| 基于优化BP神经网络激光超声表面缺陷识别 |
| |
| 引用本文： | 陈超,张兴媛,陆思烨. 基于优化BP神经网络激光超声表面缺陷识别[J]. 激光与光电子学进展, 2021, 58(22): 497-507. DOI: 10.3788/LOP202158.2228008 |
| |
| 作者姓名： | 陈超 张兴媛 陆思烨 |
| |
| 作者单位： | 上海工程技术大学航空运输学院,上海201620 |
| |
| 摘 要： | 为了解决激光超声检测过程中定量识别表面缺陷深度较困难的问题,提出了一种粒子群(PSO)优化BP神经网络表面矩形缺陷深度定量识别方法.基于热弹机制,利用有限元软件COMSOL建立了利用激光超声检测含有表面缺陷铝材料的有限元模型,得到了脉冲激光照射下不同深度缺陷对应的透射波信号,提取透射波信号的时域峰值、中心频率、频域上3 dB带宽、上限截止频率和下限截止频率等多个变量作为神经网络的特征向量,建立了PSO-BP神经网络缺陷深度定量识别模型,实现了0.1～3 mm深度缺陷的定量识别.计算结果表明:经过粒子群算法优化后的BP神经网络能够准确地识别出金属表面缺陷的深度信息,识别相对误差在6％以内,结果证明了该神经网络模型对矩形缺陷深度的识别具有一定的可行性和准确性.
|
| 关 键 词： | 传感器 激光超声 有限元 神经网络 粒子群 表面缺陷 |
Laser Ultrasonic Surface Defect Recognition Based on Optimized BP Neural Network |
| |
| Chen Chao,Zhang Xingyuan,Lu Siye. Laser Ultrasonic Surface Defect Recognition Based on Optimized BP Neural Network[J]. Laser & Optoelectronics Progress, 2021, 58(22): 497-507. DOI: 10.3788/LOP202158.2228008 |
| |
| Authors: | Chen Chao Zhang Xingyuan Lu Siye |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
