基于改进BP神经网络的微裂纹漏磁定量识别
来源期刊：东北大学学报(自然科学版)2016年第12期
论文作者：邱忠超 张卫民
文章页码：1759 - 1763
关键词：漏磁检测;主成分分析;GA-BP神经网络;微裂纹;定量识别;
摘 要：漏磁检测是铁磁材料常用的无损检测方法之一,定量识别是指通过检测到的漏磁信号识别裂纹的尺寸.采用主成分分析和优化神经网络相结合的建模方法,建立了微裂纹宽度与深度的预测模型.主成分分析去除了数据相关性,减小了输入样本维数,显著简化了网络结构;遗传算法优化的BP神经网络（GA-BP神经网络）可以有效地防止搜索过程中陷入局部最优解.通过基于磁偶极子模型的理论计算与人工刻槽微裂纹漏磁检测实验两种途径验证了该算法在微裂纹定量识别中的应用,为裂纹发展阶段的早期定量识别技术奠定了一定的基础.
邱忠超1,2，张卫民1
1. 北京理工大学机械与车辆学院2. 机械科学研究总院先进制造技术研究中心
摘 要：漏磁检测是铁磁材料常用的无损检测方法之一,定量识别是指通过检测到的漏磁信号识别裂纹的尺寸.采用主成分分析和优化神经网络相结合的建模方法,建立了微裂纹宽度与深度的预测模型.主成分分析去除了数据相关性,减小了输入样本维数,显著简化了网络结构;遗传算法优化的BP神经网络（GA-BP神经网络）可以有效地防止搜索过程中陷入局部最优解.通过基于磁偶极子模型的理论计算与人工刻槽微裂纹漏磁检测实验两种途径验证了该算法在微裂纹定量识别中的应用,为裂纹发展阶段的早期定量识别技术奠定了一定的基础.
关键词：漏磁检测;主成分分析;GA-BP神经网络;微裂纹;定量识别;
