基于Morlet小波的超声缺陷分类识别方法研究

• 作者: 严寒冰 廖璘志 陈琪
• 来源期刊: 机床与液压
• 学科: 工学
• 关键词: 小波 参数空间 特征提取 径向基函数 缺陷识别
• 年，卷（期）: 2010,（17）
• 页码范围: 55-57
• 分类号: TP235|TP301.6
• 字数: 2606字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3881.2010.17.017

摘要

超声缺陷自动识别是目前无损评判领域内研究的热点.采用改进的Morlet小波对超声缺陷信号进行降噪处理,为获得更全面的缺陷特征,在建立的参数空间基础上为缺陷信号构建特征向量,将这些缺陷信号输入RBF神经网络对获得的超声检波信号进行缺陷分类.实验结果表明:小波降噪算法充分利用超声回波信号的特征信息,降噪效果明显,有利于提高缺陷分类的准确性; RBF神经网络缺陷识别法能有效提取同类别缺陷信号的共同特征,提高缺陷分类准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈琪	宜宾职业技术学院机电系	40	75	4.0	7.0
2	廖璘志	宜宾职业技术学院机电系	23	37	4.0	5.0
3	严寒冰	成都信息工程学院控制工程系	17	32	3.0	5.0