利用深度神经网络和小波包变换进行缺陷类型分析 |
| |
引用本文: | 施成龙,师芳芳,张碧星.利用深度神经网络和小波包变换进行缺陷类型分析[J].声学学报,2016(4):499-506. |
| |
作者姓名: | 施成龙 师芳芳 张碧星 |
| |
作者单位: | 中国科学院声学研究所声场声信息国家重点实验室;中国科学院大学 |
| |
摘 要: | 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。
|
关 键 词: | 小波包变换 神经网络 缺陷特征 识别准确率 类型分析 使用深度 分类正确率 通孔 平底孔 能量特征 |
本文献已被 CNKI 等数据库收录! |
|