基于集成神经网络的球墨铸铁珠光体含量涡流无损智能测定

为了实现球墨铸铁珠光体含量的智能无损测定,制备了具有代表性的球墨铸铁试样并按珠光体粗细程度将其分为三类。首先在分析了影响球墨铸铁电磁性能的主要因素的基础上,同时采用涡流无损检测法与金相法对球墨铸铁珠光体含量进行了测定,对检测数据进行回归分析表明二种方法的测量结果很接近;然后采用集成神经网络处理涡流检测数据并对珠光体含量进行了预测,预测结果表明基于集成神经网络数据处理的涡流检测是一种快速智能识别球墨铸铁中珠光体含量的有效方法。     

运动导体感应涡电流分布的解析计算与仿真验证

在电磁应用中,分析导体在电磁场激励作用下感应涡电流的分布有利于深入理解导体与激励源之间的相互作用。因其复杂性,运动导体在电磁场作用下涡电流分布的规律尚未得到充分研究。采用二维傅里叶变换方法,推导出圆形通电激励线圈作用下导电平板涡电流分布的积分形式表达式;该表达式与线圈的激励频率、导体的材料特性、形状及运动速度等参数有关。计算并分析了在相同线圈激励条件下,导体以不同速度运动时,表面涡电流密度分布特点,总结了导体运动速度对涡电流分布的影响规律;并用有限元方法对解析计算结果进行了验证。所采用的解析方法具有方便、快速的优点,该方法也可以用于其他涡电流问题的分析计算。     

涡流检测信号的独立分量分析预处理

提出将一种求解盲源分离问题的独立分量分析(Independent Component Analysis,ICA)算法应用于自然裂纹涡流检测(Eddy Current Testing,ECT)信号的预处理中。利用一种基于负熵极大的FastICA算法,分别对实验产生的疲劳裂纹和应力腐蚀裂纹ECT信号进行了处理,实现了ECT信号中缺陷分量与探头提离信号、部分噪声信号的有效分离。为了验证算法的有效性,同时采用小波分析算法对相同ECT信号进行了去噪处理。结果表明ICA算法在ECT信号处理中具有独特优势。