺栓松动检测方法，以奇异值分解重构信号矩阵作为虚拟传感器采集的振动信号矩阵，扩充了振动信号数据集的规模，包含更多螺栓连接结构健康状态的特征信息，有效缓解了难以布置足够数量的传感器所导致的振动信号采集不充足所引起的神经网络模型识别检测精度低的问题，使得训练好的神经网络模型能更好地捕捉振动信号数据特征，提高神经网络模型的泛化能力，降低了网络训练过程中出现过拟合现象的风险。