返回顶部
位置:标准分享网>无损检测论文>基于小波分解和BP神经网络的磁巴克豪森噪声信号分层分析研究
基于小波分解和BP神经网络的磁巴克豪森噪声信号分层分析研究
  • 资料大小:

  • 更新时间:

    2012-05-22

  • 授权方式:

    共享学习

  • 资料格式:

    PDF

  • 软件等级:

  • 官方主页:

    http://www.ndt88.com

资料简介

因小波变换具有多尺度分析的特点,在时频两域都有表征信号局部特征的能力<参考文献原文>,因此采用小波分解方法研究了不同时频成分的磁巴克豪森(MBN)信号随温度和应力变化的灵敏度问题。采用db5小波对MBN信号进行6层小波分解,提取各层分解系数的均值和均方根,并讨论分析了各特征值随所加应力以及温度变化的相对变化关系。研究表明,在试样的弹性范围内,低频系数和各层高频系数的均值和均方根都随压应力的增加而减小;各层高频系数的均值和均方根随温度的升高而降低,低频系数的均值和均方根随温度的升高而升高。最后将温度、原始MBN信号以及各分解系数的均值和均方根作为神经网络的输入,压应力作为其输出建立神经网络模型,结果表明该神经网络模型与之前没有用小波分解时的神经网络模型相比,检测应力的准确性更高。

所属栏目

2012远东无损检测新技术论坛论文精选国家自然科学基金资助项目(50907032);江苏省科技厅资助项目(BE2009162,BZ2009051);博士点基金资助项目(20093218120019)

收稿日期

2012/5/22

作者单位

姬小丽:南京航空航天大学 自动化学院,南京210016
王平:南京航空航天大学 自动化学院,南京210016
田贵云:南京航空航天大学 自动化学院,南京210016
朱磊:南京航空航天大学 自动化学院,南京210016Newcastle大学 电子电力与计算机工程学院,英国纽卡斯尔NE17RU

备注

姬小丽(1986-),女,硕士研究生,研究方向;无损检测。

引用该论文:

JI Xiao-Li,WANG Ping,TIAN Gui-Yun,ZHU Lei.Stratified Analysis of the Magnetic Barkhausen Noise Signal Based on Wavelet Decomposition and Back Propagation Neural Network[J].Nondestructive Testing,2012,34(11):5~9
姬小丽,王平,田贵云,朱磊.基于小波分解和BP神经网络的磁巴克豪森噪声信号分层分析研究[J].无损检测,2012,34(11):5~9


参考文献

【1】

刑素霞.多光谱图像融合中小波分解层数研究[J].微电子学与计算机,2011,28(1):176-179.

【2】

王骁,刘辉,祁欣,等.巴克豪森噪讯无缝线路应力检测仪的研制及应用[J].北京化工大学学报,2010,37(3):123-126.

【3】

Barkhausen H. Two phenomena revealed with the help of new amplifiers[J]. Phys,1919,Z29:401.

【4】

杨雅荣.基于巴克豪森效应的钢轨表面应力研究[C].2009远东无损检测论坛.苏州:2009.

【5】

彭玉华.小波变换与工程应用[M].北京:科学出版社,2005.52-54

【6】

朱寿高.基于巴克豪森噪声应力检测系统的研究[D].南京:南京航空航天大学,2009.

【7】

朱秋君.基于BP神经网络的巴克豪森铁轨温度应力检测系统[C].2011远东无损检测论坛.杭州:2011.

标准分享网无损检测论文频道,免费下载【基于小波分解和BP神经网络的磁巴克豪森噪声信号分层分析研究】,仅供学习使用,不得商用,如需商用请购买正版基于小波分解和BP神经网络的磁巴克豪森噪声信号分层分析研究。谢谢合作

【关键词】 磁巴克豪森噪声 小波分解 BP神经网络  姬小丽 王平 田贵云 朱磊

猜下面文档对你有所帮助
无损检测论文排行