本文關(guān)鍵詞：基于BP和NNRS模型的超聲缺陷信號(hào)識(shí)別研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：超聲波無(wú)損檢測(cè)技術(shù)作為五大常用無(wú)損檢測(cè)方法之一,它具有可以檢測(cè)不同種類材料的缺陷,對(duì)缺陷的深度容忍度高,可以準(zhǔn)確的定位缺陷的位置,檢測(cè)靈敏度較高;且該技術(shù)的成本較低,使用非常方便;檢測(cè)缺陷的速度快,對(duì)人體無(wú)害,便于現(xiàn)場(chǎng)使用等特點(diǎn),成為國(guó)內(nèi)外應(yīng)用最廣泛、使用頻率最高且發(fā)展較快的一種無(wú)損檢測(cè)技術(shù)。超聲波缺陷信號(hào)不穩(wěn)定性和非線性特征使得對(duì)缺陷種類的判別需要高度的人工技術(shù),如何利用先進(jìn)的科學(xué)技術(shù)對(duì)缺陷信息進(jìn)行自動(dòng)識(shí)別以及缺陷的定性評(píng)價(jià),還需要更多的科研工作者貢獻(xiàn)力量。人工神經(jīng)網(wǎng)絡(luò)是一個(gè)自適應(yīng)、自學(xué)習(xí)和并行分布式的信息處理網(wǎng)絡(luò)結(jié)構(gòu),自20世紀(jì)80年代以來(lái),人們對(duì)人工神經(jīng)網(wǎng)絡(luò)的研究理論上取得了很大的進(jìn)展,目前已經(jīng)有上百種人工神經(jīng)網(wǎng)絡(luò)模型,它們的網(wǎng)絡(luò)結(jié)構(gòu),性能,算法及應(yīng)用領(lǐng)域各異,廣泛地應(yīng)用在信號(hào)處理、模式識(shí)別、圖像處理、醫(yī)學(xué)、氣象、自動(dòng)控制、金融預(yù)測(cè)等領(lǐng)域,在系統(tǒng)故障診斷識(shí)別中有優(yōu)異的表現(xiàn)。本文利用實(shí)驗(yàn)獲得的激光超聲表面缺陷的反射波和透射波信號(hào)數(shù)據(jù),提取能夠表征超聲缺陷信號(hào)的特征,利用神經(jīng)網(wǎng)絡(luò)人工智能技術(shù),用BP神經(jīng)網(wǎng)絡(luò)模型、改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型和神經(jīng)網(wǎng)絡(luò)權(quán)轉(zhuǎn)換模型(Neural Network Regime Switching,簡(jiǎn)稱NNRS)構(gòu)建缺陷診斷系統(tǒng),逐步提高缺陷診斷系統(tǒng)的準(zhǔn)確率、穩(wěn)定性和泛化能力,縮短算法的時(shí)間復(fù)雜度。本文主要研究?jī)?nèi)容包括:1.第三章中介紹了梅爾頻率倒普系數(shù)法(Mel Frequency Cepstral Coefficient method,簡(jiǎn)稱MFCC)的基本原理,利用MFCC法提取激光超聲表面缺陷的反射波和透射波信號(hào)的頻域特征,將高維小樣本信號(hào)數(shù)據(jù)轉(zhuǎn)換成低維多樣本高維特征數(shù)據(jù),用歸一化方法消除高頻特征量綱,為神經(jīng)網(wǎng)絡(luò)模型輸入數(shù)據(jù)提供支持。2.在第四章中闡述神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展與基本原理,利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建缺陷診斷系統(tǒng),探討了網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)造,特征參數(shù)選取等問(wèn)題,并從BP的不足和局限性出發(fā),應(yīng)用附加動(dòng)量法改進(jìn)BP模型,避免網(wǎng)絡(luò)在修正權(quán)值時(shí)可能陷入局部極小值的問(wèn)題,用實(shí)際測(cè)得數(shù)據(jù)訓(xùn)練測(cè)試,對(duì)比BP和附加動(dòng)量BP兩種網(wǎng)絡(luò)模型性能。在單組激光超聲波缺陷信號(hào)數(shù)據(jù)的測(cè)試中,改進(jìn)BP網(wǎng)絡(luò)性能優(yōu)于BP網(wǎng)絡(luò)模型,缺陷信號(hào)分類正確率達(dá)80%左右,診斷率可達(dá)100%。3.第五章討論前饋型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其改進(jìn)方法,提出引進(jìn)NNRS神經(jīng)網(wǎng)絡(luò)模型構(gòu)建超聲波表面缺陷信號(hào)診斷系統(tǒng),NNRS模型在網(wǎng)絡(luò)輸入層和輸出層間增加線性連接,并增加隱含層層數(shù),增強(qiáng)模型非線性映射能力和穩(wěn)定性能等,闡述模型拓?fù)浣Y(jié)構(gòu),優(yōu)化參數(shù)。用五組激光超聲波缺陷檢測(cè)實(shí)驗(yàn)數(shù)據(jù)反復(fù)驗(yàn)證,NNRS神經(jīng)網(wǎng)絡(luò)模型分類正確率高達(dá)90%多,診斷率為100%。NNRS神經(jīng)網(wǎng)絡(luò)模型的非線性映射能力和穩(wěn)定性都較附加動(dòng)量的BP網(wǎng)絡(luò)模型強(qiáng),且通過(guò)五組實(shí)驗(yàn)數(shù)據(jù)反復(fù)驗(yàn)證,其泛化能力更好。4.第六章考慮NNRS模型的算法時(shí)間復(fù)雜度與空間復(fù)雜度,為優(yōu)化模型時(shí)間復(fù)雜度,在數(shù)據(jù)層面做主成分分析(PCA)降維處理,壓縮數(shù)據(jù)。用PCA法處理反射波缺陷信號(hào)五組實(shí)驗(yàn)數(shù)據(jù),再應(yīng)用NNRS網(wǎng)絡(luò)模型分類缺陷信號(hào),診斷系統(tǒng)分類準(zhǔn)確率高達(dá)97%,算法運(yùn)行時(shí)間也縮減為原來(lái)的50%。
【關(guān)鍵詞】：超聲波無(wú)損檢測(cè) MFCC法 BP網(wǎng)絡(luò) NNRS網(wǎng)絡(luò) PCA法
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP183;TB559
【目錄】：

