脈沖渦流裂紋檢測系統(tǒng)研究.pdf

1、脈沖渦流裂紋檢測系統(tǒng)從渦流檢測原理入手,并據(jù)此原理之上著重論述了脈沖渦流檢測信號的獲取技術(shù)。在使用小波變換對信號進行消噪、獲取裂紋信息后,使用主成分分析方法提取信號的特征值,依據(jù)特征值選擇合適的裂紋分類算法對信號進行進一步處理。主要研究使用神經(jīng)元網(wǎng)絡(luò)方法和支持向量機算法對獲取的特征值進行分類,以此來識別金屬材料的表面及亞表面裂紋,從而準(zhǔn)確掌握了金屬材料質(zhì)量的可靠性信息,對其進一步使用或者更新提供了有效的依據(jù)。
　　 本文重點論述

2、了裂紋檢測算法在脈沖渦流裂紋檢測系統(tǒng)中的應(yīng)用,包括對檢測信號進行分類以及對算法性能的對比分析。BP神經(jīng)網(wǎng)絡(luò)采用梯度下降法進行學(xué)習(xí)、非線性可微分函數(shù)進行訓(xùn)練,對非線性數(shù)據(jù)具有良好的全局逼近和泛化能力。BP神經(jīng)元網(wǎng)絡(luò)在權(quán)值和閾值訓(xùn)練中耗時較長,采用改進的遺傳算法以實數(shù)代替二進制數(shù)據(jù)進行編碼,幫助神經(jīng)元網(wǎng)絡(luò)算法在全局內(nèi)尋優(yōu),以盡快獲得合適的權(quán)值和閾值,完成BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,從而形成了MGA-BP算法。支持向量機SVM算法是以統(tǒng)計學(xué)習(xí)理論為依

3、據(jù)的一種十分有效的分類方法,在對小樣本空間的分類上表現(xiàn)出極大的優(yōu)勢,可利用最優(yōu)和廣義最優(yōu)超平面將原樣本空間轉(zhuǎn)換為高維樣本空間對非線性數(shù)據(jù)進行兩類或多種分類,泛化能力較強。文中利用Matlab建模和仿真工具對MGA—BP神經(jīng)網(wǎng)絡(luò)和SVM算法進行建模,并使用脈沖渦流信號對兩種分類方法進行測試和對比分析,確定在脈沖渦流裂紋檢測系統(tǒng)中使用MGA-BP算法來實現(xiàn)檢測信號的分類可提高裂紋的識別率。
　　 以DE2開發(fā)板平臺,FPGA器件和S