本文關鍵詞：利用深度神經網絡和小波包變換進行缺陷類型分析

  更多相關文章： 小波包變換 神經網絡 類型分析 超聲檢測 通孔 識別準確率 平底孔 分類正確率 學習時間 使用深度

【摘要】：超聲檢測中對缺陷進行類型分析通常取決于操作人員對于特定專業(yè)知識的了解及檢測經驗,從而導致其分析結果的不穩(wěn)定性和個體差異性。本文提出了一種使用小波包變換提取缺陷特征信息,并應用深度神經網絡對得到的信息進行分類識別的方法。利用超聲相控陣系統(tǒng)對于不銹鋼試塊上的通孔、斜通孔和平底孔進行超聲檢測,并對得到的超聲回波波形按照新方法進行分析。實驗結果表明,使用小波包變換后的數據進行分類識別能夠在提高識別準確率的同時降低神經網絡的學習時間,而使用深度神經網絡相比通用的BP神經網絡以可接受延長學習時間的代價提高了識別的準確率。采用新方法后,缺陷分類正確率提高了21.66%,而網絡學習時間只延長了91.9s。在超聲檢測中使用小波包變換和深度神經網絡來對于缺陷進行類型分析,能夠排除人為干擾,增加識別準確率,對于實際應用有著極大的意義。
【作者單位】： 中國科學院聲學研究所聲場聲信息國家重點實驗室;中國科學院大學;
【關鍵詞】： 小波包變換;神經網絡;類型分析;超聲檢測;通孔;識別準確率;平底孔;分類正確率;學習時間;使用深度;
【基金】：國家自然科學基金(11374324,11174321,11474308)資助
【分類號】：TP183;O174.2
【正文快照】： 始權重敏感性等難以克服的局限性,其分辨準確率還^ 有待提高。本文所涉及的深度神經網絡模型,被稱為口 深度信念網絡模型(Deep Belief Networks,DBNs)。在超聲波檢測中,對缺陷進行類型分析仍存在著用具有相應配置的深度信念網絡EBN初始化多層許多實際困難。而在實際檢測中,由

【參考文獻】

中國期刊全文數據庫 前10條

1 To KANG;Hak-Joon KIM;Sung-Jin SONG;;Ultrasonic guided wave inspection with array sensors[J];Chinese Journal of Acoustics;2010年04期

2 ;Application of cylindrical linear phased array in casing borehole[J];Chinese Journal of Acoustics;2010年01期

3 ;Research on 2D imaging technique for concrete cross section[J];Chinese Journal of Acoustics;2010年01期

4 ;Non-integral dimensions ultrasonic phased arrays in a borehole[J];Chinese Journal of Acoustics;2009年03期

5 ;Calculation of radiation acoustical fields from phased arrays with nonparaxial multi-Gaussian beam model[J];Chinese Journal of Acoustics;2009年02期

6 曾憲偉;趙衛(wèi)明;盛菊琴;;小波包分解樹結點與信號子空間頻帶的對應關系及其應用[J];地震學報;2008年01期

7 宋衛(wèi)華;王小民;李明軒;;電磁超聲界面回波瞬時圖譜分析與神經網絡識別[J];聲學學報;2007年04期

8 王云昌,江波;超聲波檢測中對缺陷的定性分析[J];國外金屬熱處理;2004年06期

9 張建生,李明軒;多層粘接結構中脫粘界面的人工神經網絡余弦變換譜特征識別[J];聲學學報;2001年04期

10 吳淼,張海燕,孫智,劉旭;超聲檢測缺陷分類的小波分析與神經網絡方法[J];中國礦業(yè)大學學報;2000年03期

中國博士學位論文全文數據庫 前1條

1 孫芳;超聲相控陣技術若干關鍵問題的研究[D];天津大學;2012年

【共引文獻】

中國期刊全文數據庫 前10條

1 施成龍;師芳芳;張碧星;;利用深度神經網絡和小波包變換進行缺陷類型分析[J];聲學學報;2016年04期

2 李雄兵;張書增;陳峰;;多元高斯聲束衍射修正下液體非線性系數檢測方法[J];聲學學報;2016年04期

3 韓晶晶;程昀;付海雷;黃明星;;基于小波包的地震信號能量特征分析[J];低溫建筑技術;2016年04期

4 唐軍;章成廣;張碧星;師芳芳;;基于聲波-變密度測井的固井質量評價方法[J];石油勘探與開發(fā);2016年03期

5 張艷艷;劉新平;邢素紅;;隨鉆測量信號去噪方法研究及實現[J];信息通信;2016年03期

6 楊建平;張德乾;羅文浪;肖曉朋;;基于小波包節(jié)律和支持向量機的警戒低覺醒腦電信號識別方法[J];生物醫(yī)學工程學雜志;2016年01期

7 莊瑞;;一種基于一維小波包分解的信號特征提取方法[J];電聲技術;2015年10期

8 黃照峰;鄧國忠;賢金梅;劉曉驊;毛鴻;高英俊;;超聲波檢測鋼和鋁中的缺陷特征[J];廣西物理;2015年03期

9 李秋鋒;王禹;劉榮梅;顧偉;敖峰;;Ultrasonic Computed Tomography Imaging Method of Concrete Materials Based on Simulated Annealing Genetic Algorithm[J];Transactions of Nanjing University of Aeronautics and Astronautics;2015年03期

