一种基于深度学习的电涡流扫描图像分类识别方法

    公开(公告)号:CN110188774B

    公开(公告)日:2022-12-02

    申请号:CN201910443855.4

    申请日:2019-05-27

    摘要: 本发明公开了一种基于深度学习的电涡流扫描图像分类识别方法,步骤为:S1、采集被测材料的电涡流扫描图像,并进行预处理;S2、构建训练样本与测试样本;S3、使用Sobel算子处理,得到去背景化的训练样本;S4、构建多个稀疏降噪自编码器,并初始化;S5、输入训练样本与去背景化的训练样本,对多个稀疏降噪自编码器进行无监督的逐层自学习预训练;S6、将多个训练好的稀疏降噪编码器的编码网络提取出来进行栈式组合构建栈式稀疏降噪自编码深度神经网络;S7、结合数据标签,使用BP算法与批量梯度下降法对深度神经网络进行微调;S8、将测试样本输入深度神经网络进行性能测试。该方法使隐含层提取到的图像特征能更加简明地反映材料缺陷,有利于分类准确率提高。

    基于多频激励的电涡流扫描三维成像方法

    公开(公告)号:CN117761154A

    公开(公告)日:2024-03-26

    申请号:CN202311615933.7

    申请日:2023-11-30

    摘要: 本发明公开了基于多频激励的电涡流扫描三维成像方法,步骤为:S1、初始化扫描与检测装置,开始扫描检测;S2、在扫描点#imgabs0#处对电涡流线圈施加m个频率的激励电流;S3、获取电涡流线圈位于该扫描点处的m个反馈电压值;S4、利用#imgabs1#维的成像灵敏度矩阵#imgabs2#列出扫描点电线圈压值关于被测材料垂直方向电导率的不适定方程组;S5、求解不适定方程组,获得扫描点#imgabs3#处的被测材料垂直电导率分布;S6、重复步骤S2到S5,直到全部扫描点检测完成;S7、将所有扫描点检测到的电导率分布组合成三维矩阵;S8、将三维矩阵元素转换为带透明度的RGBA像素值显示,得到三维检测图像。本申请通过多频响应重构三维图像,无需增加传感器数量与方向,降低对检测设备信道数量的需求。

    一种基于深度学习的电涡流扫描图像分类识别方法

    公开(公告)号:CN110188774A

    公开(公告)日:2019-08-30

    申请号:CN201910443855.4

    申请日:2019-05-27

    摘要: 本发明公开了一种基于深度学习的电涡流扫描图像分类识别方法,步骤为:S1、采集被测材料的电涡流扫描图像,并进行预处理;S2、构建训练样本与测试样本;S3、使用Sobel算子处理,得到去背景化的训练样本;S4、构建多个稀疏降噪自编码器,并初始化;S5、输入训练样本与去背景化的训练样本,对多个稀疏降噪自编码器进行无监督的逐层自学习预训练;S6、将多个训练好的稀疏降噪编码器的编码网络提取出来进行栈式组合构建栈式稀疏降噪自编码深度神经网络;S7、结合数据标签,使用BP算法与批量梯度下降法对深度神经网络进行微调;S8、将测试样本输入深度神经网络进行性能测试。该方法使隐含层提取到的图像特征能更加简明地反映材料缺陷,有利于分类准确率提高。

    基于多频激励的电涡流扫描三维成像方法

    公开(公告)号:CN117761154B

    公开(公告)日:2024-05-17

    申请号:CN202311615933.7

    申请日:2023-11-30

    摘要: 本发明公开了基于多频激励的电涡流扫描三维成像方法,步骤为:S1、初始化扫描与检测装置,开始扫描检测;S2、在扫描点#imgabs0#处对电涡流线圈施加m个频率的激励电流;S3、获取电涡流线圈位于该扫描点处的m个反馈电压值;S4、利用#imgabs1#维的成像灵敏度矩阵#imgabs2#列出扫描点电线圈压值关于被测材料垂直方向电导率的不适定方程组;S5、求解不适定方程组,获得扫描点#imgabs3#处的被测材料垂直电导率分布;S6、重复步骤S2到S5,直到全部扫描点检测完成;S7、将所有扫描点检测到的电导率分布组合成三维矩阵;S8、将三维矩阵元素转换为带透明度的RGBA像素值显示,得到三维检测图像。本申请通过多频响应重构三维图像,无需增加传感器数量与方向,降低对检测设备信道数量的需求。

    一种基于全自由度的浅水水下机器人

    公开(公告)号:CN116062130A

    公开(公告)日:2023-05-05

    申请号:CN202211639663.9

    申请日:2022-12-20

    摘要: 本发明公开了一种基于全自由度的浅水水下机器人,包括主体框架、底座、上壳、动力驱动系统、云台、观测和照明系统和机械臂;底座固定连接于主体框架下端,上壳固定连接于主体框架上端;云台通过安装槽板固定连接于主体框架内部;观测和照明系统通过安装板固定连接于主体框架一侧上端;机械臂通过连接板固定连接于主体框架的下端且位于观测和照明系统的下方设置;动力驱动系统包括第一推进器和第二推进器。本发明实现了水下机器人的全自由度运动,能够保证机器人实现上升、下沉、前进、后退、横移、横滚、俯仰、偏航等运动方式,保证了整体的稳固和便捷,高效提高了水下作业的效率。

