基于CNN-BiLSTM及ResNet网络的板中损伤TFM定位与检测研究OA北大核心CSTPCD
针对全聚焦(Total Focusing Method,TFM)成像技术因其耗时长,在工业应用中受限的问题,提出一种基于CNN-BiLSTM(Convolutional Neural Network-Bi-directional Long Short-Term Memory)网络的快速TFM成像方法,首先利用卷积神经网络从全矩阵数据中提取关键特征,接着结合双向长短期记忆网络来预测金属板上损伤的区域位置,再使用TFM技术在损伤区域进行精确成像.为了…查看全部>>
颜劲夫;何其骏;瞿业峰;李义丰
南京工业大学计算机与信息工程学院(人工智能学院),南京211800南京工业大学计算机与信息工程学院(人工智能学院),南京211800南京工业大学计算机与信息工程学院(人工智能学院),南京211800南京工业大学计算机与信息工程学院(人工智能学院),南京211800 近代声学教育部重点实验室,南京大学声学研究所,南京210093
Lamb波TFM损伤检测CNN-BiLSTMResNet
《南京大学学报（自然科学版）》 2024 (4)
P.566-576,11
国家自然科学基金(61571222)江苏省研究生科研与实践创新计划(SJCX24_0563)。
评论