基于时频分析和深度学习的表面粗糙度超声模式识别方法.pdfVIP

2022 年 8 月 电 工 技 术 学 报 Vol.37 No. 15 第 37 卷第 15 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Aug. 2022 DOI:10.19595/ki.1000-6753.tces.210707 基于时频分析和深度学习的表面粗糙度 超声模式识别方法 蔡智超 孙翼虎 赵振勇 李毅博 （华东交通大学电气与自动化工程学院 南昌 330013 ） 摘要 表面粗糙度直接决定着工件的性能和使用寿命，由于传统的基于光学或三维形貌的表 面粗糙度检测方法存在对工件表面清洁状态及操作环境要求较高等问题，因此，该文提出一种基 于深度学习的非接触式电磁超声表面粗糙度识别方法。首先通过建立不同表面粗糙度的电磁超声 有限元仿真模型，研究了涡流密度和洛仑兹力对激励与接收信号的影响。然后利用所提出的卷