10 王維斌;;管道補口熱收縮帶粘接質量超聲檢測技術及其進展[J];油氣儲運;2015年07期

中國博士學位論文全文數據庫 前3條

1 楊曉霞;超聲相控陣汽車發(fā)動機內腔腐蝕檢測關鍵技術研究[D];天津大學;2014年

2 張巖;基于計算機視覺的輪胎缺陷無損檢測關鍵問題研究[D];青島科技大學;2014年

3 殷帥峰;大采高綜放面煤壁片幫機理與控制技術研究[D];中國礦業(yè)大學（北京）;2014年

【二級參考文獻】

中國期刊全文數據庫 前10條

1 曾憲偉;趙衛(wèi)明;盛菊琴;莘海亮;;應用小波包識別寧夏及鄰區(qū)的地震和爆破[J];地震研究;2008年02期

2 ;Radiation and reflection acoustical fields of an annular phased array[J];Chinese Journal of Acoustics;2007年03期

3 林書玉;桑永杰;田華;;徑向復合壓電陶瓷超聲換能器的徑向振動特性研究[J];聲學學報;2007年04期

4 宋衛(wèi)華;王小民;李明軒;;電磁超聲多界面檢測信號去噪方法研究[J];聲學學報;2007年03期

5 高天賦;曾娟;彭大勇;;壓電陶瓷換能器寬帶匹配特性分析[J];聲學學報;2007年02期

6 魯來玉;汪承灝;張碧星;;分層介質半空間瑞利波的時頻分析[J];聲學學報;2006年05期

7 李杰,劉希強,李紅,毛玉華,鄭樹田;利用小波變換方法分析形變觀測資料的正常背景變化特征[J];地震學報;2005年01期

8 楊選輝,沈萍,劉希強,鄭治真;地震與核爆識別的小波包分量比方法[J];地球物理學報;2005年01期

9 石立華,徐其威,高成,陳彬,周璧華;小波建模法在混凝土材料介電常數時域測量中的應用研究[J];解放軍理工大學學報(自然科學版);2002年06期

10 劉希強,周蕙蘭,曹文海,李紅,李永紅,季愛東;高斯線調頻小波變換及其在地震震相識別中的應用[J];地震學報;2002年06期

中國博士學位論文全文數據庫 前3條

1 杜英華;合成孔徑聚焦超聲成像技術研究[D];天津大學;2010年

2 詹湘琳;超聲相控陣油氣管道環(huán)焊縫缺陷檢測技術的研究[D];天津大學;2007年

3 鮑曉宇;相控陣超聲檢測系統(tǒng)及其關鍵技術的研究[D];清華大學;2003年

【相似文獻】

中國期刊全文數據庫 前10條

1 才德;嚴瑛白;金國藩;;光學小波包變換及其濾波器的研究[J];光子學報;2006年07期

2 胡戰(zhàn)虎,李言俊,楊亞軍;基于小波包變換的多尺度濾波[J];彈箭與制導學報;1999年03期

3 劉希強,周蕙蘭,鄭治真,沈萍,楊選輝,李紅;基于小波包變換的濾波方法[J];西北地震學報;1999年03期

4 高玲;李小平;任守信;;小波包變換廣義回歸神經網絡同時分辨三種有機化合物的重疊光譜[J];光譜學與光譜分析;2008年10期

5 王海江;王周龍;吳孟泉;王大鵬;姚付啟;;一種最佳基小波包變換的影像融合研究[J];測繪科學;2009年05期

6 閆河;何光敏;張小川;;復小波包變換域混合統(tǒng)計模型圖像降噪算法[J];控制理論與應用;2010年03期

7 李錦飛,李人厚;小波包變換空間濾波法分離信號研究[J];煤田地質與勘探;1998年04期

8 高玲;李金梅;任守信;;小波包變換潛變量回歸同時測定釤和釔[J];光譜學與光譜分析;2007年04期

9 鄭德忠;崔法毅;;結點閾值小波包變換圖像去噪新算法[J];光學技術;2009年03期

10 王振林;聶國華;;曲率模態(tài)和小波包變換在結構損傷識別中的應用[J];振動與沖擊;2008年01期

中國重要會議論文全文數據庫 前7條

1 潘，

本文編號：988949