基于超声TOFD直通波及神经网络的近表面缺陷自动识别

• 作者: 卢超 胡怀辉 陈振华
• 来源期刊: 无损检测
• 学科: 工学
• 关键词: 超声TOFD BP神经网络 近表面缺陷 特征值
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 科研成果与学术交流
• 页码范围: 14-17,24
• 页数: 5页
• 分类号: TG115.28
• 字数: 2922字
• 语种: 中文

摘要

针对超声TOFD存在近表面盲区及近表面缺陷自动识别分类的问题，提出了基于超声TOFD直通波及神经网络对近表面孔状缺陷识别分类的方法。在近表面缺陷检测信号的直通波部分选取多个关键点，揭示了各关键点幅度分布与近表面缺陷深度的关系，获得了用于近表面缺陷检测的幅度分布特征值，并将该特征值用于BP神经网络对缺陷识别分类。试验结果表明，该方法能够对铝合金板近表面孔状缺陷进行准确、有效的自动识别分类。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢超	南昌航空大学无损检测教育部重点试验室	110	753	16.0	21.0
2	陈振华	南昌航空大学无损检测教育部重点试验室	24	108	6.0	8.0
3	胡怀辉	南昌航空大学无损检测教育部重点试验室	2	7	1.0	2.0