文献类型：期刊文章

作　　者：殷鹰[1] 谢罗峰[2] 黄泰博[3]

YIN Ying;XIE Luofeng;HUANG Taibo(Sichuan Special Equipment Inspection Institute,Chengdu 610061,China;School of Mechanical Engineering,Sichuan University,Chengdu 610065,China;School of Intelligent Manufacturing,Sichuan University Jincheng College,Chengdu 611731,China)

机构地区：[1]四川省特种设备检验研究院,四川成都610061 [2]四川大学机械工程学院,四川成都610065 [3]四川大学锦城学院智能制造学院,四川成都611731

出　　处：《中国测试》

基　　金：国家自然科学青年基金项目(51205265);四川省科技计划项目(2018GZ0289)。

年　　份：2020

卷　　号：46

期　　号：3

起止页码：32-38

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对开发一套智能化磁瓦内部缺陷检测设备的需求,提出一种基于深度一维卷积网络的智能识别方法。该方法通过原始时域信号训练深度一维卷积网络,利用卷积网络逐层挖掘信号隐藏特征能力完成智能诊断。与传统方法相比,利用深度一维卷积网络能够摆脱对专家经验和信号处理知识的依赖,以其强大的自动提取特征能力完成磁瓦内部缺陷的智能诊断。在3种类型磁瓦数据上进行特征提取和缺陷识别,实验结果表明,该方法能够有效地从声音信号中提取缺陷特征和识别,结合开发的机械设备,能够满足磁瓦内部缺陷智能化检测的需求。

关 键 词：深度学习  无损检测 磁瓦 内部缺陷  

分 类 号：TN911.73]