[发明专利]基于声发射信号的导管架水下裂纹检测系统及其方法

权利要求书

1.一种基于声发射信号的导管架水下裂纹检测系统，其特征在于，包括：

声发射回波信号采集模块，用于获取声发射传感器作用于待测导管架的声发射回波信号；

域映射模块，用于对所述声发射回波信号进行格拉姆角和场变换以得到格拉姆角和场图像；

第一特征提取模块，用于将所述格拉姆角和场图像通过使用空间注意力的第一卷积神经网络模型以得到第一声发射检测特征图；

第二特征提取模块，用于将所述格拉姆角和场图像通过使用通道注意力的第二卷积神经网络模型以得到第二声发射检测特征图；

特征融合模块，用于融合所述第一声发射检测特征图和所述第二声发射检测特征图以得到分类特征图；

特征流形校正模块，用于对所述分类特征图进行高维特征流形校正以得到校正后分类特征图；以及

检测结果生成模块，用于将所述校正后分类特征图通过分类器以得到分类结果，所述分类结果用于表示导管架是否存在水下裂纹。

2.根据权利要求1所述的基于声发射信号的导管架水下裂纹检测系统，其特征在于，所述第一特征提取模块，进一步用于：

使用所述使用空间注意力的第一卷积神经网络模型的卷积编码部分对所述格拉姆角和场图像进行深度卷积编码以得到第一格拉姆角和场卷积特征图；

将所述第一格拉姆角和场卷积特征图输入所述使用空间注意力的第一卷积神经网络模型的空间注意力部分以得到空间注意力图；

将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及

计算所述空间注意力特征图和所述第一格拉姆角和场卷积特征图的按位置点乘以得到所述第一声发射检测特征图。

3.根据权利要求2所述的基于声发射信号的导管架水下裂纹检测系统，其特征在于，所述第二特征提取模块，进一步用于：

将所述格拉姆角和场图像输入所述使用通道注意力的第二卷积神经网络模型的多层卷积层以得到第二格拉姆角和场卷积特征图；

计算所述第二格拉姆角和场卷积特征图的沿通道维度的各个特征矩阵的全局均值以得到通道特征向量；

将所述通道特征向量输入所述Sigmoid激活函数以得到通道注意力权重向量；以及

以所述通道注意力权重向量中各个位置的特征值作为权重对所述第二格拉姆角和场卷积特征图的沿通道维度的各个特征矩阵进行加权以得到所述第二声发射检测特征图。

4.根据权利要求3所述的基于声发射信号的导管架水下裂纹检测系统，其特征在于，所述特征融合模块，进一步用于：以如下公式融合所述第一声发射检测特征图和所述第二声发射检测特征图以得到分类特征图；

其中，所述公式为：

其中，F为所述分类特征图，F₁为所述第一声发射检测特征图，F₂为所述第二声发射检测特征图，表示按位置加法，λ和β为用于控制所述第一声发射检测特征图和所述第二声发射检测特征图之间的平衡的加权参数。

5.根据权利要求4所述的基于声发射信号的导管架水下裂纹检测系统，其特征在于，所述特征流形校正模块，进一步用于：以如下公式对所述分类特征图进行高维特征流形校正以得到所述校正后分类特征图；

其中，所述公式为：

其中,f_i和f_j表示所述分类特征图的各个位置的特征值，且表示所述分类特征图的所有特征值的均值，且N表示所述分类特征图的尺度，exp(·)表示数值的指数运算，所述数值的指数运算表示以数值为幂的自然指数函数值，f_i'表示所述校正后分类特征图的各个位置的特征值。

6.根据权利要求5所述的基于声发射信号的导管架水下裂纹检测系统，其特征在于，所述检测结构生成模块，包括：

特征图展开单元，用于将所述校正后分类特征图按照行向量或列向量展开为分类特征向量；

全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及

分类单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。