为量化油气管道的裂纹漏磁信号, 提出使用改进型BP神经网络的方法。介绍了BP神经网络的运作方式、改进的BP算法和如何将遗传算法用于改进BP神经网络的初始权值和阈值。测试样本和实际检测数据的输出结果表明, 采用改进型BP神经网络量化裂纹漏磁信号是可行的。

所属栏目

科研成果与学术交流国家高技术发展研究计划(863)资助项目(2007AA06Z223)

收稿日期

2008/12/3

作者单位

吴欣怡:清华大学 电机系 电力系统国家重点实验室, 北京 100084
黄松岭:清华大学 电机系 电力系统国家重点实验室, 北京 100084
赵伟:清华大学 电机系 电力系统国家重点实验室, 北京 100084

备注

吴欣怡(1983-), 女, 硕士研究生, 研究方向为基于漏磁检测的裂纹量化方法。

引用该论文:

WU Xin-Yi,HUANG Song-Ling,ZHAO Wei.Characterizing Magnetic Flux Leakage Signal of Cracks Based on Improved BP Neural Network[J].Nondestructive Testing,2009,31(8):603～605
吴欣怡,黄松岭,赵伟.使用改进型BP神经网络量化裂纹漏磁信号[J].无损检测,2009,31(8):603～605

被引情况:

【1】

戴光,邱枫,陈荣刚,张颖,粟辉霖, "储罐底板腐蚀状态的人工神经网络智能评价方法",无损检测 34, 5-7(2012)
参考文献

【1】

彭永胜.基于漏磁检测机理的钢管小缺陷精确量化识别理论及系统研究[D].天津: 天津大学,2005.

【2】

李久春.基于SVR的管道裂纹漏磁场的预测分析模型[J].微计算机信息,2008,24(15): 285-287.

【3】

Han Wenhua, Que Peiwen. Defect reconstruction from MFL signals using an improved genetic local search algorithm[C]. IEEE International Conference on Industrial Technology.[S.l]:[s.n.],2005: 1438-1443.

【4】

Han Wenhua, Que Peiwen. 2-D defect reconstruction from MFL signals based on genetic optimization algorithm[C]. IEEE International Conference on Industrial Technology.[S.l]:[s.n.],2005: 508-513.

【5】

Ameet Joshi, Lalita Udpa, Satish Udpa, et al. Adaptive wavelets for characterizing magnetic flux leakage signals from pipeline inspection[J]. IEEE Tras on Magnetics,2006,42(10): 3168-3170.

【6】

吴欣怡, 赵 伟, 黄松岭.基于漏磁检测的缺陷量化方法[J].电测与仪表,2008,45(5): 20-22.

【7】

谭显胜, 周铁军.BP算法改进方法的研究进展[J].怀化学院学报,2006,25(2): 126-130.

【8】

董长虹.Matlab神经网络与应用[M].北京: 国防工业出版社,2005.

【9】

雷英杰, 张善文, 李续武,等.MATLAB遗传算法工具箱及应用[M].西安: 西安电子科技大学出版社,2005.

【10】

万盛萍.GA优化BP神经网络[J].软件导刊,2007,3(3): 24-25.