基于特征评估和概率神经网络的超声焊缝缺陷识别

• 作者: 王鹏 罗诗途 罗飞路 阮晴
• 来源期刊: 测试技术学报
• 学科: 工学
• 关键词: 超声焊缝缺陷识别 小波包 经验模式分解 特征评估 概率神经网络
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 信号检测、算法与仿真
• 页码范围: 125-131
• 分类号: TG115.28
• 字数: 3820字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7449.2012.02.007

摘要

为了可靠地检出并识别焊缝缺陷,提出了一种基于特征评估和概率神经网络(PNN)的超声自动识别方法.该方法分别采用小波包和经验模式分解法对缺陷信号进行分解,提取原始信号和各分解信号的时域无量纲参数组成联合特征,并计算其评估因子,根据评估因子的大小选取敏感特征作为PNN的输入,从而实现不同焊缝缺陷类型的自动识别.通过对飞机起落架焊缝进行机上原位检测,实验结果表明,上述方法能够从大量的缺陷特征中筛选出敏感特征,克服了人为选择缺陷敏感特征的盲目性,减小了PNN规模,提高了分类准确率和检测效率.该方法在飞机的外场原位测试中具有很好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗飞路	国防科技大学机电工程与自动化学院	120	1913	24.0	36.0
2	王鹏	国防科技大学机电工程与自动化学院	28	126	7.0	10.0
3	罗诗途	国防科技大学机电工程与自动化学院	23	342	9.0	18.0
4	阮晴	国防科技大学机电工程与自动化学院	1	9	1.0	1.0