仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2013年
9期
1955-1960
,共6页
频谱分析%神经网络%缺陷%无损检测
頻譜分析%神經網絡%缺陷%無損檢測
빈보분석%신경망락%결함%무손검측
frequency spectrum analysis%neural network%defect%NDT
通过对直径不同孔洞缺陷振动信号进行处理分析,实现木材孔洞大小的无损检测.研究中首先采集孔洞面敲击和无孔洞面敲击的振动应力波信号,然后对直径不同孔径缺陷的振动信号的频谱特征进行分析,提取出频谱的特征向量作为训练样本;并利用获取的样本对构建好的体现信号特征与孔洞大小的非线性神经网络模型进行训练,然后利用训练好的网络对孔洞缺陷的大小进行无损检测.结果显示:随着孔洞直径的增大,振动信号频谱密度极大值所对应的频率逐渐减小;与无孔洞面敲击方式相比,孔洞面敲击所获得的信号频谱特征作为样本训练BP网络,网络仿真性能较好,仿真输出和目标值的相关系数都能达到0.98以上,对孔洞缺陷直径大小的识别准确率达到93.5%以上;孔洞缺陷大小检测的最佳模型为隐层节点6、传递函数为正切Sigmoid的单隐层网络模型.
通過對直徑不同孔洞缺陷振動信號進行處理分析,實現木材孔洞大小的無損檢測.研究中首先採集孔洞麵敲擊和無孔洞麵敲擊的振動應力波信號,然後對直徑不同孔徑缺陷的振動信號的頻譜特徵進行分析,提取齣頻譜的特徵嚮量作為訓練樣本;併利用穫取的樣本對構建好的體現信號特徵與孔洞大小的非線性神經網絡模型進行訓練,然後利用訓練好的網絡對孔洞缺陷的大小進行無損檢測.結果顯示:隨著孔洞直徑的增大,振動信號頻譜密度極大值所對應的頻率逐漸減小;與無孔洞麵敲擊方式相比,孔洞麵敲擊所穫得的信號頻譜特徵作為樣本訓練BP網絡,網絡倣真性能較好,倣真輸齣和目標值的相關繫數都能達到0.98以上,對孔洞缺陷直徑大小的識彆準確率達到93.5%以上;孔洞缺陷大小檢測的最佳模型為隱層節點6、傳遞函數為正切Sigmoid的單隱層網絡模型.
통과대직경불동공동결함진동신호진행처리분석,실현목재공동대소적무손검측.연구중수선채집공동면고격화무공동면고격적진동응력파신호,연후대직경불동공경결함적진동신호적빈보특정진행분석,제취출빈보적특정향량작위훈련양본;병이용획취적양본대구건호적체현신호특정여공동대소적비선성신경망락모형진행훈련,연후이용훈련호적망락대공동결함적대소진행무손검측.결과현시:수착공동직경적증대,진동신호빈보밀도겁대치소대응적빈솔축점감소;여무공동면고격방식상비,공동면고격소획득적신호빈보특정작위양본훈련BP망락,망락방진성능교호,방진수출화목표치적상관계수도능체도0.98이상,대공동결함직경대소적식별준학솔체도93.5%이상;공동결함대소검측적최가모형위은층절점6、전체함수위정절Sigmoid적단은층망락모형.