CN119416395A 基于数字孪生的航空涡轮叶片服役损伤监测方法 （吉林大学）

号基于数字孪生的航空涡轮叶片服役损伤监本发明涉及基于数字孪生的航空涡轮叶片涡轮叶片缺陷演化预测模块利用智能缺陷检测2片三维模型中每一时刻的叶片表面缺陷，得到叶片表面缺陷的类别和位置信息及尺寸信并对该种叶片表面缺陷的演化趋势进行危险所述智能缺陷检测算法包括骨干网络、多个自适应多尺度感在每个自适应多尺度感受野注意力模块中，多层级跨通道特征平均池化操作将输入特征图X在空间维度进行压缩，只保留通道特征，从原维度CXHXW压自适应空间特征提取模块首先依据骨干网络输出的特征图的尺寸大小选择具备对应1X1的卷积将特征图映射到维度为1XHXW的特征图，得到空间注意力权重MS(u)；通过广播机制将通道注意力权重MC(U)和空间注意力权重MS(U)扩展到同一维度并相加，得到融合注意力权重；根据融合注意力权重将输入特征图X中的元素赋予相应的权2.根据权利要求1所述的基于数字孪生的航空涡轮叶片服役损伤监测方法，其特征在33.根据权利要求1或2所述的基于数字孪生在于，多层级跨通道特征提取模块对输入特征图X在空间维度进行压缩的过程用公式表示4.根据权利要求1或2所述的基于数字孪生的航空涡轮叶在于，T_head结构先使用n个带有激活函数的连续转换层对由特征金字塔网络输出的不同入到任务对齐预测器中进行分类任务和位置定位5.根据权利要求4所述的基于数字孪生的航空涡轮叶片服役损伤监测方法，其特征在和表示第i个卷积层和RELU函数，X"表示第i个任务交互特征图，xm6.根据权利要求5所述的基于数字孪生的航空涡轮叶片服役损伤监测方法，其特征在X"=•x⃞,yie,2,…,n（2）X"通过拼接得到。7.根据权利要求6所述的基于数字孪生的航空涡轮叶片服役损伤监测方法，其特征在于，通过调整分类任务的空间分布和位置定位任务的预选框空间分布对两个任务进行对4对于位置定位任务的对齐，通过从交互任务中学习偏移量调整每个位置预B'(i,j,c)=B(i+o(i,j,2xc),j+o(i,j,2xc+1),c)（6）8.根据权利要求7所述的基于数字孪生的航空涡轮叶片服役损伤监测方法，其特征在其中，conv和conv是两个用于降维的1x1卷积。9.根据权利要求1或2所述的基于数字孪生的航空10.根据权利要求1或2所述的基于数字孪生的航空涡轮叶片服役损伤监测方法，其特5构建航空涡轮叶片的数字孪生体，实现了对航空涡轮叶片运行过程中产生缺陷的实时监6尺度感受野注意力模块处理后得到最终的输出特征图，并将输出特征图输入至颈部网络，自适应空间特征提取模块首先依据骨干网络输出的特征图的尺寸大小选择具备利用1X1的卷积将特征图映射到维度为1XHXW的特征图，得到空间注意力权重MS(u)；通过广播机制将通道注意力权重MC(U)和空间注意力权重MS(U)扩展到同一维7[0008]图1为本发明实施例所述的基于数字孪生的航空涡轮叶片服役损伤监测方法的原片三维模型构建模块用于根据涡轮叶片的物理实体构建该实体的1：1涡轮叶片三维模型，集合实体的几何特征和物理特征，构建涡轮叶片三维模型时可以采用Catia软件或者度传感器得到的涡轮叶片实时的载荷数据、旋转速度数据及所处环境的温度数据，通过Comsol仿真软件对三维虚拟实体进行环境模拟，模拟涡轮叶片在运行时的实际工作状态。8[0013]为了实现涡轮叶片中多尺度缺陷的检测，模型的颈部网络采用特征金字塔网络各不相同，深层特征图包含丰富的语义信息即类别信息但由于像素较低，包含的空间信息信息逐渐减少，为了更好地利用不同尺度下的信息特征，将通过特征提取得到的不同尺度的特征图进行结合，对高层特征图进行上采样并与上一层特征图融合，使得该层特征图既融合特征图记作xm。头部网络将基于该集合内的特征图完成缺陷种类及缺陷位置的预测。片表面缺陷的类别和位置。T_head结构与传统单阶段检测输出头部不同，该结构通过对齐任务模块实现分类任务和位置定位任务的交互，以减少两类任务结果的冲突，实现了更精准的分类预测与位置定位。T_head结构共包含两个部分：特征转换结构和任务对齐预测器n个带有激活函数的连续转换层对由FPN网络输出的不同尺度特征图进行处理，得到任务交9和表示第i个卷积层和RELU函数，X"表示第i个任务交互特征图，xm表示由FPN输出的融合特征图。接着将计算得到的任务交互特征图输入到TAP模任务可以在一定程度上消除两个任务不一致的问题。但由于两种任务关注的特征类型不X"=•x⃞,yie,2,…,n（2）B'(i,j,c)=B(i+o(i,j,2xc),j+o(i,j,2xc+1),c)（6）其中，conv和conv是两个用于降维的1×1卷积。网络中间添加了多个自适应多尺度感受野（Adaptivemulti_scalereceptivefield，[0019]多层级跨通道特征提取模块首先通过全局平均池化操作将输入特征图X（即骨干[0021]自适应空间特征提取模块首先依据骨干网络输出的特征图的尺寸大小选择具备[0022]在得到通道注意力权重MC(U)和空间注意力权重MS(U)后，通过广播机制将MC(U)和MS(U)扩展到同一维度并相[0023]本发明所提出的基于数字孪