基于Hilbert算法和DnCNN的复合材料损伤层析成像方法

摘要

针对柔性压阻纤维传感器对于复合材料损伤成像质量较差，目标检测效果不如压电陶瓷的特点，提出了一种基于希尔伯特算法和去噪卷积神经网络算法的层析成像方法。利用柔性压阻纤维能接收兰姆波的特点，通过计算希尔伯特谱差值的方法进行成像。以成像实验数据作为数据集，和人为标记损伤位置点进行对比用来训练去噪神经网络，引入了结构相似度作为训练网络效果的评判标准，改进了压阻纤维传感器成像质量相对不高和传感路径相对较少的问题。结果表明，经过去噪卷积神经网络训练后的成像图像有更好的成像质量，结构相似度从0.607 2增长到了0.973 4,证明去噪卷积神经网络在柔性传感器层析成像方面有显著的作用。

关键词

复合材料 / 层析成像 / 神经网络 / 去噪 / 损伤探测 / 希伯尔特算法