Resumen

La identificación precisa y rápida de defectos basada en pruebas de corriente de Foucault pulsada (PECT) juega un papel importante en la integridad estructural y el monitoreo de la salud (SIHM) del equipo en servicio en el sistema de energía renovable. Sin embargo, en los métodos convencionales de identificación de defectos basados en datos, la extracción de características de la señal es demorada y requiere experiencia experta. Para evitar la dificultad de la extracción manual de características y superar las deficiencias de la red convolucional profunda clásica (DCNN), como el gran uso de memoria y el alto costo computacional, se propone un pipeline inteligente de reconocimiento de defectos basado en el método de transformación general Warblet (GWT) y una DCNN bidimensional (2-D) optimizada. El método GWT se utiliza para convertir la señal PECT unidimensional (1-D) en una imagen en escala de grises 2D que se utiliza como entrada de la DCNN 2D. Se propone un método compuesto para optimizar la VGG

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Identificación de defectos; Pruebas de corriente de Foucault pulsada; Integridad estructural; Monitoreo de salud; Red neuronal convolucional profunda; Red optimizada
• Keywords:Defect identification; Pulsed eddy current testing; Structural integrity; Health monitoring; Deep convolutional network; Optimized network