- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
维普资讯
第29卷第2期电子测量技术
2006年4月ELECTRONICMEASUREMENTTECHNOLOGY
识别
超声探伤信号的神经网络
李雪朱杰
(上海交通大学电子工程系上海200030)
摘要:提出一种基于傅立叶变换和模式识别技术的奥氏体超声探伤信号的缺陷定性分类方法。该方法利用快
速傅立叶变换提取反映缺陷性质的特征值,然后运用BP神经网络对特征值进行缺陷定性识别。实验结果表明,
此方法简单易行,且能较好地实现奥氏体的缺陷识别。
关键词:超声检测神经网络特征提取
Ultrasonicflawrecognitionofausteniticstainlesssteelusingartificialneuralnetwork
IiXueZhuJie
(ShanghaiJiaotongUniversity,DepartmentofElectronicEngineering,Shanghai,200030)
Abstract:Asignalrecognitionmethodforultrasonicflawdetectionofausteniticstainlesssteelisintroducedbasedon
FourierTransformandpatternrecognition.CharacteristicsarefirstextractedviaFastFourierTransform(FFvr),
andthenBack-PropagationNetworkisusedtoidentifythedefectsigna1.Experimentsshowthatthemethodisnot
onlyeasytoimplement,butalsoeffectiveforidentifyingausteniticsteeldefect
Keywords:ultrasonictesting,neuralnetwork,characteristicsextraction.
0引言(1)压缩数据,减少网络训练时间;(2)突出
信号的奇异特征。不同类型缺陷之间的特征差别越
超声无损检测是53v常规无损检测技术之一,3v,缺陷分类的成功率越高。目前较常用的特征量
并且以其独特的优点和广泛的应用而居首位。超声有信号的幅度谱、相位谱、功率谱密度、小波变换
无损检测的新要求是使检测由定性检测走向定量测系数等[。
量,即不仅要确定是否有伤,而且要进一步确定伤1.1.3归一化
的大小、形状、
文档评论(0)