| 大型回转体超声检测中缺陷类型的在线识别 |
| |
| 引用本文： | 严寒冰,殷国富,刘小莹.大型回转体超声检测中缺陷类型的在线识别[J].应用基础与工程科学学报,2008,16(2):247-254. |
| |
| 作者姓名： | 严寒冰 殷国富 刘小莹 |
| |
| 作者单位： | 四川大学制造科学与工程学院,四川成都,610065 |
| |
| 基金项目： | 四川省国际科技合作与交流研究计划项目 |
| |
| 摘 要： | 大型回转体超声探伤中由于需要实时处理大量数据,且全面的缺陷特征信息难以获得,导致缺陷类别在线识别困难.对多个超声波探头获取的同一缺陷的互补特征信息,利用BPNN的并行计算能力分别进行缺陷类别的局部决策,再采用D-S理论实现缺陷类型的融合识别.为使神经网络更适合于在线数据处理和缺陷识别,对标准BP算法进行了改进,在不增加计算量和存储量的前提下,避免了网络陷入局部最小,提高了网络的收敛速度.将改进后的BP网络的非线性建模能力与D-S证据理论的不确定性推理能力进行有机结合,使论据理论的支持度的分配避免了主观性,从而提高了决策的确定度和识别的可靠性.采用已知缺陷的回转体工件进行在线融合识别机制进行测试,其结果说明了该方法的可行性及有效性.
|
| 关 键 词： | 缺陷类别 在线 特征提取 改进算法 数据融合 大型回转体 超声检测 缺陷类型 在线识别 Ultrasonic Testing Defect Rotors Classification 有效性 方法 结果 测试 识别机制 融合 确定度 分配 支持度 论据理论 结合 推理能力 |
| 文章编号： | 1005-0930(2008)02-0247-08 |
| 修稿时间： | 2007年7月4日 |
Online Classification on Large-Scale Rotors Defect in Ultrasonic Testing |
| |
| YAN Hanbing,YIN Guofu,LIU Xiaoying.Online Classification on Large-Scale Rotors Defect in Ultrasonic Testing[J].Journal of Basic Science and Engineering,2008,16(2):247-254. |
| |
| Authors: | YAN Hanbing YIN Guofu LIU Xiaoying |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
