共查询到19条相似文献,搜索用时 484 毫秒
1.
2.
人工神经网络在电磁无损检测中的应用 总被引:5,自引:3,他引:5
介绍人工神经网络在电磁无损检测领域的应用现状,重点讨论BP(误差反向传播)神经网络、模糊BP神经网络和径向基函数(RBF)神经网络,分别以应用实例讨论了它们在漏磁和涡流无损检测中的应用。人工神经网络是实现电磁无损检测定量化的有效途径。 相似文献
3.
4.
《组合机床与自动化加工技术》2017,(10)
为了解决当前钢板表面缺陷在对比度弱、边缘复杂和光照不均干扰下易导致检测能力较低的问题,文章提出了基于SIFT特征与多层BP神经网络的钢板缺陷检测算法。首先,引入高斯差分和Hessian矩阵,对钢板图像进行空间尺度函数计算,统计SIFT深度向量特征,完成缺陷特征的检测与收集。然后,基于神经网络原始模型,计算其第五层输出结果,优化缺陷检测结果,并最小化输出层与期望值的差异平方,滤除伪SIFT特征的干扰,建立多层BP神经网络拓扑分析算子,准确识别钢板缺陷。最后,基于软件工程,设计检测系统软件,对文中算法的缺陷检测精度进行测试。实验测试结果显示:与当前主流钢板缺陷检测技术相比,文中算法拥有更高的准确性与鲁棒性。 相似文献
5.
锁相热成像是一种应用越来越多的无损检测技术。为了更好的进行锁相红外无损检测,必须全面了解物体内部结构改变对表面相位的影响,更准确地得到锁相红外无损检测各参数设置。本文通过有限元分析方法模拟了锁相加热红外无损检测过程,重点分析了频率对锁相加热红外无损检测的影响,并用法国CEDIP红外成像系统进行实验验证,为进一步进行定量化锁相红外无损检测提供借鉴。 相似文献
6.
钢丝绳在建筑、旅游、运输等行业中已得到了广泛应用,由其断丝、磨损等缺陷所引起的安全隐患备受人们关注。采用双探头低频透射式钢丝绳电涡流无损检测方案,选取感应信号相对于激励信号的峰-峰值差和相位差作为特征量,采用数字式峰-峰值算法和占空比原理计算信号特征量。应用BP神经网络对钢丝绳缺陷进行自动识别,以钢丝绳型号及其缺陷特征量为网络输入,以是否存在断丝及断丝数量为网络输出,通过离线训练方法获取神经网络辨识模型。对实验数据进行识别,结果表明BP神经网络能对断丝缺陷及其数量进行有效的定性及定量识别。 相似文献
7.
针对传统的BP算法存在收敛性能差,易陷入局部最小的缺点,在涡流无损检测的缺陷快速识别中,提出采用遗传算法(GA)作为神经网络的学习算法。为避免网络的过早收敛,对传统的遗传BP网络进行了改进,应用自适应算法选择遗传算子值。结果表明,与BP神经网络相比,改进GA神经网络的收敛性能和推广能力都有了显著提高。 相似文献
8.
核电是公认的清洁能源,但核电安全问题日益引起人们的高度关注。采用有限元仿真的方法研究了核电站蒸汽发生器传热管缺陷特征与涡流阻抗信号之间的关系。利用内穿式差动Bobbin线圈对传热管缺陷进行了数值模拟检测。研究了缺陷形状结构对缺陷信号特征的影响,分析了检测频率、裂纹宽度和裂纹深度对缺陷信号特征的影响。通过对仿真试验结果的分析,发现不同缺陷结构、不同缺陷宽度、不同缺陷深度及不同检测频率对涡流阻抗信号影响具有各自明显的规律。该研究成果对核电站在役管道的涡流无损检测具有重要的实用价值和理论意义。 相似文献
9.
10.
11.
12.
13.
14.
15.
16.
17.
介绍一种将传统边界元法和兰姆波的本征模式函数相结合的混合边界元法,以此计算兰姆波在板材内部传播时遇到障碍物或不连续界面时所发生的反射(或透射)问题,得到了若干频率入射兰姆波与板中不同深度缺陷相互作用的关系。数值计算结果表明,兰姆波与板中不连续体相互作用后存在模式转换现象,此工作对板材兰姆波的快速无损检测有一定的借鉴作用。 相似文献
18.
19.
A new method for stress testing based on the theory of Barkhausen noise has been introduced using changing feature values for monitoring stress and temperature. However, changes in temperature not only have an effect on the stress but also the MBN signal itself. In order to get the accurate stress value and eliminate the temperature effect, we proposed a data processing method for stress testing based on MBN. The study found that within the steel elastic range, the Barkhausen noise feature values, including mean value, RMS value, ring numbers, peak value and the ratio of envelope peak and full peak width at half of maximum amplitude decrease with increasing temperature, there is a fixed monotonic relationship which provides a theoretical basis for building the back propagation (BP) neural network model, with stress as the output value and temperature, mean value, RMS value, ring numbers, peak value and the ratio of peak and full width of half maximum as the input values. The MATLAB 7.8.0 neural network toolbox was used to model and simulate the neural network and samples used to validate the trained BP neural network. The results showed that the network had a high degree of accuracy and generalization ability, to get the values of stress. 相似文献