| 基于神经网络和支持向量机的导波弯管腐蚀损伤程度辨识研究 |
| |
| 引用本文： | 周澄,邓菲,刘尧,刘秀成,陈洪磊,刘增华. 基于神经网络和支持向量机的导波弯管腐蚀损伤程度辨识研究[J]. 机械工程学报, 2021, 57(12): 136-144. DOI: 10.3901/JME.2021.12.136 |
| |
| 作者姓名： | 周澄 邓菲 刘尧 刘秀成 陈洪磊 刘增华 |
| |
| 作者单位： | 上海应用技术大学电气与电子工程学院 上海 200235;北京工业大学机械工程与应用电子技术学院 北京 100124 |
| |
| 基金项目： | 国家自然科学基金;创新基金;上海市联盟计划 |
| |
| 摘 要： | 利用导波的远场检测优势和机器学习模型,开展管道弯曲处腐蚀损伤程度智能辨识方法研究.在普通碳质钢管弯头处加工不同程度的腐蚀缺陷,按腐蚀程度分为10个等级.采用自激自收和一激一收两种信号激励接收方式,在管道中激励具有非频散的T(0,1)型超声导波,采集得到不同腐蚀程度缺陷对应的导波检测信号.在时域和频域对检测信号进行分析,...
|
| 关 键 词： | 超声导波 弯管腐蚀 损伤特征值 BP神经网络 支持向量机 |
Identification of Corrosion Damage Degree of Guided Wave Bend Pipe Based on Neural Network and Support Vector Machine |
| |
| ZHOU Cheng,DENG Fei,LIU Yao,LIU Xiucheng,CHEN Honglei,LIU Zenghua. Identification of Corrosion Damage Degree of Guided Wave Bend Pipe Based on Neural Network and Support Vector Machine[J]. Chinese Journal of Mechanical Engineering, 2021, 57(12): 136-144. DOI: 10.3901/JME.2021.12.136 |
| |
| Authors: | ZHOU Cheng DENG Fei LIU Yao LIU Xiucheng CHEN Honglei LIU Zenghua |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
