作者:吴斌,齐文博,何存富,周进节 单位:中国力学学会 出版:《工程力学》2013年第02期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFGCLX2013020680 DOC编号:DOCGCLX2013020689 下载格式:PDF + Word/doc 文字可复制、可编辑
《管道超声导波检测技术进展》PDF+DOC2016年第03期 张跃强,张早校,郝建成,贾云龙,燕学军,马旭兵,韩丁,郭俊杰 《基于神经网络的触觉感知方向识别研究》PDF+DOC2016年第01期 周嵘,吴皓莹 《管道超声导波检测技术》PDF+DOC2006年第06期 董为荣,帅建 《基于时域特征提取的围栏入侵模式分类方法》PDF+DOC2017年第21期 周静,赵鲁阳,罗炬锋 《基于BP神经网络的称重传感器静态非线性误差补偿研究》PDF+DOC2008年第06期 严洁,赵研,张俊利 《基于BP神经网络算法的飞机发动机火警信号系统研究》PDF+DOC2008年第04期 吴光彬,王栋,贾卫东,高超 《基于BP神经网络PID参数整定的空燃比控制策略研究》PDF+DOC2013年第06期 刘小斌 《基于灰色神经网络的压力传感器温度补偿模型》PDF+DOC2013年第04期 孙艳梅,苗凤娟,宋志章 《基于BP神经网络的无线传感器网络路由协议的研究》PDF+DOC2013年第02期 孔玉静,侯鑫,华尔天,魏星锋 《基于数据融合的原油含水率在线测量方法研究》PDF+DOC2013年第05期 王艳菊,康岳屹,王怀玉
  • 利用基于BP神经网络的缺陷识别算法,从不同实验条件下获得的信号样本中抽取特征量,对钢杆中不同深度和位置的径向裂纹进行了识别。首先,采用频率为235kHz激励轴对称纵向模态导波对钢杆中的径向裂纹进行了检测。实验表明,在235kHz时获得的超声导波信号含较单一的L(0,2)模态,避免了用L(0,1)模态检测小尺寸缺陷时检测能力较弱的问题,又减少了用轴对称纵向高阶模态检测缺陷时模态较多不易分辨缺陷回波的现象。其次,利用算法对钢杆中的径向裂纹进行识别。结果表明,在已有实验样本数下,缺陷识别算法从整体上很好地识别不同深度和位置的裂纹,识别正确率稳定在87%。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。