基于边界元场变量数据驱动的机械结构裂纹识别方法

本发明公开一种基于边界元场变量数据驱动的机械结构裂纹识别方法，首先利用边界元数值分析技术建立裂纹分析的正向分析模型，计算不同类型、不同裂纹参数、不同位置下机械结构的物理场变量，经后处理后获得相关数值分析场变量云图；然后在不同区域布置相关传感器采集该区域的结构图像、物理量图像，并将数值分析图像数据和传感器采集图像数据相结合，经过数据融合、归一化和数据增强等技术进行图像处理后输入到裂纹识别混合网络深度学习模型中，搭建基于数模驱动的费舍尔向量与深度卷积神经网络融合的裂纹识别模型，精确识别机械结构中的裂纹参数，为机械结构的裂纹识别与裂纹故障的演化提供一种精确可靠的预测方法，为实现机械装备智能化检测提供技术支撑。