基于时序二维化和注意力机制的法兰螺栓连接状态识别

针对采用振动对法兰螺栓进行动态激励时采集的声发射信号难以对螺栓连接状态进行精确识别的问题,提出了一种基于注意力网络的信号识别分类方法;采用分段聚合近似和格拉姆角场将声发射信号编码为二维图像,用图像代替一维信号作为诊断依据;为提高对图像的特征提取识别能力,引入注意力机制到残差神经网络中,设计了分组卷积诊断模型,实现了法兰螺栓连接状态的高精度识别.对比所选多种方法的试验结果表明,该方法可以有效地识别螺栓的连接状态,具有较强的细节特征提取能力和泛化性能.