摘要
本发明公开了一种基于应力波信号的裂纹扩展定量检测的增量学习方法,涉及无损检测技术领域。该包括:采集应力波信号,提取频域特征;基于0‑5mm裂纹样本数据集构建并训练BiLSTM模型,提取高维特征向量,作为裂纹检测的初始特征;将高维特征向量映射到二维空间,定量评估不同裂纹样本特征的分布差异;根据裂纹样本特征分布和模型检测精度,动态调整历史数据保留比例;引入混沌抽样策略,结合熵域融合指数选取样本进行经验回放;引入6‑10mm裂纹扩展数据,采用增量学习对BiLSTM模型进行更新;利用最终检测模型对裂纹扩展程度进行定量评估。通过实时裂纹监测、基于多频域特征的高精度检测,以及分阶段增量训练策略,提高模型的检测精度和泛化能力。
技术关键词
增量学习方法
高维特征向量
BiLSTM模型
样本
双向长短期记忆网络
逻辑
指数
应力
传感器监测裂纹
因子
数据采集仪器
频域特征提取
信号采集系统
更新网络参数
无损检测技术
分阶段
系统为您推荐了相关专利信息
曝气控制方法
BP神经网络模型
生化池
生化需氧量
溶解氧
智能光学
可见光图像
跟踪方法
深度神经网络模型
训练样本集
数据更新频率
数据安全性
算法
特征值
计算机程序代码
NOx排放浓度预测方法
粒子
锅炉
边界策略
特征选择