• 摘要4-6
• Abstract6-11
• 1 緒論11-21
• 1.1 課題研究背景及意義11-12
• 1.2 研究現(xiàn)狀12-19
• 1.2.1 缺陷識(shí)別特征提取的一般方法12-14
• 1.2.2 缺陷識(shí)別模型14-16
• 1.2.3 人工神經(jīng)網(wǎng)絡(luò)原理16-19
• 1.3 本文研究的主要內(nèi)容及結(jié)構(gòu)19-21
• 2 信號(hào)數(shù)據(jù)來(lái)源與波形分析21-24
• 2.1 激光超聲波缺陷檢測(cè)實(shí)驗(yàn)21-22
• 2.2 反射波和透射波信號(hào)波形分析22-23
• 2.3 本章小結(jié)23-24
• 3 信號(hào)特征提取與預(yù)處理24-28
• 3.1 MFCC原理24-26
• 3.2 提取特征預(yù)處理26-27
• 3.3 本章小結(jié)27-28
• 4 BP神經(jīng)網(wǎng)絡(luò)模型及其改進(jìn)28-36
• 4.1 BP神經(jīng)網(wǎng)絡(luò)原理28-31
• 4.1.1 BP網(wǎng)絡(luò)結(jié)構(gòu)28-29
• 4.1.2 BP網(wǎng)絡(luò)的工作原理29-30
• 4.1.3 改進(jìn)的BP網(wǎng)絡(luò)30-31
• 4.2 表面波缺陷探測(cè)實(shí)驗(yàn)對(duì)比31-35
• 4.4 本章小結(jié)35-36
• 5 NNRS神經(jīng)網(wǎng)絡(luò)模型在缺陷識(shí)別中的應(yīng)用36-44
• 5.1 前饋型神經(jīng)網(wǎng)絡(luò)模型及其改進(jìn)36-39
• 5.1.1 帶跳躍的前饋型神經(jīng)網(wǎng)絡(luò)模型37-38
• 5.1.2 多隱含層前饋型神經(jīng)網(wǎng)絡(luò)模型38-39
• 5.2 神經(jīng)網(wǎng)絡(luò)權(quán)轉(zhuǎn)換模型39-40
• 5.3 實(shí)驗(yàn)結(jié)果與分析40-42
• 5.4 本章小結(jié)42-44
• 6 基于PCA法對(duì)模型的進(jìn)一步改進(jìn)44-50
• 6.1 PCA原理44-48
• 6.1.1 主成分定義44-45
• 6.1.2 主成分的幾何意義45-46
• 6.1.3 貢獻(xiàn)率的定義46-47
• 6.1.4 主成分分析法算法步驟47-48
• 6.2 實(shí)驗(yàn)結(jié)果48-49
• 6.3 本章小結(jié)49-50
• 7.總結(jié)與展望50-52
• 7.1 本文研究主要內(nèi)容和成果50-51
• 7.2 存在的問(wèn)題及對(duì)以后工作的展望51-52
• 參考文獻(xiàn)52-57
• 讀碩士學(xué)位期間發(fā)表的論文57-58
• 致謝58-60

