《表1 不同测试条件下裂纹扩展辨识结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《疲劳裂纹扩展的卷积神经网络辨识》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

此外，考虑其他试件数据作为测试数据时的情况，即以试件V2～V6中的一个试件数据作为测试数据用于测试，剩余试件数据作为训练数据用于训练。表1为不同测试条件下的常规多项式方法和本文所提CNN方法的结果对比。可以看到在6组不同测试条件下，仅当V2试件数据为测试数据时常规方法辨识结果要优于CNN方法，其原因在于V2试件数据作为测试数据时，CNN训练过程中发生过拟合。尽管如此，在剩余的5组情况中本文所提方法均要优于常规方法，特别是在V1和V6试件数据用于测试时，损伤特征分散性比较大，本文所提CNN方法的辨识结果有明显提升。此时在所有6组的疲劳裂纹扩展辨识中，常规多项式拟合方法裂纹最大误判长度为2.95mm，本文所提方法裂纹最大误判长度为1.66mm。