CAJ | 학술논문

针对传统缺陷检测存在的工序繁琐、不易在线实施、准确率低、容易受人为因素影响,以及用人工神经网络对小样本事件进行缺陷类型识别时存在泛化能力差和过学习等问题,提出一种基于复小波变换和支持向量机(SVM)模式识别理论的缺陷类型识别新方法.在利用小波对超声缺陷回波信号进行消噪的基础上,采用复小波变换获得缺陷回波信号的包络并提取其特征参数,构成输入特征向量后运用支持向量机进行分类.实验结果表明,该方法具有识别准确率高、泛化能力强、容易实现在线处理等优点.
침대전통결함검측존재적공서번쇄、불역재선실시、준학솔저、용역수인위인소영향,이급용인공신경망락대소양본사건진행결함류형식별시존재범화능력차화과학습등문제,제출일충기우복소파변환화지지향량궤(SVM)모식식별이론적결함류형식별신방법.재이용소파대초성결함회파신호진행소조적기출상,채용복소파변환획득결함회파신호적포락병제취기특정삼수,구성수입특정향량후운용지지향량궤진행분류.실험결과표명,해방법구유식별준학솔고、범화능력강、용역실현재선처리등우점.