基于声发射和神经网络的风机叶片裂纹识别研究

被引:34
作者
曲弋
陈长征
周昊
周勃
机构
[1] 沈阳工业大学
关键词
声发射; 叶片; 神经网络; 裂纹;
D O I
10.19356/j.cnki.1001-3997.2012.03.056
中图分类号
TK83 [风力机械和设备];
学科分类号
080208 [智能装备与机器人];
摘要
提出一种对风力机叶片裂纹声发射信号进行模式识别的方法。该方法以叶片无裂纹、萌生裂纹、扩展裂纹和断裂四个阶段为声发射源的四个模式,基于声发射信号含有丰富的发射源信息的特点,通过大量采样获得叶片裂纹声发射信号参数,并依照叶片裂纹声发射参数分析的数值特点确定BP神经网络,用选定的网络对叶片裂纹阶段进行模式识别,以判断裂纹的危害程度。仿真结果表明,利用BP神经网络可以对声发射信号进行有效识别,识别准确率达到90%以上。
引用
收藏
页码:152 / 154
页数:3
相关论文
共 8 条
[1]
基于人工神经网络的汽车声品质评价与应用研究 [D]. 
孙强 .
吉林大学,
2010
[2]
不同小波基在碳钢材料声发射信号分析中的应用 [J].
龚斌 ;
金文 ;
李兆南 ;
金志浩 .
仪器仪表学报, 2008, (03) :506-511
[3]
基于遗传算法的人工神经网络 [J].
李伟超 ;
宋大猛 ;
陈斌 .
计算机工程与设计, 2006, (02) :316-318
[4]
声发射技术在复合材料损伤模式识别中的应用 [J].
江云飞 .
直升机技术, 2005, (01) :26-30
[5]
声发射神经网络模式识别 [J].
刘国光 ;
程青蟾 ;
李燮里 ;
张月兰 .
仪器仪表学报, 2003, (S2) :406-407+410
[6]
压力容器声发射信号人工神经网络模式识别方法的研究 [J].
沈功田 ;
段庆儒 ;
周裕峰 ;
李帮宪 ;
刘其志 ;
李春树 ;
蒋仕良 .
无损检测, 2001, (04) :144-146+149
[7]
Acoustic emission signal processing [J].
Terchi, A ;
Au, YHJ .
MEASUREMENT & CONTROL, 2001, 34 (08) :240-244
[8]
神经网络结构设计的理论与方法.[M].魏海坤编著;.国防工业出版社.2005,