使用GMR探頭與人工神經(jīng)網(wǎng)絡檢測與表征缺陷_第1頁
使用GMR探頭與人工神經(jīng)網(wǎng)絡檢測與表征缺陷_第2頁
使用GMR探頭與人工神經(jīng)網(wǎng)絡檢測與表征缺陷_第3頁
使用GMR探頭與人工神經(jīng)網(wǎng)絡檢測與表征缺陷_第4頁
使用GMR探頭與人工神經(jīng)網(wǎng)絡檢測與表征缺陷_第5頁
已閱讀5頁,還剩15頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、使用GMR探頭和人工神經(jīng)網(wǎng)絡檢測和表征缺陷這項工作提出基于巨磁阻(GMR)傳感裝置上的渦流檢測系統(tǒng)。在鋁板無損檢測應用,以提取有關可能存在的缺陷的信息:裂縫,孔洞等機械損傷。渦流檢測(ECT)呈現(xiàn)主要優(yōu)點,例如成本低,高檢測速度,魯棒性和高靈敏度,以大的類的缺陷。線圈基礎的架構的探針或線圈磁阻的探針通常用在ECT。在我們的應用GMR傳感器用于檢測磁場成分平行于板面,當垂直于板的激勵場施加。的神經(jīng)網(wǎng)絡處理架構,其中包括一多層感知和有競爭力的神經(jīng)網(wǎng)絡,被用于分類使用渦流探針(ECP)和其操作頻率的輸出振幅的缺陷。裂縫檢測,分類和估計的幾何特性,對不同類別的缺陷,在該論文中描述。關鍵詞:無損檢測;渦

2、流;磁阻傳感器;神經(jīng)網(wǎng)絡分類器1.介紹X射線,超聲波檢測和渦流檢測1 是現(xiàn)今進行使用不同的方法使用非破壞性測試的機械部件的預期壽命的評估瑕疵不同類型的準確的評估2。渦流檢查是快速和有效地發(fā)生在導電材料檢測缺陷,如疲勞裂紋,夾雜物,氣泡和腐蝕3,4和5。隨時間變化的磁場的應用引起的導電試樣渦流的缺陷,它作為高電阻的障礙的存在,被關聯(lián)到了在使用不同種類的探針檢測到的渦電流的流動擾動。渦流探針(ECP)的最簡單的形式是用于誘導磁場中的導電材料,其阻抗的變化,測定這種方式所造成的缺陷6所述擾動的單一激磁線圈。簡單的勵磁線圈探頭代表一個強大的解決方案。然而,低的靈敏度和分辨率低表征該探針。這些缺點是過度

3、通過,基于渦流探針的架構,包括激發(fā)和檢測線圈開發(fā)新的線圈7和8。這種探針是一種良好的解決方案,以檢測在考慮到所述導電材料表面上的缺陷,對于良好的敏感性,他們需要一個相對高的激勵正弦信號頻率9。在導電材料深埋缺陷是難以用全線圈渦流探頭架構來檢測。為了克服單一頻率的限制,脈沖渦流被使用并且報道為具有稍微更好的結果10和11一個有趣的解決方案。在這種技術中,探頭很高興與重復的寬帶脈沖。所得的瞬態(tài)電流通過線圈誘導的試驗片,其與所述高度降低磁脈沖穿過材料傳播相關聯(lián)的瞬態(tài)渦流。對深埋地下的缺陷檢測效果更佳使用敏感的磁場傳感器獲得或磁阻傳感器。既能提高的渦流檢測技術的效率,因為這種類型的傳感器當前頻率無關的

4、靈敏度開始在0赫茲。磁阻傳感器的特征在于電阻值的變化大時,接觸到的磁場。現(xiàn)今最廣泛使用的是那些基于所述隧道磁阻效應(TMR),各向異性磁阻(AMR)和巨磁電阻(GMR)13,14和15。只有AMR和GMR目前的商業(yè)實現(xiàn)(如飛利浦KMZ10,NVE AA002)。高靈敏度和定向性推薦GMR傳感器被包括在渦流探針(ECP)對裂紋和缺陷檢測中的應用,允許檢測在樣品邊緣16,或檢測腐蝕裂紋。 GMR傳感器是優(yōu)選的用于開發(fā)高效的傳感器陣列,在考慮高頻率無關的靈敏度的磁場,小的幾何尺寸(在具有相同的靈敏度的電感式傳感器的比較),簡單起見,在使用中,和低功耗(與其他傳感器的比較技術)。ECP探針結合的勵磁線

