-
题名基于LSTM神经网络的声发射信号识别研究
被引量：7
- 1
-
-
作者
周俊
尹悦
夏斌
-
机构
陆军勤务学院石油与天然气工程博士后科研流动站
重庆市商务经济研究院
集美大学诚毅学院
-
出处
《计算机科学》
CSCD
北大核心
2021年第S02期319-326,共8页
-
基金
重庆市教委科学技术研究项目(KJZD-K201904401,KJZD-K202004401)
人工智能视域下高职院校贫困学生资助工作效能提升实践研究(2020-GX-414)
+1 种基金
2021重庆市教育委员会人文社会科学研究学生资助研究项目(21skxszz01)
重庆商务职业学院人工智能技术应用协同创新中心。
-
文摘
声发射检测不需要进入被检对象中进行检测,与其他无损检测技术相比具有实时性、整体性和高灵敏度等独特优势。早期参数分析、小波分析等方法在声发射信号特征提取上缺乏理论指导,具有一定主观性,BP神经网络应用于声发射信号识别中时网络训练容易陷入局部极值,LSTM神经网络可以对输入序列数据进行逐层学习并自适应提取特征,避免了特征的人工选择和提取,较好地解决了存在的问题。文中提出一种基于LSTM的声发射信号识别模型,在声发射信号z-score标准化基础上,对比不同学习算法、隐层神经元数、正则化dropout rate下的测试集正确识别率,优化声发射信号识别模型,与BP神经网络的声发射信号识别准确率进行对比,实验结果表明,LSTM神经网络在Adam算法中,当隐层神经元数为250,dropout rate为0.5时,声发射信号识别率最高且为76.51%,优于BP神经网络53.9%的最高识别率。
-
关键词
声发射信号
识别
LSTM神经网络
BP神经网络
-
Keywords
Acoustic emission signal
Recognition
LSTM neural network
BP neural network
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
