近日,華東理工大學劉立帥博士等人在智慧損傷檢測與成像領域的研究取得新進展,相關成果連續發表在工程技術與計算機科學領域頂刊IEEE Transactions on Industrial Informatics(影響因數10.215)上(DOI: 10.1109/TII.2021.3101309;DOI: 10.1109/TII.2021.3124576)。
高端裝備智慧運維與全壽命週期健康管理是裝備智能化和工業經濟數位化的熱點與難點,依賴於結構損傷的全面資訊獲取與損傷特徵智慧判別和結構資訊三維重建。近年來,機器學習科技在結構損傷識別與分類任務中獲得了優异表現,然而在缺乏大量標記數據支撐的實際工業應用中難以充分發揮其優勢。實際工業場景中標記海量樣本需要專業領域知識和巨額成本支撐,依賴於大量標記樣本的監督學習方法的泛化能力受到嚴重制約。
針對上述問題,研究團隊提出了一種瞬態熱波成像檢測的半監督學習框架,利用編碼到暫態熱波影像序列數據中的時間和空間資訊對多種類型缺陷進行識別和分類,同時克服了工業應用中由於標記樣本不足而導致泛化效能不佳的問題。瞬態熱波成像檢測輸出的三維張量資料結構非常適合與機器學習科技結合產生點數級識別結果。研究團隊提出了用於瞬態熱波成像檢測半監督學習的MCLSVM方法,基於數據聚類假設劃分超平面以最大間隔分離標記數據的同時穿過數據低密度區域,以利用實際工業場景中可用的大量未標記數據來提高學習泛化效能。實驗結果驗證了在僅有少量標記樣本可用於訓練的情况下所提出方法相比傳統的監督算灋的優越性。研究為實際工業場景中的損傷智慧檢測與識別任務提供了一種行之有效的方案。
圖1瞬態熱波成像檢測缺陷識別與分類的半監督學習框架
作為現時最有效的光學干涉無損檢測科技,剪切散斑成像科技在各種工業應用中受到廣泛歡迎。然而,該科技存在忽略動態表面形變全過程資訊和無法表徵結構深度分辨資訊的缺點。針對剪切散斑成像科技的局限性,研究團隊提出了一種新型散斑干涉成像模態:光熱雷達瞬態剪切散斑干涉斷層掃描成像。不同於傳統剪切散斑成像的差分模式,該工作利用調頻光熱激勵將結構深度分辨資訊編碼到結構動態表面形變過程。利用希爾伯特變換和離散余弦變換對記錄的瞬態散斑影像序列每個點數的時域干涉訊號進行解調以得到瞬態全場剪切相位分佈。同時,使用增量延遲互相關匹配濾波定位結構軸向能量分佈以生成結構深度層析反演成像結果。光熱雷達瞬態剪切散斑干涉斷層掃描成像首次實現了基於光學散斑干涉量測科技的結構損傷三維視覺化,對裝備結構損傷多通道資訊反演研究發展提供了重要科技支撐。
圖2光熱雷達瞬態剪切散斑干涉斷層掃描成像
上述論文的第一作者為機械與動力工程學院青年教師劉立帥博士,研究工作得到了國家自然科學基金重點專案、國家傑出青年基金項目、上海市揚帆計畫項目等資助。
論文連結:
https://ieeexplore.ieee.org/document/9503305;https://ieeexplore.ieee.org/document/9599555。