摘要
本发明涉及无损检测技术领域,公开了组件隐裂声发射信号特征增强提取方法,包括以下步骤:S1、使用声发射传感器在组件受力时采集声发射信号;S2、对采集的声发射信号进行预处理,采用小波变换去除背景噪声和干扰信号;S3、通过时频分析技术提取与隐裂相关的信号特征;S4、采用特征增强技术对提取的特征进行处理,生成增强特征向量;S5、基于增强特征向量进行隐裂识别和定位。本发明中,采用自适应高通滤波、卷积神经网络特征学习以及主成分分析降维的一体化处理链,在保持高速信号流畅处理的同时输出压缩后的增强特征向量,能够同时兼顾实时性与判定准确性,满足在线监测对快速处理与可靠判定的需求。
技术关键词
信号特征
声发射传感器
卷积神经网络特征学习
时频分析技术
连续小波变换
背景噪声
声发射检测系统
成分分析
高通滤波器
集中度
卷积神经网络提取
信号预处理模块
随机森林
压力容器
高频段
无损检测技术
信号采集模块
可读存储介质
系统为您推荐了相关专利信息
无线电
指纹特征
指纹库构建方法
信号特征
信号传播路径
界面识别方法
DS证据理论
梯形模糊数
三角模糊数
多源信息融合算法
自然语音
识别系统
特征提取模块
数据采集器
矩阵
信号特征
飞行状态数据
序列
无人机
深度卷积网络
输出特征
深度神经网络模型
信号重构方法
积层
注意力机制