Crack Detection Methods of Metal Plates Based on Time-Series Acoustic Images and Deep Learning Algorithm
本文提出了一种金属板裂纹检测方法，该方法将多通道声学信号转换为时序声学图像，并利用轻量化 Transformer 模型实现对不同位置和长度裂纹的高精度且高效的检测。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
金属板是现代工程领域的无声功臣，它们构成了飞机的蒙皮、桥梁的框架以及船舶的船体。随着时间的推移，这些结构在承受压力、振动和冲击，这可能会导致微小的裂纹出现。如果任其不被察觉，这些裂纹会不断生长，最终导致灾难性的失效。几十年来，工程师们一直依赖于需要接触金属或使用昂贵、笨重设备的检测方法来寻找这些缺陷。然而，一种新的方法表明，金属本身或许能够通过它发出的声音来告诉我们它在哪里破损了。当金属板振动时，它会向空气中辐射声波。这种声音的模式会根据金属的健康状况而改变；裂纹会破坏能量的流动，产生独特的声学特征。通过捕捉这些声音模式并利用先进的计算机程序进行分析，无需接触表面即可定位损伤。
合肥工业大学的一个研究小组开发了一种方法来实现这一目标，将声音转化为计算机可以读取的视觉图谱。他们没有使用单个麦克风，而是使用了一个由二十四个麦克风组成的网格阵列，用以捕捉振动金属板发出的声音。这种设置使他们不仅能记录声音的大小，还能记录声波随时间在表面上的移动方式。研究人员将这些录音转化为一系列图像，创建了他们所谓的“时序声学图像”。想象一部电影，每一帧都显示了特定时刻金属板上的声压，其中颜色代表声音的强度。通过将二十帧这样的图像堆叠在一起，他们创建了一个三维数据集，既捕捉了声音的空间布局，又捕捉了其随时间演变的过程。这种视觉呈现方式使得人们能够清晰地看到声场是如何被裂纹扭曲的。
为了测试这个想法，团队首先对带有不同长度和不同位置裂纹的金属板进行了详细的计算机模拟。他们生成了数千张此类时序声学图像，建立了一个包含无裂纹金属板、带有小裂纹金属板和带有较大裂纹金属板的数据集。随后，他们将这些图像输入到三种不同类型的人工智能模型中，以观察哪种模型最能识别损伤。第一个模型是专门用于处理类视频数据的标准深度学习网络。第二个是被称为 Transformer 的更复杂的模型，该模型以理解序列中不同部分之间关系的能力而闻名。第三个是 Transformer 的精简版本，旨在保持相同智能水平的同时，使其更加轻量化和快速。
结果显示，虽然标准网络大多数时候都能找到裂纹，但在准确性方面表现欠佳，仅在 95% 的测试案例中正确识别了损伤。然而，较大的 Transformer 模型则实现了完美的准确率，正确识别了模拟中的每一个裂纹。不过，最显著的发现来自于轻量化版本的 Transformer。尽管它拥有更少的内部组件且所需的计算能力更低，但这个较小的模型同样达到了 100% 的准确率。这证明了该系统并不需要庞大、耗费资源的计算机即可运行；一个更简单、更高效的设计就足以发现由裂纹引起的细微扭曲。研究人员通过可视化模型是如何“观察”数据的，证实了这一点，展示了轻量化模型能够清晰地将带裂纹金属板的声音模式与健康金属板区分开来。
为了确保这种方法不仅能在计算机中工作，也能在现实世界中应用，团队构建了一个物理实验。他们使用了一块 450 毫米乘以 450 毫米的钢板，并使用激光切割机在其中制造了实际的裂纹。他们将金属板安装在一个框架上并使其振动，利用麦克风阵列捕捉声音。正如在模拟实验中一样，他们将声音数据转换为时序声学图像，并将其输入到他们的轻量化模型中。该系统成功识别了金属板上不同长度和不同位置的裂纹，准确率达到 100%。该模型能够区分靠近边缘的裂纹与中间的裂纹，以及分辨出 10 毫米裂纹与 20 毫米裂纹的区别。这证明了该方法足以应对现实世界中声音和结构的各种变化。
研究结论指出，通过倾听金属板并将声音转化为动态图像，是寻找裂纹的一种非常有效的方法。研究人员发现，当存在裂纹时，声场会以一种可预测的方式发生变化，且这些变化足够独特，足以被计算机识别。虽然目前的测试是在受控、安静的环境下进行的，但轻量化模型的成功表明，这项技术最终可以被改装用于嘈杂的工业环境。这种利用简单的非接触式方法实现如此高精度损伤检测的能力，为更安全、更高效地维护关键金属结构提供了一条充满前景的路径。这项工作证实了结构发出的声音是其健康状况的可靠指标，只要拥有正确的工具，我们就能以完美的清晰度读懂这种语言。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。