5、圈和單個或多個GMR傳感器,測量磁場的振幅和相位由渦流產(chǎn)生的。這些數(shù)據(jù)被用于提取有關的缺陷,如長度和深度的尺寸的信息。測得的值取決于材料,磁導率,激勵頻率,電流強度,距探針和樣品(剝離效應)之間17和不連續(xù)性或非均勻性材料的導電性。推斷缺陷的幾何特性是困難的,因為這種大量的參數(shù),并在非破壞性測試上下文逆問題變得難以解決18。關于相關聯(lián)的精確逆問題的解決為不同的技術被用于導電材料的非破壞性檢驗(NDT)所測量的渦流處理。在這些中,使用的技術良好的結果,如2D-平穩(wěn)小波變換19和20,2D-連續(xù)小波變換21必須轉交。不像其他的信號分析技術小波分析能夠揭示一樣的趨勢,擊穿點,在較高的衍生物的不連續(xù)性

6、,以及自相似性數(shù)據(jù)的方面。它提供了不同的看法比傳統(tǒng)的技術數(shù)據(jù)。小波分析可以不受其功能明顯退化和定位22經(jīng)常降噪信號輸出2D圖像。過濾和特征提取之后施加于缺陷分類的重要技術通常通過人工神經(jīng)網(wǎng)絡(ANN)23和24表示。不同類型的神經(jīng)網(wǎng)絡架構通常用來實現(xiàn)缺陷分類。良好的結果文獻報道的多層感知器和徑向基函數(shù)神經(jīng)網(wǎng)絡25和26。這項工作提出的自動測量系統(tǒng),其包括用于檢測缺陷直人為加工中的鋁板和表征一個GMR基于渦流探頭。關于GMR校準和渦流傳感系統(tǒng)實現(xiàn)一個實用的方法進行。所測量的信號參數(shù),如磁場振幅沿著穿過缺陷和激勵信號的頻率軸,被用來作為進行孔和裂縫之間的分類的神經(jīng)網(wǎng)絡處理架構的輸入。一個附加的神經(jīng)

7、網(wǎng)絡處理方案是用來制造根據(jù)本顯著幾何特征檢測的裂縫和孔洞的分類。本文分為幾個部分:第2節(jié)介紹了測量系統(tǒng),第3節(jié)利用人工神經(jīng)網(wǎng)絡(ANN)和第4所獲得的實驗結果的處理方案。在第2節(jié)第描述渦流探針(ECP),測量系統(tǒng)和開發(fā)已列入該軟件,但探針的實驗特性和缺陷的評價列于第4節(jié)。2.系統(tǒng)介紹為了檢測在該鋁板的GMR基于渦流傳感探頭和一個自動測量系統(tǒng),其包括XY-運動系統(tǒng)可能存在的缺陷,設計和實施。從渦電流檢測信道獲得的數(shù)據(jù),以檢測和分類缺陷處理(例如裂縫,孔洞)。2.1 基于GMR的渦流探頭兩個渦流探針構建(ECP1和ECP2)。 ECP1的勵磁線圈是扁平型(大直徑和小的高度),并ECP2的勵磁線圈具

8、有小的直徑和長的長度。該傳感器是一個巨磁電阻(GMR)在這兩種情況下,裝在ECP較低的水平,并呈現(xiàn)有效平面垂直于線圈軸。探針的幾何形狀被示于圖1,而在缺陷檢測實驗所使用的線圈的尺寸在表1a和表1b中給出。 GMR傳感器位于與它的敏感平行于板的軸。因此,在線圈軸上的勵磁場,垂直于GMR封裝的傳感軸線(SOIC08),對測量沒有影響。圖1 渦流框圖(GMR-CC:GMR調理電路; VIN +,Vin-:電源電壓)ECP勵磁線圈不同的測試頻率電氣特性在一個無缺陷的鋁板上,考慮到圓對稱,感生渦流將產(chǎn)生的GMR傳感器的輸出沒有影響。缺陷如加工的鋁板表面上的裂紋或孔,發(fā)起一個擾動圓形渦流流動路徑,以及一個

