超声检测中裂纹型缺陷深度的智能识别

被引：14

作者：

陈国华

张新梅

谢常欢

何湘铂

机构：

[1] 华南理工大学工业装备与控制工程学院

[2] 广州市锅炉压力容器监察检验所

来源：

华南理工大学学报(自然科学版) | 2005年 / 08期

关键词：

超声检测; 裂纹深度; 智能识别; 定量方法;

D O I：

暂无

中图分类号：

TH878.2 [];

学科分类号：

摘要：

为了实现对裂纹型缺陷深度的定量识别,提高超声检测精度,引入小波分析和人工神经网络技术进行缺陷深度的智能识别.从超声检测的基本原理、缺陷深度表征量的确定、超声回波信号缺陷特征量的小波提取、神经网络的结构参数及训练和测试网络等方面,详细探讨了对裂纹型缺陷进行智能识别的方法,论证了运用神经网络进行缺陷智能定量识别的可行性,构造了智能识别实验系统,并利用该系统对所加工的含缺陷试样进行了定量识别试验与分析.结果表明,小波分析和人工神经网络技术的引入能够为超声检测缺陷的定量识别提供行之有效的途径.

引用

页码：1 / 5

页数：5

共 5 条

[1] 基于BP神经网络的电解加工精度预测模型 [J].