管道焊缝裂纹损伤阶段识别方法、装置、设备及存储介质

AITNT
正文
推荐专利
管道焊缝裂纹损伤阶段识别方法、装置、设备及存储介质
申请号:CN202411024472
申请日期:2024-07-29
公开号:CN119000881A
公开日期:2024-11-22
类型:发明专利
摘要
本发明公开了一种管道焊缝裂纹损伤阶段识别方法、装置、设备及存储介质,将时域和频域特征输入训练好的管道焊缝损伤阶段识别模型,得到识别结果;管道焊缝损伤阶段识别模型是采用样本集训练改进的TCN网络模型得到的,样本集包括以已知损伤阶段作为标签的突发型声发射信号对应的时域和频域特征,损伤阶段包括弹性损伤阶段、塑性损伤阶段、强化损伤阶段和颈缩断裂损伤阶段,改进的TCN网络模型包括多级特征融合模块以及与多级特征融合模块连接的全尺度卷积模块,多级特征融合模块包括至少两个顺序连接的TCN block,前一个TCN block的输出作为下一个TCN block的输入,且每个TCN block的输出采用concatenate方式连接后作为多级特征融合模块的输出。本发明的目的在于解决现有模型在特征关联和信息保留方面的不足,以实现对核电压力管道裂纹扩展情况的实时、有效监测,提高识别精度,为核电站的安全运行提供有力保障。
技术关键词
多级特征融合 频域特征 阶段 卷积模块 识别方法 融合特征 裂纹 管道焊缝处 输出特征 样本 网络 语义特征 识别装置 信号 可读存储介质 处理器 压力管道
系统为您推荐了相关专利信息
1
考虑缓存区容量限制的家具板材智能排样方法以及系统
智能排样方法 订单 家具板材 邻域 搜索算法
2
一种基于深度强化学习的数据流处理方法及系统
深度强化学习模型 神经架构搜索 拓扑图 拓扑特征 故障特征
3
一种物联网电子信息识别方法及系统
电子信息识别方法 分类识别模型 融合特征 多模态传感器 数据分类识别
4
复合信号对比学习机制下基于Venn-Abers模型的故障诊断方法
故障诊断方法 故障诊断模型 信号故障诊断 故障类别 故障特征提取
5
基于深度学习的山体状态实时监测识别方法及系统
状态实时监测 裂缝 声光告警装置 识别方法 时间序列图像
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号