基于FSDP图像和DCNN的无人机起落架关键件结构损伤智能检测方法
Intelligent detection approach for the critical part in the landing gear of UAV based on the FSDP figure and DCNN作者机构:国防科技大学智能科学学院长沙410073 国防科技大学装备综合保障技术重点实验室长沙410073
出 版 物:《中国科学:技术科学》 (Scientia Sinica(Technologica))
年 卷 期:2023年第53卷第8期
页 面:1372-1384页
核心收录:
学科分类:0710[理学-生物学] 0810[工学-信息与通信工程] 08[工学] 082501[工学-飞行器设计] 080203[工学-机械设计及理论] 1010[医学-医学技术(可授医学、理学学位)] 082503[工学-航空宇航制造工程] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 1009[医学-特种医学] 0801[工学-力学(可授工学、理学学位)] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(批准号:52275140 52105133 51975576)资助项目。
主 题:无人机 起落架 损伤检测 FSDP图像 深度卷积神经网络
摘 要:随着无人机的应用越来越广泛,与之相适应的保障手段也需与时俱进.在人工智能快速发展的情况下,故障诊断与人工智能方法相结合为无人机保障关键技术的跨越式发展提供了重要契机,也为无人机的使用安全性与运行可靠性水平的提升提供了重要机遇.本文以结构健康监测中的超声信号分析方法为基础,针对无人机起落架关键结构件的损伤检测问题开展研究,结合深度学习模型,对结构件的损伤进行智能化检测,提高检测效率和检测精度.针对结构健康监测中损伤信号的非线性特点,提出了频谱对称点阵图案(frequency symmetrized dot pattern,FSDP)特征提取方法.在此基础上,提出了基于FSDP特征与深度卷积神经网络的损伤智能检测方法.在起落架T型构件实验环境中开展了结构损伤模拟与检测实验,通过实验数据验证了所提出的智能检测方法的有效性.