超声相控阵检测复合材料缺陷方法_图文.docVIP

2015 年 8 月 李 健等：超声相控阵检测 CFRP 缺陷识别方法 ?755? 对 3 种缺陷信号提取 8 个特征值， 因此网络中的 输入节点个数设置为 8； 要识别的缺陷有 3 类， 因此 网络的输出层节点个数设置为 3． 神经网络用于识别 超声信号时， 通常使用二进制量 0、 1 或者[0， 1]区间 的数字表示． 本实验中， 3 种缺陷对应的输出分别设 定为： 分层[0 0 1]、 夹杂[0 1 0]、 脱粘[1 0 0]． 隐含层数 的增加会使网络结构变得复杂， 因此选择 1 个隐含层 构成 3 层 BP 神经网络， 通过增加隐含层中神经元的 数目来提高网络的识别率和识别精度， 且训练效果也 更容易观察、 调整． 隐含层节点数的选取一般按照经 [11] 验公式 估算得到， 即 nh = 2ni + 1 4 结 论 (1使用超声相控阵系统检测碳纤维增强复合材 料可以提高检测效率， 同时， 对缺陷信号有良好的成 像效果， 通过 B 扫图可以对缺陷进行初步分类． (2利用 sym8 小波分析处理信号， 提取 8 个特 征值； 构建 3 层 BP 神经网络， 采用共轭梯度算法训 练网络， 可以很好地识别分层、 夹杂、 脱粘 3 种缺陷， 识别率达到 95.7%． 结果表明， 该方法能有效区分碳 纤维复合材料中的常见缺陷， 为以后能快速、 准确地 识别更多类型的缺陷奠定了一定