返回顶部
位置:标准分享网>无损检测论文>小波变换和神经网络在漏磁缺陷信号识别中的应用
小波变换和神经网络在漏磁缺陷信号识别中的应用
  • 资料大小:

  • 更新时间:

    2006-04-04

  • 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

利用小波变换和RBF(Radius Basis Function)神经网络技术对漏磁检测系统中的缺陷信号进行分类。重点设计了试验系统,采集了四种缺陷信号,首先应用小波变换提取信号特征值,然后利用RBF神经网络训练,采用模糊聚类算法寻找基函数的中心,使缺陷的定性分类获得了很高的准确率。试验获得了较好的缺陷分类效果。

所属栏目

试验研究国家科技部科研院社会公益研究资金项目(Z00-G03)

收稿日期

2006/4/4

作者单位

胡浪涛:合肥工业大学 计算机与信息学院,合肥 230009
何辅云:合肥工业大学 计算机与信息学院,合肥 230009
查君君:合肥工业大学 计算机与信息学院,合肥 230009

备注

胡浪涛(1982-),男,硕士研究生,从事信号检测与处理研究工作。

引用该论文:

HU Lang-tao,HE Fu-yun,CHA Jun-jun.Application of Wavelet Transformation and Neural Network to Magnetic Flux Leakage Signal Classification[J].Nondestructive Testing,2007,29(4):197~199
胡浪涛,何辅云,查君君.小波变换和神经网络在漏磁缺陷信号识别中的应用[J].无损检测,2007,29(4):197~199


参考文献

【1】

Hwang K, Mandayam S. Application of wavelet basis function neural networks to NDE[J]. IEEE,1997, 0-7803-3636-4197,1420-1423.

【2】

Jun-You1 Lee. Hierarchical rule based classification of MFL signals obtained from atural gas pipeline inspection[J]. IEEE,2000, 0-7695-06 19-4/00, 71-76.

【3】

何辅云.石油管道的高速检测与缺陷识别[J].无损检测,2000,22(5):206-208.

【4】

吴 淼,张海燕.超声检测缺陷分类的小波分析与神经网络方法[J].中国矿业大学学报,2000,29(3):239.

【5】

高 隽.人工神经网络原理及仿真实例[M].北京:机械工业出版社,2003:55-63.

【6】

边肇祺.模式识别[M].北京:清华大学出版社,1999:280-281.

标准分享网无损检测论文频道,免费下载【小波变换和神经网络在漏磁缺陷信号识别中的应用】,仅供学习使用,不得商用,如需商用请购买正版小波变换和神经网络在漏磁缺陷信号识别中的应用。谢谢合作

【关键词】 漏磁检测 小波分析 模糊聚类 神经网络  胡浪涛 何辅云 查君君

猜下面文档对你有所帮助
无损检测论文排行