基于PSO-BP神经网络的红外无损检测缺陷定量识别

• 作者: 钱鹏 陆金桂
• 来源期刊: 南京工业大学学报（自然科学版）
• 学科: 工学
• 关键词: 红外无损检测 定量识别 BP神经网络 粒子群算法
• 年，卷（期）: 2019,（4）
• 页码范围: 501-507
• 页数: 7页
• 分类号: TP183
• 字数: 4353字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7627.2019.04.016

摘要

为解决红外无损检测缺陷定量识别困难的问题,提出了一种粒子群算法(PSO)优化反向传播(BP)神经网络的缺陷定量识别方法.以最佳检测时间与最大温差为模型的输入,孔洞缺陷的深度与直径大小为模型的输出,建立粒子群优化的BP神经网络缺陷定量识别模型.使用ANSYS软件对带有平底孔洞缺陷的金属平板进行脉冲热分析,提取金属平板检测表面的最大温差与最佳检测时间,作为神经网络模型训练与检验的数据样本,使用神经网络进行预测.计算结果表明:预测值的最大误差为5.5％,最小误差为1％,证明了粒子群优化BP神经网络方法进行红外无损检测定量识别的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆金桂	南京工业大学机械与动力工程学院	96	717	14.0	23.0
2	钱鹏	南京工业大学机械与动力工程学院	5	11	2.0	3.0