漏磁无损检测中的缺陷信号定量解释方法

被引:7
作者
宋小春 [1 ]
黄松岭 [2 ]
康宜华 [3 ]
赵伟 [2 ]
机构
[1] 湖北工业大学机械学院
[2] 清华大学电机系电力系统国家重点实验室
[3] 华中科技大学机械学院
基金
中国博士后科学基金;
关键词
漏磁检测; 定量解释; 人工神经网络;
D O I
暂无
中图分类号
TG115.284 [];
学科分类号
摘要
由于在漏磁场正问题求解、信号反演等方面还没有形成系统的理论和方法,因此漏磁检测信号的定量解释一直是无损检测技术领域的研究重点。在综述国内外漏磁信号定量解释方法研究现状的基础上,分析了由漏磁信号定量描述缺陷特征的技术特点以及模式匹配法、统计分析法的局限性,重点探讨了利用人工神经网络方法解释漏磁信号的优点和不足,并指出了可视化、多传感器信息融合等漏磁信号定量解释技术的研究发展方向。
引用
收藏
页码:407 / 411+426 +426
页数:6
相关论文
共 14 条
[1]   输气管道缺陷及寿命评估专家系统 [J].
徐晓 ;
吴新南 ;
张河清 .
华南理工大学学报(自然科学版), 2000, (05) :69-73
[2]   基于事例推理的漏磁无损检测数据处理方法 [J].
武新军 ;
康宜华 ;
程顺峰 .
无损检测, 2003, (07) :365-368
[3]   漏磁检测信号的反演 [J].
刘志平 ;
康宜华 ;
杨叔子 .
无损检测, 2003, (10) :531-535
[4]   多传感器信息的决策融合法及其在电磁检测中的应用 [J].
金建华 ;
康宜华 .
无损检测, 2003, (11) :585-588
[5]   人机合作式管道漏磁信号分析与缺陷定量识别 [J].
杨涛 ;
王太勇 ;
蒋奇 .
中国机械工程, 2004, (06) :20-22
[6]   基于小波神经网络的管道腐蚀缺陷定量识别研究 [J].
蒋奇 .
钢铁, 2005, (10) :51-54+89
[7]   基于RBF网络的漏磁检测缺陷定量分析方法 [J].
崔伟 ;
黄松岭 ;
赵伟 .
清华大学学报(自然科学版), 2006, (07) :1216-1218+1222
[8]   基于神经网络及数据融合的管道缺陷定量识别 [J].
杨理践 ;
马凤铭 ;
高松巍 .
无损检测, 2006, (06) :281-284
[9]   水冷壁管壁厚主磁通超声波融合检测方法 [J].
宋小春 ;
黄松岭 ;
赵伟 ;
康宜华 .
中国机械工程, 2006, (10) :1079-1081+1090
[10]   Automatic flaw detection in NDE signals using a panel of neural networks [J].
Christen, R. ;
Bergamini, A. .
NDT & E INTERNATIONAL, 2006, 39 (07) :547-553