基于导波的无监督分层检测深度生成模型
信号处理
2023-08-11 v1
摘要
随着对航空航天结构稳健结构健康监测程序需求的增长，智能算法和学习技术的范围正在扩大。在有大量、平衡且带标签的数据用于训练的前提下，监督算法在该领域已显示出有前景的结果。对于航空航天等某些应用，数据收集过程繁琐、耗时且昂贵。此外，由于损伤萌生和失效机制的复杂性，在实验室环境中生成可能的损伤场景具有挑战性。除此之外，实时操作的不确定性限制了监督学习在线预测的精度。本文提出深度生成模型用于无监督分层预测，将其作为异常检测问题。在这种基于单类的模型中，深度学习网络被训练以学习基线信号的分布。在测试阶段，损伤信号和未见的基线信号被输入训练好的网络以预测结构状态，即健康或不健康（分层）。可见所提方法能高精度成功预测分层。
引用
@article{arxiv.2308.05350,
title = {Deep generative models for unsupervised delamination detection using guided waves},
author = {Mahindra Rautela and Amin Maghareh and Shirley Dyke and S. Gopalakrishnan},
journal= {arXiv preprint arXiv:2308.05350},
year = {2023}
}