本发明属于管道焊缝损伤阶段监测领域，具体涉及一种管道焊缝裂纹损伤阶段识别方法、装置、设备及存储介质。
背景技术：
1、核管道作为核电站中的关键部件，其安全性直接关系到整个核电站的稳定运行及人员安全。在核管道的服役期间，由于长期受到振动、内压等复杂工况的影响，焊缝处极易产生微小裂纹。这些裂纹若不及时检测并处理，将逐渐扩展，最终导致管道断裂，引发介质泄漏，造成重大安全生产事故。因此，对核电压力管道的裂纹扩展进行准确、及时的监测，对于评估管道运行的稳定性和安全性具有极其重要的意义。
2、近年来，随着机器学习技术的飞速发展，其在裂纹损伤模式识别领域的应用也取得了显著进展。模式识别技术，特别是无监督聚类方法，在裂纹损伤模式的离线分析中展现了良好的性能。例如基于声发射(ae)技术的裂纹损伤识别在线监测方法，通过结合多重分形与无监督聚类，实现了对裂纹损伤模式的初步分类。然而，这些方法大多局限于离线分析，难以满足在线监测的实时性要求。为了克服传统方法的不足，研究者们开始探索基于神经网络的在线监测算法。神经网络，特别是卷积神经网络(cnn)，以其强大的特征提取和模式识别能力，在裂纹损伤模式识别中展现出巨大潜力。通过结合cnn和ae信号的时频分析，可以实现对不同材料裂纹的准确分类。然而，现有的神经网络模型在裂纹损伤模式识别中仍存在一些不足，如浅层特征与深层次特征之间的关联不足、多尺度卷积过程中的信息丢失导致的识别精度较差。
技术实现思路
1、针对现有技术中存在的问题，本发明提供了一种管道焊缝裂纹损伤阶段识别方法、装置、设备及存储介质，其目的在于解决现有模型在特征关联和信息保留方面的不足，以实现对核电压力管道裂纹扩展情况的实时、有效监测，提高识别精度，为核电站的安全运行提供有力保障。
2、为了解决上述技术问题，本发明通过以下技术方案予以实现：
3、根据本发明的第一方面，提供一种管道焊缝裂纹损伤阶段识别方法，包括：
4、获取管道焊缝处产生的突发型声发射信号；
5、提取所述突发型声发射信号的时域和频域特征；
6、将所述时域和频域特征输入训练好的管道焊缝损伤阶段识别模型，得到识别结果；所述管道焊缝损伤阶段识别模型是采用样本集训练改进的tcn网络模型得到的，所述样本集包括以已知损伤阶段作为标签的突发型声发射信号对应的时域和频域特征，所述损伤阶段包括弹性损伤阶段、塑性损伤阶段、强化损伤阶段和颈缩断裂损伤阶段，所述改进的tcn网络模型包括多级特征融合模块以及与所述多级特征融合模块连接的全尺度卷积模块，所述多级特征融合模块包括至少两个顺序连接的tcn block，前一个tcn block的输出作为下一个tcn block的输入，且每个tcn block的输出采用concatenate方式连接后作为所述多级特征融合模块的输出。
7、在第一方面的一种可能的实现方式中，所述多级特征融合模块中的第一个tcnblock用于对突发型声发射信号对应的时域和频域特征进行浅层卷积得到边缘特征，其余tcn block依次用于对前一个tcn block的输出特征进行深层卷积得到抽象语义特征，所述多级特征融合模块采用concatenate方式对每个tcn block的输出特征进行融合，得到融合特征；
8、所述全尺度卷积模块的卷积核大小与所述融合特征的维度相匹配，所述全尺度卷积模块用于从所述融合特征的所有感受野中提取完整的局部和全局特征信息。
9、在第一方面的一种可能的实现方式中，所述改进的tcn网络模型还包括连接在所述全尺度卷积模块后的全连接层。
10、在第一方面的一种可能的实现方式中，所述改进的tcn网络模型还包括设置在所述全连接层后的分类输出层，所述分类输出层使用softmax以概率形式显示分类输出结果。
11、在第一方面的一种可能的实现方式中，所述采用样本集训练改进的tcn网络模型时，将所述样本集按照设定比例划分为训练集和测试集，利用smote技术对所述训练集中的弹性损伤阶段、塑性损伤阶段和颈缩断裂损伤阶段进行增强处理。
12、根据本发明的第二方面，提供一种管道焊缝裂纹损伤阶段识别装置，包括：
13、获取模块，用于获取管道焊缝处产生的突发型声发射信号；
14、提取模块，用于提取所述突发型声发射信号的时域和频域特征；
15、识别模块，用于将所述时域和频域特征输入训练好的管道焊缝损伤阶段识别模型，得到识别结果；所述管道焊缝损伤阶段识别模型是采用样本集训练改进的tcn网络模型得到的，所述样本集包括以已知损伤阶段作为标签的突发型声发射信号对应的时域和频域特征，所述损伤阶段包括弹性损伤阶段、塑性损伤阶段、强化损伤阶段和颈缩断裂损伤阶段，所述改进的tcn网络模型包括多级特征融合模块以及与所述多级特征融合模块连接的全尺度卷积模块，所述多级特征融合模块包括至少两个顺序连接的tcn block，前一个tcnblock的输出作为下一个tcn block的输入，且每个tcn block的输出采用concatenate方式连接后作为所述多级特征融合模块的输出。
