碳纤维损伤分类网络

参数量降九成

用极低复杂度的循环卷积网络，对碳纤维复材声发射损伤信号做单模式识别与叠加损伤区分。

邵云飞 · Guo, Fuping · 蒋鹏 · 李伟 · 张卫强

Structural Health Monitoring 2024

参数信息

分类精度

99.02 %

参数量降低比例

94.42 %

叠加信号比例

19.4 %

技术优势

识别精度高

在单损伤模式测试集上分类精度达到99.02%，能可靠区分不同损伤类型。

部署成本低

与经典AE分类模型相比，参数量减少94.42%，可在计算资源受限的监测系统中部署。

识别叠加损伤

模型识别出损伤过程19.4%的AE信号处于叠加状态，表明多种损伤模式同时发生，为结构健康评估提供更完整信息。

应用场景

• 碳纤维复材结构健康监测：自动识别拉伸损伤模式，无需人工标注海量AE信号。
• 声发射在线监测：低复杂度模型可实时处理AE波形，输出损伤类型。
• 复材损伤实时诊断：同步区分叠加损伤，揭示多种失效模式并发。
• 结构损伤智能识别：端到端学习替代人工特征工程，提升识别效率。