基于神经网络的荧光油膜厚度与灰度研究

• 作者: 钱泓江 董秀成 徐椰烃 蒋金洋 陈桂芳
• 来源期刊: 南京航空航天大学学报
• 关键词: 神经网络 荧光油膜 数据预测 参数辨识
• 年，卷（期）: 2021,（3）
• 页码范围: 470-476
• 页数: 7页
• 分类号: V19
• 语种: 中文
• DOI: 10.16356/j.1005-2615.2021.03.020

摘要

在全局摩阻测量中,薄油膜技术可以很好地表征表面摩阻的分布情况.用特定波长的紫外线照射添加了荧光显色分子的不同厚度的油膜,油膜将发出不同的亮度.利用该原理通过检测受激发的荧光油膜灰度值可解算出相应油膜的厚度.本次采用BP神经网络及极限学习机(Extreme learning machine,ELM)神经网络搭建模型完成了荧光油膜厚度与灰度关系的预测,运用Hopfield神经网络完成了相应参数的辨识.实验表明,ELM神经网络模型、BP神经网络模型及插值法模型的预测误差分别为5.150％、5.485％和5.935％.通过Hopfield神经网络辨识,光源功率、光距和曝光系数等影响因素的参数误差率控制在1％左右,达到实际工程运用的要求.与传统插值法相比,通过神经网络可获得更高的精度,为荧光油膜灰度与厚度研究提供了一种可行的方法.