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 孫林巖;陳亮;;高教發(fā)展速度預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型[J];預(yù)測(cè);1996年02期

2 朱曉峰;統(tǒng)計(jì)分析和預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型[J];統(tǒng)計(jì)教育;2000年02期

3 譚艷華,王林山;關(guān)于《一類具有時(shí)滯的神經(jīng)網(wǎng)絡(luò)模型的收斂性》的注記[J];生物數(shù)學(xué)學(xué)報(bào);2001年01期

4 陳紅軍;周建平;王林山;;一類時(shí)滯靜態(tài)神經(jīng)網(wǎng)絡(luò)模型的全局漸近穩(wěn)定性[J];聊城大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年01期

5 曹進(jìn)德;梁金玲;;非自治Cohen-Grossberg神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)——解的有界性和穩(wěn)定性[J];科學(xué)觀察;2007年05期

6 楊巍;張春蕊;;時(shí)滯三元離散神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性與分岔分析[J];哈爾濱理工大學(xué)學(xué)報(bào);2010年02期

7 莫道宏;楊慧;;一個(gè)離散神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性與分支分析[J];合肥學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年03期

8 朱俊峰;;基于PCA-ANN模型中存在的問(wèn)題及改進(jìn)[J];合肥學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年03期

9 宋江艷;李華勝;;時(shí)間尺度上具脈沖的神經(jīng)網(wǎng)絡(luò)模型周期解的存在性[J];科技信息;2012年17期

10 劉崎峰;王琦;;關(guān)于恒流狀態(tài)下膜堵塞定律與神經(jīng)網(wǎng)絡(luò)模型的比較研究[J];內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 孫寶成;劉錫薈;;時(shí)間序列神經(jīng)網(wǎng)絡(luò)模型[A];全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

2 周金榮;胡澤新;黃道;;一種多層混合型神經(jīng)網(wǎng)絡(luò)模型的研究[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

3 王阿明;劉天放;;高階神經(jīng)網(wǎng)絡(luò)模型特性研究[A];中國(guó)地球物理學(xué)會(huì)年刊2002——中國(guó)地球物理學(xué)會(huì)第十八屆年會(huì)論文集[C];2002年

4 屈景怡;王如彬;;大腦皮層神經(jīng)網(wǎng)絡(luò)模型同步問(wèn)題研究[A];第十四屆全國(guó)非線性振動(dòng)暨第十一屆全國(guó)非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議摘要集與會(huì)議議程[C];2013年

5 張美戀;林熙;;經(jīng)濟(jì)增長(zhǎng)的神經(jīng)網(wǎng)絡(luò)模型[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 陳昭炯;葉東毅;;一個(gè)改進(jìn)的競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)模型[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

