基于贝叶斯估计的漏磁缺陷轮廓重构方法研究

漏磁缺陷轮廓重构是指由检测到的漏磁信号重构缺陷轮廓及参数,是实现漏磁反演的关键。目前常用的反演方法包括神经网络法和优化法,但神经网络法的计算精度受噪声影响严重,优化法计算量大。针对这些问题,提出基于递推贝叶斯估计的漏磁缺陷重构算法。建立缺陷轮廓与漏磁信号的状态空间模型,将反演问题描述为基于状态和观测方程的典型的离散时间跟踪问题,对漏磁信号进行了反演,并在不同信噪比下对神经网络法和所提方法进行了反演效果的比较。结果表明：基于递推贝叶斯估计方法的漏磁信号反演算法精度高,同时对噪声具有鲁棒性,是一种有效可行的漏磁反演新方法。     

基于稀疏化LS-SVM的漏磁缺陷三维轮廓重构

漏磁缺陷轮廓重构是指由检测到的漏磁信号重构缺陷轮廓及参数，是实现漏磁反演的关键。将最小二乘支持向量机( LS-SVM)应用于漏磁缺陷的三维轮廓重构中，并对LS-SVM采取了稀疏化处理，将漏磁信号磁通密度法向分量Bz作为支持向量机网络的输入，缺陷的几何参数长度、宽度、深度作为输出，由实验测量数据和三维有限元仿真计算得到的仿真数据组建样本库。建立了由缺陷的漏磁信号到缺陷三维轮廓图的映射关系，实现了缺陷三维轮廓的重构。实验结果表明：该方法具有很高的精度和很好的泛化能力，同时对噪声也有一定容忍能力。     

双小波神经网络迭代的漏磁缺陷轮廓重构技术

在二维漏磁缺陷重构中,建立基于径向基小波神经网络(RWBF)的正演和反演模型,提出了一个反馈形式的双小波神经网络迭代模型,通过迭代使目标函数最小化,实现对缺陷轮廓的快速逼近。用仿真和实验获取的训练样本分别对正演和反演模型的RWBF进行训练。为了提高径向基神经网络的适应性和精度,提出了一种新的训练算法。首先确定最优分解层数,然后利用梯度下降法修正网络的权值。对不同分辨率和不同信噪比下的漏磁信号进行了重构,并与其他方法进行了比较。结果表明,双小波神经网络迭代模型能够实现漏磁缺陷的精确逼近,具有良好的鲁棒性,是有效的二维轮廓重构方法。     

基于磁记忆梯度张量信号的缺陷二维反演研究

金属磁记忆检测技术是一种能对铁磁材料早期微观损伤及应力集中进行有效诊断的无损检测方法,针对二维反演方法难以准确得到缺陷分布的问题,提出了磁记忆梯度张量分析方法。分析磁梯度张量的测量要素,设计了磁记忆梯度张量信号测量方案;将磁记忆信号水平梯度模量作为缺陷边界反演的特征量,通过水平梯度模量的极大值位置来确定缺陷的边界及分布。裂纹二维反演实验结果表明,该方法不受检测方向影响,可对缺陷二维分布进行准确反演。     

一种漏磁信号不变特征提取方法

为了提高漏磁缺陷的重构精度,提出一种基于径向基函数(RBF)的漏磁信号不变特征提取的方法。该方法在对漏磁检测过程中速度影响进行全面分析的基础上,建立二维有限元模型,采集不同速度下的漏磁信号,将速度影响下的漏磁信号作为RBF网络的输入,静态下的漏磁信号作为输出进行训练。实验结果表明:这种方法实现了速度效应的补偿,提取出了漏磁信号的不变特征,而且具有较高的精度,是一种有效的方法。     

基于小波神经网络的火炮裂纹形状重构

介绍了漏磁无损检测的原理和漏磁场数学模型,提出了用小波神经网络对裂纹形状重构。在仿真试验中,用训练样本对小波神经网络进行训练逼近裂纹形状,训练采用随机梯度下降算法。训练样本来自漏磁场数学模型数据和测量的火炮漏磁信号,用测量数据重构裂纹形状。小波神经网络是多分辨率逼近,通过改变网络的分辨率控制输出精度。结果表明,小波神经网络能够精确地重构裂纹。     

基于三维有限元法的漏磁场分析

针对磁偶极子模型和二维有限元法在分析漏磁场过程中存在的不足,采用三维有限元分析漏磁场。根据麦克斯韦方程组和三维有限元分析原理建立了数学模型。利用数学模型对漏磁信号进行了仿真分析,得到了三维磁通密度矢量图和它的径向分量曲面图,直观地显示了缺陷附近漏磁场的特点。同时研究讨论了缺陷长度、检测路径位置和提离值对漏磁信号峰峰值的影响。为进一步对漏磁场的研究打下基础。     

