基于BP神经网络焊接冷裂纹声发射信号特征识别.pdfVIP

基于 BP神经网络的焊接冷裂纹声发射信号 特征识别 张 颖 ，孔德慧 。张盛璃 ，周俊鹏 ， (1．东北石油大学，黑龙江 大庆 163318；2．大庆炼化公司，黑龙江 大庆 163411；3 ． 大庆油田工 程建设有限公司，黑龙江 大庆 163453) 摘 要：声发射技术能够监测焊接冷裂纹，但 由于焊后冷却过程中干扰信号很多，并且监测时间长 ， 使得人工分析、评价困难较大。以5个典型声发射信号参量为输入单元、开裂信号和噪声信号特性 为输出单元，建立了一个能识别焊接冷裂纹开裂信号的BP神经网络。通过对SPV490Q钢平板刚 性拘束焊接裂纹试验的数据进行训练和测试，验证了该网络的可行性。 关键词：焊接冷裂纹；声发射技术；SPV490Q；BP神经网络 中图分类号：TH142；TB553 文献标志码：B 文章编号：1001—4837(2016)o3—0051—05 doi：10．3969／j．issn．1001—4837．2016．03．008 RecognitionforAcousticEmissionSignalCharacteristicsofW elding ColdCrackBasedonBPNeuralNetwork ZHANG Ying ，KONG De—hui，ZHANG Sheng—yu ． ZHOUJun—peng， (1·NortheastPetroleumUniversity，Daqing163318，China；2．DaqingRefiningandChemicalCompany ， Daqing163411，China；3．DaqingOilfieldEngineeringConstructionCo ． ， Ltd．，Daqing163453，China) Abstract：Acousticemission techniqueiscapabletomonitorcoldcracks ． Butin the long．timec0oling processafterwelding，thereexistahostofinterferencesignalswhichmakeithardertoanalysisandeva1u． atethesignals．Thus，aBP neuralnetworkwhich can recognizewelding cold crack signalswasestab — lished．Itsinputunitwasconstitutedby5typicalparametersoftheacousticemissionsignals ． aswe11as outputunitwasconstitutedbycharacteristicsofcrack signalsand interferencesign