应用深度学习识别法兰螺栓连接状态

摘要

针对常规诊断方法对螺栓的连接状态识别效果差、鲁棒性和抗噪性弱等问题,提出了基于深度学习理论的螺栓检测新方法.首先以4种预紧力状态下的法兰螺栓结构产生的声发射信号为研究对象,借助于自适应噪声的完整集成经验模态分解理论以及梅尔频率倒谱系数特征提取方式,实现了声发射信号的自适应消噪和最优模态函数分量组的选取,提取到了可以较好分辨螺栓连接状态的梅尔频率倒谱系数特征值.通过训练模型,较好地对4种连接状态下的螺栓进行了识别.结果表明,该模型在法兰螺栓的声发射信号的诊断中,准确率高,具有较好的抗噪性和鲁棒性.