一种温度变化环境下结构损伤的超声导波概率成像方法

本发明提供了一种温度变化环境下结构损伤的超声导波概率成像方法，构建了改进型U‑Net神经网络，其输入数据包含原始导波信号以及归一化的温度偏移量，模型包括三级下采样模块、双卷积层以及三级上采样模块，各级下采样块后连接注意力机制模块，用于动态调整特征权重，增强了温度特征的表示能力，使网络能学习温度变化与信号变化的非线性映射。在获得模型训练数据后，对原始超声导波信号进行滤波处理，对温度数据进行归一化的温度偏移处理，使得经过模型预测输出标准温度下的超声导波信号，从而减少温度对超声导波的幅值及相位干扰，结合概率成像技术实现对结构损伤的高精度定位。本发明方法中数据需求量小，执行步骤少，损伤定位效率优于传统方法。