    一种正三角相控阵螺栓紧固结构健康监测系统及方法

    公开(公告)号:CN112162036B

    公开(公告)日:2022-01-11

    申请号:CN202010971215.3

    申请日:2020-09-16

    摘要: 本发明涉及一种正三角相控阵螺栓紧固结构健康监测系统及方法,于工程结构健康监测技术领域。本发明包括上位机、信号发生器、功率放大器、正三角相控阵传感网络、电荷放大器、信号采集器卡。本发明利用正三角相控阵传感器网络对螺栓的松紧状态及螺栓周围结构进行结构健康监测,以一颗装配好的螺栓为等边三角形的中心,在等边三角形的三个顶点各布置一组压电传感阵列;采用相控阵方法激励和接收在被测结构中传播的表征结构健康状态的Lamb波信号;将采集到的信号放大后传送至上位机,在上位机中利用差分法和窗函数等方法获得相应的结构损伤信号,对信号进一步分析得出螺栓松紧状态和以螺栓为中心的正三角形区域内结构的缺陷和损伤位置情况。

    一种基于ZigBee无线传感网络与压电传感器的结构健康监测系统及方法

    公开(公告)号:CN112394107A

    公开(公告)日:2021-02-23

    申请号:CN202010971223.8

    申请日:2020-09-16

    IPC分类号: G01N29/04 H04W4/38 H04W84/18

    摘要: 本发明涉及一种基于ZigBee无线传感网络与压电传感器的结构健康监测系统及方法,属于工程结构健康监测技术领域。本发明包括PC端、无线传输单元、RF射频天线、ZigBee网络、信号发生器、功率放大器、信号接口单元、压电传感器阵列单元、电荷放大器、数据采集卡、电源模块单元。压电传感器阵列单元由压电传感器根据不同需求排列成各类不同拓扑结构组成;无线传输单元由ZigBee芯片构成。本发明利用ZigBee无线传感网络传输压电传感器阵列单元采集到的Lamb波结构损伤信号,实现对被监测结构的实时在线监测。通过无线方式传输数据,能够有效的简化结构健康监测系统的连线复杂性,有利于压电传感器的大规模组网,降低运维成本,提高结构健康监测系统的准确性和实时性。

    一种基于ToF损伤因子的碳纤维复合材料疲劳损伤概率成像方法

    公开(公告)号:CN112179990A

    公开(公告)日:2021-01-05

    申请号:CN202010964437.2

    申请日:2020-09-15

    IPC分类号: G01N29/06 G01N29/44

    摘要: 本发明涉及一种基于ToF损伤因子的碳纤维复合材料疲劳损伤概率成像方法,属于工程结构健康监测技术领域。首先将压电传感网络中被监测区域均匀的划分为N个小网格,并把每个小网格看作一个像素点;然后计算每条激励‑传感通道的ToF损伤因子;其次根据ToF损伤因子计算每个像素点在每条激励‑传感通道的损伤存在概率;最后叠加各像素点在每条激励‑传感通道的损伤概率,并将各像素点的损伤存在概率映射为像素值并成像,成像图中损伤概率较大的位置即为损伤可能存在的位置。本发明相比于传统的损伤概率成像方法不仅能够准确的识别和定位损伤,而且能有效提高损伤成像的可视化效果,并能获得损伤的大致形状和大小。

    一种导电结构缺陷稀疏电涡流快速成像检测方法及系统

    公开(公告)号:CN109884180A

    公开(公告)日:2019-06-14

    申请号:CN201910115396.7

    申请日:2019-02-14

    IPC分类号: G01N27/90

    摘要: 本发明公开了一种导电结构缺陷稀疏电涡流快速成像检测方法及系统,该成像检测方法包括初始化处理步骤、获取稀疏缺陷信号步骤和重建信号并成像识别步骤。本发明利用导电结构中缺陷空间分布的稀疏特性,结合压缩感知原理,以远小于常规奈奎斯特采样定理所需信号采样数量的采样次数来进行稀疏采样,然后利用优化算法从少量稀疏采样信号中准确重构出导电结构的缺陷成像信息同时无需额外增加现有缺陷信号采集设备的硬件设计,提高了导电结构缺陷电涡流快速成像检测的效率。

    一种基于惯性测量单元的电涡流传感器及其扫描成像方法

    公开(公告)号:CN117554479A

    公开(公告)日:2024-02-13

    申请号:CN202311615936.0

    申请日:2023-11-30

    IPC分类号: G01N27/9013 G01N27/90

    摘要: 本申请属于传感器无损检测技术领域,提供一种基于惯性测量单元的电涡流传感器及其扫描成像方法,可用于导电材料的电涡流无损检测,其主要优势在于手动扫描操作下的自动成像。所述基于惯性测量单元的电涡流传感器,包括顶盖、外壳、底盖、激励线圈、感应线圈、线圈骨架、PCB电路板、惯性测量单元和接线端子。本申请可以在电涡流检测手动扫描时自动获取传感器空间位置,并将不同位置检测信号自动组合成像,克服了传统电涡流扫描检测中手动扫描难以记录传感器位置、机械扫描依赖扫描装置的缺点。