一种基于深度学习的天线罩结构健康检测方法

摘要

天线罩主要用于重要设备的环境防护,通常安装在自然环境条件较差的地区.在已有的天线罩结构健康监测设备的基础上,可以采集到一种通过振动发生器对框架型天线罩施加固定频率和幅度的脉冲振动检测感应到的框架型天线罩的振动信号.该设备运用传统的基于特征提取的方法和模式识别技术可以得到天线罩结构健康度,但是由于环境噪声和振动源敲击力度影响使得特征提取不稳定且困难.为解决该技术问题,提出一种基于深度学习的天线罩结构健康检测方法,分别利用VGG16网络和VGGish提取深层特征及模型微调,实现振动音频信号分类识别进而得出结构健康度.实验表明,提出的识别算法有效提升了识别准确率,减少了训练时间,基于微调VGGish的深度学习算法在天线罩结构健康状态上平均准确率为95.59％,验证了基于深度学习的天线罩结构健康检测方法性能及可行性.