基于无监督深度学习的声发射信号聚类分析

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.

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

所属期刊栏目：43

分类号：TB33;TG115.28(工程材料学)

资助基金：国家自然科学基金项目;江西省自然科学

在线出版日期：2021-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：5-10