近日，我院机械工程学科博士研究生王杭在激光声发射技术测量裂纹深度方面取得重要进展，相关研究成果《基于多元特征自适应提取和夸模态交互融合的激光声发射金属表面裂纹深度检测方法》（Metal surface crack depth laser acoustic emission detection method based on multivariate feature adaptive extraction and cross-modal interaction fusion）发表在《Measurement》。《Measurement》一本专注于测量和仪器科学与技术领域的国际顶级学术期刊，专业认可度高，目前影响因子为5.2（SCI二区Top）。论文第一作者为博士研究生王杭，通讯作者为张立军教授，中国石油大学（华东）、长城汽车股份有限公司和美国南卡罗莱纳大学为合作完成单位，该研究得到山东省自然科学基金项目、山东省重点研发计划（科技型中小企业创新能力提升工程）项目的资助。
论文首页
金属结构表面的裂纹深度检测对于保障设备安全和稳定运行具有重要意义。光学成像、超声检测等常用技术由于数据量、成像维度的限制，在深度检测精度上面临巨大挑战。同时，仿真信号的处理方法在面对不同裂纹深度的非平稳真实信号时，对频域特征提取的能力较弱，以多通道信息建立裂纹深度表征的联系十分困难。
所提裂纹深度的激光声发射检测方法
为解决以上问题，论文提出一种模态分解与深度学习结合的激光声发射裂纹深度检测方法。新方法对于检测微小裂纹深度的弹性波变化更加敏感，展现出比传统检测手段更高的精度级别。同时对多元信号进行频率自适应的特征模态分解和彩色多模态的特征融合，解决目前研究中时频域特征挖掘困难的问题。以注意力融合的主干、全新的夸模态交互融合、层级信息融合策略构建裂纹深度检测网络CDDNet，取得了92.37%的检测准确度和消融研究中五项参数全面提升的结果。其迁移学习达到了0.05mm的裂纹检测精度级别，并在准确度方面优于其他模型，达到了93.6%。该研究所提的方法在汽车配件裂纹检测和高铁轮轴裂纹检测等方面具有广阔应用前景。
论文链接：https://www.sciencedirect.com/science/article/pii/S0263224124019055
