CAJ | 학술논문

为了可靠地检出并识别焊缝缺陷,提出了一种基于特征评估和概率神经网络(PNN)的超声自动识别方法.该方法分别采用小波包和经验模式分解法对缺陷信号进行分解,提取原始信号和各分解信号的时域无量纲参数组成联合特征,并计算其评估因子,根据评估因子的大小选取敏感特征作为PNN的输入,从而实现不同焊缝缺陷类型的自动识别.通过对飞机起落架焊缝进行机上原位检测,实验结果表明,上述方法能够从大量的缺陷特征中筛选出敏感特征,克服了人为选择缺陷敏感特征的盲目性,减小了PNN规模,提高了分类准确率和检测效率.该方法在飞机的外场原位测试中具有很好的应用前景.
위료가고지검출병식별한봉결함,제출료일충기우특정평고화개솔신경망락(PNN)적초성자동식별방법.해방법분별채용소파포화경험모식분해법대결함신호진행분해,제취원시신호화각분해신호적시역무량강삼수조성연합특정,병계산기평고인자,근거평고인자적대소선취민감특정작위PNN적수입,종이실현불동한봉결함류형적자동식별.통과대비궤기락가한봉진행궤상원위검측,실험결과표명,상술방법능구종대량적결함특정중사선출민감특정,극복료인위선택결함민감특정적맹목성,감소료PNN규모,제고료분류준학솔화검측효솔.해방법재비궤적외장원위측시중구유흔호적응용전경.