基于深度学习的板状结构单传感器声发射源定位

本文介绍了两种深度学习方法，用于定位具有几何特征（如铆接加强筋）的金属板内的声发射 (AE) 源。具体而言，使用了一个堆叠自编码器和一个卷积神经网络。其核心思路是利用 AE 波形的反射和混响模式及其频散与多模态特性，仅使用一个传感器即可定位其声源。具体来说，本文将结构划分为多个区域，并确定每个声源所在的区域。为了训练、验证和测试深度学习网络，通过 Hsu–Nielsen 断铅测试对疲劳裂纹进行了实验模拟。断铅测试在板的表面和边缘进行。结果表明，两种深度学习网络均能够学习将 AE 信号映射至其声源。这些结果证明，AE 源的混响模式包含与其声源位置相关的重要信息。