9、GMR傳感器的輸出電壓。為了估計缺陷特征這個電壓被處理。 幾種類型的GMR傳感器具有不同靈敏度的可與缺陷檢測有關的實驗中使用。 NVE提供了在尺寸為350微米×1400微米集成電路與感測部件的傳感器。所述傳感器被配置為惠斯登電橋,并且包括4 5k的GMRS兩個反應作為傳感元件,另兩個作為無源電阻27。傳遞特性輸出電壓= Vout的(HA)(Vout的GMR傳感器的輸出,Ha是所施加的磁場),用于從NVE AA00x型號不同的傳感器(AA002,AA003,AA06)已經(jīng)被實驗測定用測試螺線管施加字段與不同的幅度和頻率。這是決定使用AA002在目前的工作,因為它提出了最高的靈敏度3.0

10、; 4.2毫伏/ V - Oe。關于GMR傳感器信號調理電路,并根據(jù)采集和數(shù)據(jù)處理系統(tǒng)的能力,分為兩種情況進行了審議。在這兩種情況下,基于所述INA118儀表放大器的放大塊使用。此外在的情況下,有源高通巴特沃斯濾波器(圖2,3極FC = 10Hz),是根據(jù)一個LM324集成電路上被使用,并且在其他情況下,高通數(shù)字濾波器上的軟件實現(xiàn)。2.2。渦流自動測量系統(tǒng)一個準確的交流電流激勵基于GMR傳感器的渦流探頭。Fluke 5700A校準器用作電流源,以提供給渦流探針勵磁線圈的電流。校準器使用NI PXI GPIB模塊(圖3)遠程控制。圖3 渦流自動測量系統(tǒng)(ECP-渦流探頭; MC運動控制; Flu

11、ke 5700A-通用校準)。使用PXI-6251多功能板(16位1.2 MS / s)取得該GMR調節(jié)電路的輸出電壓。電流在ECP勵磁線圈和ECP的不同位置的不同的值被考慮。不同的ECP位置在測試板使用xy運動,并通過RS232接口的NI PXI系統(tǒng)控制的定位系統(tǒng)獲得的。該PXI系統(tǒng)由通過PCMCIA CardBus的-8310接口,與NI PXI-8310安裝在NI PXI-8036插槽通信的筆記本電腦控制的監(jiān)督。使用不同的信號的激勵頻率同樣是執(zhí)行的缺陷檢測驗證(xi,yi)坐標ECP軌跡在板。進行勵磁電流值,IEX測試時,與包括在10至200 mA范圍和對于100Hz與2kHz之間的頻率

12、振幅。根據(jù)該激勵角頻率的渦流的,不同的鋁板標準穿透深度;。所述關系作為激勵信號的角頻率的函數(shù),磁導率和板的電導率是:對于要測試的鋁板的特定情況下,鋁2024 T 3,=0和=1.75×106S/ m以下2.3采集,控制和處理軟件在LabVIEW和Matlab開發(fā)渦流自動測量系統(tǒng)軟件與由系統(tǒng)執(zhí)行以下任務相關聯(lián):A)GMR傳感器特性;B)XY-定位系統(tǒng)控制;C)ECP勵磁電流的控制,采集和ECP輸出信號的數(shù)字濾波;D)正弦擬合和ECP輸出信號特征提取;E)分類和估算的缺陷幾何特征。校準器輸出電流的控制,在xy定位系統(tǒng)控制和數(shù)據(jù)采集的ECP信號是一個用于鋁板探傷渦流自動測量系統(tǒng)的軟件的主要