基于WPD与BPNN的超声信号处理技术

为有效提取超声检测信号,制作了模拟分层的复合材料实验试样,并运用自主研发的信号处理模块对其超声检测信号进行处理,同时阐述了信号处理的原理和方法;简述了小波包和BP神经网络信号处理的原理和在本实验中的应用,探索并得到缺陷和信号之间的对应规律,缺陷面积越大,回波能量越小;缺陷越靠近检测面,回波的能量越小,最终结果表明:小波包分解和BP神经网络结合使用对超声信号特征提取效果显著,能够很好的识别缺陷的位置和大小.     

铁磁材料组合型裂纹的漏磁数学模型

实际的裂纹几何形状千差万别 ,使得漏磁场的分布与标准裂纹理论分析结果产生误差 ,造成定量检测的困难。本文对宽度在 5 0微米以下的 12 8条裂纹形状进行了统计分析 ,模拟了一种组合型裂纹 ,建立了裂纹漏磁数学模型。实验结果表明 ,组合雷丸漏磁模型较好地反映了漏磁与裂纹几何形状之间的关系 ,可作为漏磁信号定量分析的依据     

基于BP 神经网络的弹壳表面缺陷分类方法

为了对弹壳表面缺陷进行分类,提出一种基于BP(back propagation)神经网络的弹壳表面缺陷分类方法。针对弹壳缺陷的特点,提取了各类缺陷的灰度特征、形状特征、几何特征,建立缺陷特征数据库,并采用改进的BP神经网络算法设计了缺陷分类器。实验结果表明,该方法在枪弹缺陷识别方面具有很好可行性和有效性。     

Quantitative Testing of Defect for Gun Barrels

The magnetic flux leakage （MFL） method is commonly used in the nondestructive evaluation （NDE） of gun barrels. The key point of MFL testing is to estimate the crack geometry parameters based on the measured signal. The analysis of magnetic leakage fields can be obtained by solving Maxwell＇s equations using finite element method （FEM）. The radial component of magnetic flux density is measured in MFL testing. The peak-peak value, the separation distance between positive and negative peaks of signal and the lift-off value of Hall-sensor are used as the main features of every sample. This paper establishes the multi-regression equations related to the width （the depth） of crack and the main characteristic values. The regression model is tested by use of the magnetic leakage data. The experimental results indicate that the regression equations can accurately predict the 2-D defect geometry parameters and the MFL quantitative testing can be achieved.     

应用神经网络识别液体火箭发动机的故障模式

简要介绍了神经网络的基本理论和误差后向传播算法，给出了应用神经网络的液体火箭发动机故障诊断系统框图，分析了液体火箭发动机的故障模型，提出了数据训练神经网络，为网络训练提供了新的途径。最后，基于模型数据，应用神经网络识别液体火箭发动机的几种故障模式。     

利用BP神经网络预测BT20钛合金的流动应力

为建立BT20钛合金(Ti6Al2Zr1MolV)的流动应力预测模型,通过热压缩试验获得其流动应力曲线,并对BP神经网络的算法进行改进,实现BT20钛合金的流动应力的准确预测。研究表明:采用人工神经网络(ANNs)预测流动应力不需要考虑材料特性,有效地避免了传统经验或回归本构模型由于假设和简化带来的误差,并且神经网络具有很强的非线性离散数据处理能力,选取合适的网络模型(主要是隐层数及隐层单元数),输入足够的样本数据对神经网络进行训练即可获得令人满意的预测精度;采用含两个中间层,网络结构为3×16×14×1的改进BP神经网络模型能够较为准确的预测BT20钛合金的流动应力,计算效率较高,该预测模型可作为其塑性成形过程有限元模拟的本构关系。     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法,探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制,给出了由传统PID控制器,模糊量化处理,系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构,并讨论了人工神经网络在运动控制领域中应用的发展趋势。     

基于神经网络的RE-Ni-Cu合金铸铁腐蚀性能预测

通过动态质量损失法腐蚀试验获取RE-Ni-Cu合金铸铁在高温浓碱液中的实测腐蚀深度,并将其作为样本数据用于BP神经网络的训练和验证;利用MATLAB的工具箱函数分别建立拓扑结构为4×15×1和4×15×8×1的BP神经网络,并对两个网络模型进行比较研究。结果表明,在样本集和训练条件下,4层BP网络的预测精度明显高于3层BP网络,可用于RE-Ni-Cu合金铸铁在高温浓碱液腐蚀系统中的腐蚀性能预测。