排序方式: 共有15条查询结果,搜索用时 31 毫秒
1.
2.
3.
利用深度神经网络和小波包变换进行缺陷类型分析 总被引:1,自引:0,他引:1
超声检测中对缺陷进行类型分析通常取决于操作人员对于特定专业知识的了解及检测经验,从而导致其分析结果的不稳定性和个体差异性。本文提出了一种使用小波包变换提取缺陷特征信息,并应用深度神经网络对得到的信息进行分类识别的方法。利用超声相控阵系统对于不锈钢试块上的通孔、斜通孔和平底孔进行超声检测,并对得到的超声回波波形按照新方法进行分析。实验结果表明,使用小波包变换后的数据进行分类识别能够在提高识别准确率的同时降低神经网络的学习时间,而使用深度神经网络相比通用的BP神经网络以可接受延长学习时间的代价提高了识别的准确率。采用新方法后,缺陷分类正确率提高了21.66%,而网络学习时间只延长了91.9s。在超声检测中使用小波包变换和深度神经网络来对于缺陷进行类型分析,能够排除人为干扰,增加识别准确率,对于实际应用有着极大的意义。 相似文献
4.
时间反转和逆时偏移混合法能有效地抑制分层介质中界面或底面反射波的干扰,从而实现分层介质中目标的检测和定位。该文计算得到阵列阵元的疏密,目标在空间中不同位置,以及不同载波频率相应的声场图和声场等高线图,从而详细研究不同参数对目标检测和定位的影响。研究结果表明,接收阵元需要达到一定数目才能获得较好的聚焦效果;目标无论距阵列远近都可以被很好地定位,特别是离界面很近的目标也可以清晰地分辨出来;用调制载波信号可以得到在目标处更尖锐的声场分布,但周围的各处声场分布高低起伏,可能带来定位的不稳定。 相似文献
5.
脉冲压缩方法通过采用编码信号激励与脉冲压缩接收来提高超声检测的时间分辨率和信噪比。然而,受换能器带宽的限制,编码信号的时间带宽积往往有限,影响脉冲压缩效果。开展了基于超声阵列的多频脉冲压缩方法研究,超声阵列是由具有不同中心频率和带宽的多个阵元组成,从而使得整个阵列具有比单个换能器更宽的带宽。提出了压缩后叠加取包络的脉冲压缩方法,并研究了这种方法在提高时间分辨率和主副瓣比上的技术方案,对多频脉冲压缩的超声阵列进行了设计与优化,发现多频脉冲压缩方法能很大程度地提高时间分辨率,并能有效地抑制各阵元信号叠加产生的周期副瓣。理论和实验结果表明,这种压缩后叠加取包络的方法得到的时间分辨率在性能上受阵元带内不平整度的影响很小,能使阵元压缩包络中的主副瓣比得到明显改善。 相似文献
6.
针对超声相控阵检测系统工作环境较为恶劣、延时发射电路复杂、多路信号的采集难以单板实现以及多路信号处理实时性差等问题,提出了一种基于CPCI总线和FPGA的超声相控阵控制、采集与全并行处理系统的设计。本设计采用CPCI总线架构,可以在高尘、高冲击负荷等恶劣环境下工作,采用带高速串行LVDS接口的ADS445与XC5VSX95T相组合的方式来实现单板16路信号的高速信号采集和全并行处理,采用XC5VSX95T中的高速计数器来实现2ns的高精度延时发射,还提供了功能强大的主控软件便于用户操作。分析结果表明,多路AD+FPGA的硬件结构特别适合相控阵系统。实测结果表明,本系统可以较好地对钢管的缺陷进行实时检测和A扫与B扫成像。 相似文献
7.
This paper presents a new focusing and scanning method which focuses multiple waves on a target. The key of the method is to control excitation pulses for each element of the transducer array. The excitation pulse on each array element is obtained by time reversing the signal received by the same element, which is generated by an imaginary source at the target. The excitation pulses from all array elements are transmitted and arrive at the target simultaneously, and focusing is achieved. The performance of the two methods is compared in numerical examples, and it is demonstrated that the proposed method achieves a satisfactory focusing and a good signal-to-noise ratio no matter where the target location is. 相似文献
8.
该文提出一种基于卷积神经网络直接对阵列超声检测原始信号进行缺陷类型识别的方法,该方法无需对超声回波原始信号进行特征提取。文章研究对比了不同卷积神经网络及其优化的识别性能。首先采用超声相控阵系统对不同试块上的平底孔、球底孔、通孔三种缺陷进行超声检测,然后利用LeNet5、VGG16和ResNet三种卷积神经网络对一维和二维数据分别进行缺陷识别,并使用Leaky ReLU、Dropout、Batch Normalization等来对网络进行优化,对比分析识别准确率和效率等。研究结果表明,虽然一维卷积在训练速度上快于二维,但是二维卷积在识别准确度方面更高,同时网络模型结构如果过于复杂会导致准确率的下降,数据增强和优化方式有助于加快收敛速度、提高准确率。 相似文献
9.
10.
基于时间反转和逆时偏移混合方法用于分层介质中目标的声学检测和定位的原理,本文对分层介质中目标检测和定位的声场进行了数值分析。首先给出了声场分布数值仿真的方法和步骤,进一步采用单发多收和多发多收两种方式对单个目标和多个目标计算出其声场分布。数值仿真结果表明可以较好地实现对目标的检测和定位。比较发现,单发单收方式和多发多收方式都得到较好的结果,但多发多收方式计算耗时过多,因此不宜采用。另外,对多个目标的探测提出了改进方法。 相似文献