13、部分。軟件流程圖提出了圖4。圖4 渦流自動測量系統(tǒng)軟件流程圖Fluke校準器作為基于使用GPIB儀器I / O功能的實現(xiàn)的LabVIEW軟件例行電流發(fā)生器被遠程控制(如GPIB讀取和GPIB寫入)與SCPI遠程控制命令(如OUT 100mA,100Hz)有關。在xy定位系統(tǒng)的遙控器使用的是VISA串行I / O功能來實現(xiàn)。參照采集,測量的I / O DAQ mx的函數(shù)被用來獲取來自ECP渦流特性(振幅,頻率和相位),用于平板掃描區(qū)域的每個位置(xi,yi)時。增益和多功能I / O的PXI板的采集速率是由軟件,以便提供所述ECP響應信號的準確表示調整。因此,對于正弦激勵信號的采集速率為10 k

14、S / s的之間,以70 kS / s的。特征提取的ECP輸出信號,利用正弦擬合算法的準確度,強烈地依賴于所獲取的周期28的數(shù)目Np。Np= 20到Np = 100的值進行了審議??紤]到ECP信號輸出和感應噪聲信號(50赫茲的噪聲和高頻噪聲)的數(shù)字過濾軟件塊被列入所述的低水平。帶通濾波器(例如,F(xiàn)1 =800赫茲,F(xiàn)2 =8000赫茲),以增加信噪比被使用。第三到第10順序的不同類型的過濾器,如巴特沃斯,貝塞爾和切比雪夫,進行了測試,并計算出的SNR值的最佳選擇順序對于一個給定類型的過濾器。后所獲取的ECP輸出信號的數(shù)字濾波Np個周期,Vout的(n)的,被用來計算振幅,激勵信號和ECP輸出信

15、號,并且所述頻率之間的相位差。 LabVIEW的快捷功能音頻測量用于這一目的。在Vout的(n)的振幅,并使用ECP輸出與激勵信號之間的相位差的演變被用于受測試以表征關于感應故意的裂縫和孔洞鋁板。3.人工神經(jīng)網(wǎng)絡處理方案對于一個給定的ECP勵磁電流的ECP振幅響應分別檢測在所述板中的缺陷,并使用基于該呈現(xiàn)圖1中的人工神經(jīng)網(wǎng)絡的處理方案來分類5。圖5基于一個ANN(MLP-NN.缺陷分類方案 - 多層感知神經(jīng)網(wǎng)絡:IL - 輸入層,HL 隱含層,OL - 輸出層; COM-NN - 有競爭力的神經(jīng)網(wǎng)絡:DVi,DVj - 缺損值,Tdci,Tdcj - 缺陷)人工神經(jīng)網(wǎng)絡是多層感知器(MLP-N

16、N),并有競爭力的神經(jīng)網(wǎng)絡(COM-NN)被設計為執(zhí)行該缺陷,這是故意加工在鋁板的分類,如裂縫或孔洞。當一組特征被呈現(xiàn)給神經(jīng)網(wǎng)絡處理方案的MLP-NN通過值產(chǎn)生兩個元件(DVI,DVJ)表示該被檢測的缺陷類型(裂縫或孔)的載體包含在0, 1區(qū)間。所考慮的缺陷之間的良好歧視的意味:競爭激烈的神經(jīng)網(wǎng)絡(COM-NN)使用缺陷值,DVi和DVj,獲得對MLP-NN輸出。 COM-NN只用一個層29拾取這些值的最大值,并產(chǎn)生一個1對1類和0為其他類。在實施分類功能的特點是正確的分類值,C類定義如下:其中NC是正確分類缺陷的數(shù)量和NT考慮劃缺陷總數(shù)。該MLP-NN表示缺陷分類器的主要組成部分,包括:對應

