铁路货车车轮超声波在线检测中的缺陷识别算法

在铁路货车车轮超声波在线检测中,选取检测信号中具有一定宽度且独立的波峰信号作为识别对象,以相邻2个识别对象的相关系数最大值和信号背景比组成的识别特征向量作为感知器的输入,以按缺陷信号和非缺陷信号对检测信号分类的结果作为感知器的输出;从主要考虑消除漏检和其次考虑误检最少出发,以人工缺陷试块的检测信号组成训练样本,基于神经网络的感知器原理,结合现场检测要求,对传统的袋式缺陷识别算法进行改进,分别设置漏检计数器和误检计数器,通过样本训练调整识别特征参数的权重,从而实现缺陷信号的精确识别。实例验证结果表明:改进后的缺陷识别算法能够确保识别结果无漏检、误检最小。