摘要
本发明公开了一种适用于故障劣化程度评估的声学成像方法及系统包括:获取待测区域第一场景特征以及第二声学特征;预设第一识别模型,第一识别模型至少包括第一机制,第一机制用于识别目标故障;基于第一识别模型,结合第一场景特征以及第二声学特征,获取声学成像结果。将激光测距与声学成像模块进行融合,并行采集现场数据;同时提取场景模型特征与故障声学特征,使用两种类型的特征并行对故障劣化程度进行评估;搭建神经网络模型,该模型可将场景模型特征与声学特征进行融合,实现故障劣化程度评估。在声学成像算法引入了深度学习中的注意力机制,扩大了声学成像检测的频率检测范围。
技术关键词
声学成像方法
声学特征
场景特征
混合特征提取
频域特征提取
信号
声学成像系统
采集现场数据
时域特征提取
模型训练模块
麦克风阵列
成像算法
神经网络模型
数据获取模块
成像模块
注意力机制
处理器
系统为您推荐了相关专利信息
模型转换方法
模型拓扑结构
多线程技术
顶点
场景特征
训练测试方法
场景类别
算法
实车测试方法
交通流
情景
变量
语音播报模块
数据采集模块
车载多媒体技术
切割脆性材料
多模态信息融合
信号采集模块
反馈控制系统
反馈控制模块