摘要
本发明公开了一种基于神经网络和预训练原理的裂纹滑移类型识别方法,包括以下步骤:根据真实对象结构的几何特征和材料参数,建立数值计算模型;添加裂纹源,并设置裂纹的尺寸、位置和类型;添加计算结果输出位置,输出位置分别对应真实对象结构中传感器的布置位置;使用数值模型,计算裂纹滑移/扩展激发的弹性波场,输出设定位置处的弹性波时域信号曲线,拾取各个位置处信号曲线的幅值;随机改变裂纹的类型,保持其他参数不变,计算不同裂纹类型对应的信号幅值,建立裂纹类型特征参数‑信号幅值的数据集;基于前馈神经网络模型,设计输入层、中间层和输出层的神经元数量;训练神经网络模型;评估训练结果,获得裂纹滑移类型识别模型。
技术关键词
前馈神经网络
识别方法
训练神经网络模型
数值
中间层
对象
传感器
信号
数据
幅值
曲线
参数
裂纹尺寸
切线斜率
波场
分布特征
精度
线性
系统为您推荐了相关专利信息
仿真方法
数字岩心模型
结构化网格
数值仿真模型
方程
黎曼
状态预测系统
介质
状态预测方法
水平集函数
全局特征融合
估计方法
特征提取网络
多头注意力机制
前馈神经网络