16、在第二方面的一种可能的实现方式中，所述多级特征融合模块中的第一个tcnblock用于对突发型声发射信号对应的时域和频域特征进行浅层卷积得到边缘特征，其余tcn block依次用于对前一个tcn block的输出特征进行深层卷积得到抽象语义特征，所述多级特征融合模块采用concatenate方式对每个tcn block的输出特征进行融合，得到融合特征；
17、所述全尺度卷积模块的卷积核大小与所述融合特征的维度相匹配，所述全尺度卷积模块用于从所述融合特征的所有感受野中提取完整的局部和全局特征信息。
18、根据本发明的第三方面，提供一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种管道焊缝裂纹损伤阶段识别方法的步骤。
19、根据本发明的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种管道焊缝裂纹损伤阶段识别方法的步骤。
20、与现有技术相比，本发明至少具有以下有益效果：
21、本发明提供的一种管道焊缝裂纹损伤阶段识别方法，所提改进的tcn网络模型能充分挖掘输入的声发射信号时域和频域特征的多层次的、完整的局部和全局信息，实现了输入特征与分类结果的非线性映射，进而完成管道焊缝裂纹损伤阶段快响应、高精度实时监测。首先，提取管道焊缝处产生的声发射信号的时域和频域特征，这些特征中隐藏了管道焊缝裂纹损伤演化的信息，能表征裂纹扩展动态过程。其次，将时域和频域特征输入训练好的改进tcn网络模型，得到损伤阶段的精确识别结果。改进的tcn网络模型中包括多级特征融合模块和全尺度卷积模块。其中，多级特征融合模块中的tcn block保留了传统cnn强大的特征提取能力，是更加适合时间序列建模任务的一维卷积模型。输入的时域和频域特征经过第一个tcn block提取了浅层卷积的边缘特征，然后将边缘特征输入后面的tcnblock，继续提取深层卷积的抽象语义特征，经过每个tcn block处理，获得了多个层次的特征。相较于传统tcn网络模型，多级特征融合模块将不同tcn block提取的多层次特征采用concatenate方式进行融合得到融合特征，融合特征充分集成了不同层次多个全局和局部特征，提取到了输入特征的更多损伤信息。然后将融合特征输入全尺度卷积模块，进一步对融合特征进行全尺度的信息提取和融合。而传统多尺度卷积需要设置合适的卷积核尺寸提取数据的最佳表征特征，这依赖于先验知识，全尺度卷积模块则摆脱这一缺点，可以有效覆盖输入特征的所有感受野，提取的信息更加完整，可明显提高模型对损伤阶段的识别精度。
22、进一步地，结合smote技术对训练集中的弹性损伤阶段、塑性损伤阶段和颈缩断裂损伤阶段进行增强处理，使其和强化损伤阶段的样本数量一致，使模型在对少样本类别仍然具有高精度识别率。
23、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
1.一种管道焊缝裂纹损伤阶段识别方法，其特征在于，包括：
2.根据权利要求1所述的一种管道焊缝裂纹损伤阶段识别方法，其特征在于，所述多级特征融合模块中的第一个tcn block用于对突发型声发射信号对应的时域和频域特征进行浅层卷积得到边缘特征，其余tcn block依次用于对前一个tcn block的输出特征进行深层卷积得到抽象语义特征，所述多级特征融合模块采用concatenate方式对每个tcn block的输出特征进行融合，得到融合特征；
3.根据权利要求1所述的一种管道焊缝裂纹损伤阶段识别方法，其特征在于，所述改进的tcn网络模型还包括连接在所述全尺度卷积模块后的全连接层。
4.根据权利要求3所述的一种管道焊缝裂纹损伤阶段识别方法，其特征在于，所述改进的tcn网络模型还包括设置在所述全连接层后的分类输出层，所述分类输出层使用softmax以概率形式显示分类输出结果。
5.根据权利要求1所述的一种管道焊缝裂纹损伤阶段识别方法，其特征在于，所述采用样本集训练改进的tcn网络模型时，将所述样本集按照设定比例划分为训练集和测试集，利用smote技术对所述训练集中的弹性损伤阶段、塑性损伤阶段和颈缩断裂损伤阶段进行增强处理。
6.一种管道焊缝裂纹损伤阶段识别装置，其特征在于，包括：
7.根据权利要求6所述的一种管道焊缝裂纹损伤阶段识别装置，其特征在于，所述多级特征融合模块中的第一个tcn block用于对突发型声发射信号对应的时域和频域特征进行浅层卷积得到边缘特征，其余tcn block依次用于对前一个tcn block的输出特征进行深层卷积得到抽象语义特征，所述多级特征融合模块采用concatenate方式对每个tcn block的输出特征进行融合，得到融合特征；
8.一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的一种管道焊缝裂纹损伤阶段识别方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的一种管道焊缝裂纹损伤阶段识别方法的步骤。
