超声检测缺陷分类中信号处理方法的探讨

被引:12
作者
刘旭
夏金东
弓乐
吴淼
机构
[1] 中国矿业大学(北京校区)机电工程系,中国矿业大学(北京校区)机电工程系,中国矿业大学(北京校区)机电工程系,中国矿业大学(北京校区)机电工程系北京,北京,北京,北京
关键词
超声检测; 检波信号; 射频信号; 神经网络;
D O I
10.19650/j.cnki.cjsi.2002.06.023
中图分类号
TB553 [超声控制与检测];
学科分类号
摘要
根据检波信号与射频信号所含信息量的不同 ,针对超声检测缺陷回波中的这两种信号进行了实验分析 :用典型的金属缺陷信号来做比较 ,把同时采集到的两类信号分别进行特征提取 ,并用“类别可分性判剧”做定量对比 ;分别用 BP网络和 RBF网络对检波信号提取的特征值为依据进行缺陷分类 ,来比较这两种网络的性能差异。最后实验表明 :基于射频和检波输出的缺陷信号 ,其可分性指标之间的差别并不明显 ;RBF网络比 BP网络具有更快的学习速度 ,同时能够有效的提高分类器的泛化分类准确率
引用
收藏
页码:638 / 641
页数:4
相关论文
共 3 条
[1]   超声检测缺陷分类的小波分析与神经网络方法 [J].
吴淼 ;
张海燕 ;
孙智 ;
刘旭 .
中国矿业大学学报, 2000, (03) :17-21
[2]   基于神经网络的超声无损检测缺陷定征方法的研究 [J].
刘伟军 ;
王晓明 ;
吴宏基 ;
刘健 .
大连理工大学学报, 1998, (05) :56-60
[3]   利用人工神经网络实现缺陷类型识别 [J].
陈彦华 ;
李明轩 .
应用声学, 1998, (02) :1-4+10