7 郭成安;李建華;李明偉;;從觀測(cè)數(shù)據(jù)學(xué)習(xí)后驗(yàn)概率函數(shù):一種最佳神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)與分析[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

8 李媛;康春艷;于亞芳;;交指型缺陷接地結(jié)構(gòu)共面波導(dǎo)的神經(jīng)網(wǎng)絡(luò)模型[A];2009年全國(guó)微波毫米波會(huì)議論文集（上冊(cè)）[C];2009年

9 禹建麗;蘇中義;楊衛(wèi)平;;牽引傳動(dòng)中潤(rùn)滑油牽引系數(shù)的神經(jīng)網(wǎng)絡(luò)模型[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

10 胡金亮;李建生;余學(xué)慶;沈建京;周濤;王永炎;;用于中醫(yī)證候量化診斷的神經(jīng)網(wǎng)絡(luò)模型的探索[A];計(jì)算機(jī)在診法中的應(yīng)用與研究論文匯編[C];2005年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 自治區(qū)交通廳養(yǎng)路費(fèi)征稽處 程愛(ài)娟;應(yīng)用“神經(jīng)網(wǎng)絡(luò)模型”預(yù)測(cè)婦女的平均工資水平[N];新疆科技報(bào)(漢);2000年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 袁朝暉;二元離散神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];湖南大學(xué);2003年

2 王軍平;幾類離散神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];復(fù)旦大學(xué);2006年

3 南晉華;決策神經(jīng)網(wǎng)絡(luò)模型及應(yīng)用研究[D];華中科技大學(xué);2008年

4 周日貴;量子神經(jīng)網(wǎng)絡(luò)模型研究[D];南京航空航天大學(xué);2008年

5 劉艷青;時(shí)滯神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性研究[D];天津大學(xué);2005年

6 趙靈曉;基于部件神經(jīng)網(wǎng)絡(luò)模型的制冷系統(tǒng)混合仿真方法及應(yīng)用[D];上海交通大學(xué);2010年

7 朱紅;高速（HS-K-WTA）神經(jīng)網(wǎng)絡(luò)模型[D];南京理工大學(xué);2003年

8 熊佩英;幾類神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];湖南大學(xué);2013年

9 劉開(kāi)宇;幾類二元神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)性質(zhì)研究[D];湖南大學(xué);2004年

10 黃振坤;幾類神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];浙江大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 楊巍;三元離散神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性與分岔分析[D];東北林業(yè)大學(xué);2010年

2 孫文淵;基于BP神經(jīng)網(wǎng)絡(luò)模型下預(yù)測(cè)吉林省GDP[D];延邊大學(xué);2015年

3 李波;一類帶有分段連續(xù)控制項(xiàng)的非線性遞推關(guān)系的漸近周期性[D];延邊大學(xué);2015年

4 鞏云野;兩類具有時(shí)滯項(xiàng)的Cohen-Grossberg神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性分析[D];東北林業(yè)大學(xué);2015年

5 王薇;一類離散時(shí)間雙極人工神經(jīng)網(wǎng)絡(luò)模型的周期性[D];延邊大學(xué);2015年

6 李辰風(fēng);改進(jìn)遺傳BP網(wǎng)絡(luò)的地表沉降預(yù)測(cè)方法研究[D];江西理工大學(xué);2015年

7 尤軍;民用建筑沉降監(jiān)測(cè)與預(yù)報(bào)方法應(yīng)用研究[D];寧夏大學(xué);2015年

8 吳嬌嬌;基于時(shí)空神經(jīng)網(wǎng)絡(luò)模型的瓦斯?jié)舛阮A(yù)測(cè)研究[D];中國(guó)礦業(yè)大學(xué);2015年

9 李靈光;細(xì)長(zhǎng)導(dǎo)軌加工變形分析與參數(shù)優(yōu)化技術(shù)[D];北京理工大學(xué);2015年

10 王鵬;切換Cohen-Grossberg神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力學(xué)分析[D];長(zhǎng)沙理工大學(xué);2014年

  本文關(guān)鍵詞：基于BP和NNRS模型的超聲缺陷信號(hào)識(shí)別研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：295564