激光超声缺陷统计特征神经网络识别技术研究

• 作者: 王余敬 秦峰 郑宾 郭华玲
• 来源期刊: 应用激光
• 学科: 工学
• 关键词: 统计特征 缺陷识别 神经网络 激光超声
• 年，卷（期）: 2017,（6）
• 页码范围: 888-892
• 页数: 5页
• 分类号: TN247
• 语种: 中文
• DOI: 10.14128/j.cnki.al.20173705.888

摘要

针对激光超声检测过程中,缺陷的分类、定位及特征难以识别的问题,根据激光超声遇到不同裂纹呈规律性变化的特点,采用神经网络对在激光超声检测中出现的缺陷特征进行统计识别.对采集到的激光超声信号归一化和规范化后,首先计算每个信号的均值、均方根值、峰值、峭度等十个统计特征,并将这些特征组合成一个等长的特征向量,然后采用径向基(RBF)神经网络识别.经过计算发现总的识别正确率为95％,部分类型的缺陷识别可以达到100％,较低的识别正确率也在80％以上.实验结果表明,该方法能精确、高效地识别裂纹缺陷且对环境的适应能力比较好,有助于实现对裂纹的定量检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑宾		149	707	12.0	21.0
2	郭华玲		33	93	6.0	8.0
3	秦峰		3	1	1.0	1.0
4	王余敬		4	22	3.0	4.0