基于加速度和卷积神经网络的船体板裂纹损伤检测

摘要

裂纹是船舶结构中最常见的损伤形式之一。由于船舶结构十分复杂而且密闭空间多,传统的依靠人力的裂纹损伤检测方法耗时长、主观依赖性强,难以满足智能船舶的需求。本文提出了一个基于加速度和卷积神经网络(convolutional neural networks,CNN)的船体板裂纹损伤实时在线无损检测方法,该方法能够自动地学习裂纹损伤特征。通过基于Python语言的Abaqus二次开发技术建立简支板损伤模型并计算其动力学响应。采集板的加速度数据用于训练CNN模型,利用数据裁剪技术对数据集进行扩充,讨论了不同CNN结构形式对船体板裂纹损伤检测的影响。与基于小波包变换的多层感知机神经网络相比,提出的CNN方法能够更好地提取裂纹位置和长度损伤特征,同时对噪声的敏感程度较低。