10.3969/j.issn.1001-3881.2020.12.023
基于神经网络的铝合金裂纹缺陷识别
将人工神经网络方法应用于铝合金工件裂纹缺陷识别,以克服传统人工识别的局限性,从而提高裂纹缺陷识别的准确率.通过设计并搭建水浸超声检测系统,获得超声检测缺陷的波形数据,并对收集到的缺陷波形数据进行特征提取,从中筛选出有用的特征信息,经过小波去噪处理后作为特征信号输入概率神经网络,并进行网络训练,实现对不同裂纹尺寸的智能识别.实验结果表明:该方法可提高对裂纹缺陷尺寸识别的准确率和检测效率,具有较好的应用前景.
超声检测、特征提取、概率神经网络、裂纹缺陷
48
TP206(自动化技术及设备)
沈阳市科技计划项目;Sponsored by Shenyang Science and Technology Plan Project
2020-07-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
161-165