基于无监督深度学习的声发射信号聚类分析

• 作者: 李睿 张纯 万乐 闫小青
• 来源期刊: 无损检测
• 学科: 工学
• 关键词: 声发射信号 无监督学习 特征提取 聚类分析 卷积自编码器 模式识别
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 试验研究
• 页码范围: 5-10
• 页数: 6页
• 分类号: TB33|TG115.28
• 语种: 中文
• DOI: 10.11973/wsjc202102002

摘要

为提高声发射信号检测诊断的自动化程度,直接从声发射波形出发,提出了一种基于深度神经网络与聚类分析的声发射信号分类方法.针对声发射信号标签数据难以获取的问题,采用无监督学习方式,根据大量声发射实测波形进行深度一维卷积自编码器训练,实现了声发射信号特征的自动提取,进而结合K均值聚类算法准确区分不同类型的声发射信号.铅芯在复合材料板上突然断裂和摩擦的声发射试验表明,提出的方法能自动识别不同类别的声发射信号,识别效果优于基于人为设定声发射信号特征的聚类方法.