基于GA-BP神经网络的ACFM实时高精度裂纹反演算法

针对传统交流电磁场检测(ACFM)特征信号难以实现缺陷高精度实时反演的问题,在电磁耦合ACFM探头有限元模型分析的基础上,引入能量谱和相位阈值判定方法实时获取裂纹特征信号,建立裂纹实时反演实验系统并进行裂纹检测实验,基于加入遗传算法的BP神经网络(GA-BP)建立的ACFM实时高精度裂纹反演算法对实验得到的裂纹特征信号进行长度和深度的反演。结果表明:电磁耦合ACFM探头有限元模型可较好地仿真裂纹特征信号;采用能量谱和相位阈值判定方法能够实时获取裂纹特征信号;GA-BP神经网络能够实现裂纹长度和深度的反演,反演精度误差不超过10%。     

基于BP神经网络的电场指纹点蚀信号补偿系数

电场指纹技术是一种依据被测对象表面微小电压变化,对金属结构的缺陷、裂纹、腐蚀及其扩展情况进行检测的无损检测技术,但在点蚀信号的辨识方法上依然存在不足.通过对电场指纹点蚀信号进行数值模拟和仿真建模,根据其特征信号对点蚀进行准确定位,基于BP神经网络建立关键点蚀参数的补偿系数模型,由补偿系数计算电场指纹系数,得出实际腐蚀深...     

基于神经网络正向模型和遗传算法的涡流检测自然裂纹形状重构

提出了一种基于神经网络正向模型与遗传优化算法从疲劳裂纹涡流检测(eddy current testing, ECT)信号重构裂纹形状的方法.人工制作了疲劳裂纹试样,利用一种小波分析方法对采集的疲劳裂纹ECT信号进行了去噪预处理并提取了信号特征.随后通过破坏性检测方法获得了裂纹的真实形状.在建立疲劳裂纹参数化模型基础上,利用经过处理的裂纹ECT信号和裂纹形状参数样本库对径向基函数(Radial Basis Function, RBF)神经网络进行训练.遗传算法首先创建大量表示裂纹形状参数个体的初始种群,输入经过训练的神经网络,得到对应的ECT预测信号,然后运用遗传策略进行迭代反演优化,搜索裂纹形状最优解.重构结果表明该方法具有快速、精确的优点.     

超声技术在选煤厂振动筛大梁故障诊断中的应用

由于振动筛的工作强度大,工作环境十分恶劣,振动筛大梁容易出现裂纹,当前实际一直没有解决振动筛大梁裂纹检测问题。文章提出运用超声波检测的方法,并通过理论分析与实验对其可行性进行了研究,为振动筛大梁裂纹的实际现场检测提供了重要的指导作用。     

基于神经网络正向模型和蚁群算法的涡流检测自然裂纹形状重构

以神经网络作为正向模型,蚁群优化算法作为反演方法,对采集的疲劳裂纹涡流检测(eddy current testing,ECT)信号进行了反演,重构了裂纹形状.研究了算法中参数的不同选择对反演结果的影响.裂纹形状重构结果表明了神经网络正向模型的有效性和蚁群反演算法的可行性.     

金属内部裂纹的超声衰减特性与近表面缺陷识别

建立了包含裂纹缺陷的二维金属板模型.采用有限元方法,对具有不同深度裂纹的材料内部超声波场进行计算,获得了不同裂纹深度金属材料上表面的回波信号,分析了裂纹深度对超声波传播特性的影响规律.进一步分离提取不同阶次底面回波的频谱特征,获得了由裂纹缺陷引起的超声衰减系数随频率的变化关系.最后提出了通过底面回波频谱图辨识近表面裂纹缺陷的方法.     

基于智能算法的涡流检测自然裂纹形状重构

人工制作了疲劳裂纹试样,利用一种小波分析方法对采集的疲劳裂纹涡流检测(ECT)信号进行了去噪预处理及信号特征提取,通过破坏性检测方法获得了裂纹的真实形状.在建立疲劳裂纹参数化模型的基础上,利用经过处理的裂纹ECT信号与裂纹形状参数样本库对径向基函数(RBF)神经网络进行训练.采用遗传算法,通过创建大量表示裂纹形状参数个体的初始种群,输入经过训练的神经网络,得到对应的ECT预测信号;然后运用改进的遗传策略进行迭代反演优化,对裂纹形状最优解进行搜索.重构结果表明该方法具有快速、精确的优点.     

基于神经网络的尾流激励叶片气动力辨识方法

发动机中存在上下游干涉作用,上游叶片的尾迹流会引起下游叶片发生强迫振动。针对这一现象,提出了采用神经网络模型的方法辨识尾流激励下的叶片气动力。通过计算流体力学（CFD）方法获得时域尾流压力波及其叶片气动力作为训练信号和测试信号,分别用BP神经网络和NARX神经网络建立尾流激励下的叶片气动力辨识模型,对测试信号的叶片气动力进行辨识,并与CFD结果进行比较,探究这两种辨识模型的计算精度。算例结果表明基于NARX神经网络的叶片气动力辨识模型较基于BP神经网络的叶片气动力辨识模型计算精度更高,泛化能力更强。基于NARX神经网络的尾流激励叶片气动力辨识模型,可以快速准确地辨识不同振幅的随机尾流激励和周期尾流激励下的叶片气动力。     

焊接裂纹的金属磁记忆信号特征

为研究不同焊接裂纹的信号特征,制备了预制焊接裂纹的管道时接焊试件,对试件进行了金属磁记忆检测,提取了检测信号的Deta、ΔH_p/ΔL_x、ΔH_p和傅里叶分析相位突变点4个特征,对4个特征的分析表明：用这4个特征来描述焊接裂纹是可靠的；对金属磁记忆检测信号的4个特征进行综合分析可反映焊接裂纹的存在；当4个特征中有2个或2个以上存在时可判断存在焊接裂纹．     

基于竞争神经网络的ABS路面辨识

在传统的防抱死系统中,由于没有额外的传感器测试更多的参数,以及路面的不平度、信号的干扰等原因,至使路面辨识非常困难·针对以上问题,通过对整车制动模型和ABS制动模型的研究,建立了基于竞争神经网络的ABS路面辨识模型,此路面辨识模型是通过对标准信号进行反复学习记忆,用非线性映射方法进行特征抽取并存储于网络的各节点上·工作时,当输入信号存在变形或噪声时,该模型通过联想记忆对输入信号进行聚类分析,得出正确的判断·实验表明,该辨识过程是一种高层次的认知过程且便于批量生产、升级、更新和维护·