權(quán)利要求書(shū)： 1.基于深度學(xué)習(xí)和聲發(fā)射的風(fēng)機(jī)葉片損傷兩步定位方法，其特征在于，包括步驟：步驟一：建立由獲取的監(jiān)測(cè)數(shù)據(jù)組成的風(fēng)機(jī)葉片結(jié)構(gòu)損傷聲發(fā)射數(shù)據(jù)集；步驟二：特征提?。簭谋O(jiān)測(cè)數(shù)據(jù)中提供數(shù)據(jù)特征，數(shù)據(jù)特征包括聲發(fā)射信號(hào)的到達(dá)時(shí)間差特征、信號(hào)峰值幅度特征和信號(hào)到達(dá)峰值的時(shí)間特征；步驟三：結(jié)構(gòu)損傷區(qū)域分類(lèi)；用聲發(fā)射信號(hào)的到達(dá)時(shí)間差特征形成的訓(xùn)練集與驗(yàn)證集，對(duì)基于長(zhǎng)短期記憶深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)建立的風(fēng)機(jī)葉片結(jié)構(gòu)損傷區(qū)域定位模型進(jìn)行訓(xùn)練，得到最優(yōu)的損傷區(qū)域定位模型；將聲發(fā)射信號(hào)的到達(dá)時(shí)間差特征形成的測(cè)試集的數(shù)據(jù)輸入最優(yōu)的損傷區(qū)域定位模型，由最優(yōu)的損傷區(qū)域定位模型處理后輸出結(jié)構(gòu)損傷區(qū)域分類(lèi)結(jié)果；步驟四：損傷坐標(biāo)定位將聲發(fā)射信號(hào)的到達(dá)時(shí)間差特征、信號(hào)峰值幅度特征和信號(hào)到達(dá)峰值的時(shí)間特征形成訓(xùn)練集與驗(yàn)證集，對(duì)基于長(zhǎng)短期記憶深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)建立的風(fēng)機(jī)葉片結(jié)構(gòu)損傷坐標(biāo)定位模型進(jìn)行訓(xùn)練，得到最優(yōu)的損傷坐標(biāo)定位模型；將聲發(fā)射信號(hào)的到達(dá)時(shí)間差特征、信號(hào)峰值幅度特征和信號(hào)到達(dá)峰值的時(shí)間特征形成的測(cè)試集的數(shù)據(jù)輸入最優(yōu)的損傷坐標(biāo)定位模型，由最優(yōu)的損傷坐標(biāo)定位模型處理后輸出損傷坐標(biāo)定位結(jié)果。2.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)和聲發(fā)射的風(fēng)機(jī)葉片損傷兩步定位方法，其特征在于，所述的監(jiān)測(cè)數(shù)據(jù)獲取時(shí)，是在風(fēng)機(jī)葉片上選定有待監(jiān)測(cè)區(qū)域布置傳感器網(wǎng)絡(luò)，在待監(jiān)測(cè)區(qū)域建立劃分采樣網(wǎng)格，在劃分采樣網(wǎng)格點(diǎn)實(shí)施斷鉛試驗(yàn)聲發(fā)射源，收集斷鉛試驗(yàn)聲發(fā)射源發(fā)出的聲發(fā)射信號(hào)，獲取監(jiān)測(cè)數(shù)據(jù)。3.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)和聲發(fā)射的風(fēng)機(jī)葉片損傷兩步定位方法，其特征在于，所述的聲發(fā)射信號(hào)的到達(dá)時(shí)間差通過(guò)傳感器之間的到達(dá)時(shí)間差 確定；，對(duì)于一對(duì)傳感器，聲發(fā)射波的實(shí)際到達(dá)時(shí)刻 和 的時(shí)間差和根據(jù)聲發(fā)射信號(hào)的首達(dá)時(shí)間 和 計(jì)算得到的到達(dá)時(shí)間差是相同的。4.根據(jù)權(quán)利要求3所述基于深度學(xué)習(xí)和聲發(fā)射的風(fēng)機(jī)葉片損傷兩步定位方法，其特征在于，所述聲發(fā)射信號(hào)的首達(dá)時(shí)間根據(jù)赤池信息準(zhǔn)則確定，對(duì)任一傳感器信號(hào)：，其中，var表示計(jì)算方差， 是由選定窗口確定的時(shí)間序列信號(hào)， 是 信號(hào)的時(shí)間長(zhǎng)度， 是遍歷 中的每個(gè)時(shí)刻， 值最小時(shí)即為聲發(fā)射信號(hào)的首達(dá)時(shí)間。5.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)和聲發(fā)射的風(fēng)機(jī)葉片損傷兩步定位方法，其特征在于，所述損傷區(qū)域定位模型依次包含一個(gè)帶有注意力機(jī)制的雙向LSTM