17、于所考慮的特征的數(shù)量的輸入層(IL)與ninput = 2-3神經(jīng)元。因此,當所選擇的功能是,掃描的缺陷(如裂紋)和相應的信號頻率相關聯(lián)的所獲取的信號的振幅,ninput = 2的其他信息可采取考慮的激勵電流和檢測到的檢測到的最大的相位差電壓作為第三特征,在這種情況下,ninput = 3。在隱藏層神經(jīng)元的數(shù)目nhidden其特征在于一個日志乙狀結腸傳遞函數(shù)成立,以便獲得對缺陷分類和/或缺陷估計為神經(jīng)元的數(shù)量減少了良好的性能。 nhidden的值= 3-25被認為在本申請中。輸出層對應于缺陷的類型。在所設計的神經(jīng)網(wǎng)絡分類器輸出層包括多個神經(jīng)元等于可能的缺陷的數(shù)量。在目前的工作中,各種所考慮的缺

18、陷是裂縫和孔洞。這意味著noutput = 2中的輸出層。神經(jīng)網(wǎng)絡分類器的描述方程為:其中X代表與渦流功能相關的神經(jīng)網(wǎng)絡的輸入向量。峰 - 谷 - 峰的ECP 1D型材被認為在目前的情況下。 Y是由缺陷類(裂縫,孔洞)所代表的ANN輸出向量。 Whidden和Wout的是,隱和輸出層的神經(jīng)元的權值,Bhidden和布特是其偏差,fhidden是S形函數(shù)為隱藏層神經(jīng)元(logsigmoid隱藏神經(jīng)元的傳遞函數(shù)是在本申請中測試)和FOUT是線性函數(shù)為輸出層的神經(jīng)元。列文伯格 - 馬夸爾特訓練算法29和30被用于計算權重和偏置(Wout的,布特,Whidden,Bhidden),用于神經(jīng)網(wǎng)絡分類器。

19、訓練過程中,需要一組樣品,在目前的情況下,是振幅,并與已處理的ECP輸出信號相關聯(lián)的頻率值的。在訓練期間,在模型中的權重和偏置自適應細化,以確保在相對于分類能力的網(wǎng)絡性能的相對優(yōu)化。作為性能測量功能的總和平方誤差和(SSE)用于:其中N是輸入樣本的數(shù)目,OHI是施加已知缺陷渦流數(shù)據(jù)和nnohi目標輸出是用于給定的權重和偏置網(wǎng)絡輸出。為了結束對所獲得的缺陷類缺陷的渦流數(shù)據(jù),有競爭力的神經(jīng)網(wǎng)絡層被添加到MLP-NN的輸出。然后,在MLP-NN的輸出中獲得的實數(shù)值被變換以對應于的缺陷類別之一的布爾值。后的重量和偏差運算使用上述的算法中,測試集關聯(lián)到不同的裂縫和孔洞被用來驗證神經(jīng)網(wǎng)絡分類性能。一個附加

20、的神經(jīng)網(wǎng)絡處理方案中,人工神經(jīng)網(wǎng)絡的DGC(人工神經(jīng)網(wǎng)絡缺陷幾何特征分類器)被設計來提取缺陷幾何特性如缺陷的寬度,長度缺陷或缺陷的深度。人工神經(jīng)網(wǎng)絡,DGC呈現(xiàn)類似的架構為裂紋孔神經(jīng)網(wǎng)絡分類器,其中所述輸入是在第一分類階段所用的功能,但在輸出由不同的幾何類表達。由此類裂紋深度(Dclass0,Dclass1,. Dclassm)可以被提及。附加神經(jīng)網(wǎng)絡處理方案的框圖被示于圖6。圖6 基于人工神經(jīng)網(wǎng)絡(MLP-NND,6缺陷幾何特征的分類方案MLP-NNdgc - 多層感知架構; COM-NND,COM-NND - 競爭神經(jīng)網(wǎng)絡; TDCI,TDCJ - 缺陷班; Dclass0,1級,.,Dc

21、lassn - 裂紋深度徑級,DC0。DC1,.,DCM - 布爾缺陷的幾何級值。對于原型算法考慮的幾何特性,只有裂紋深度進行分類。相關數(shù)據(jù)取自在測試期間執(zhí)行的單向掃描(X-X'),并考慮所需的訓練神經(jīng)網(wǎng)絡結構數(shù)據(jù)的擴展集。4. 結果和討論渦流探針(ECP)進行了表征和板,其中幾種類型的缺陷被加工,進行掃描,以獲得有關這些缺陷的圖像。4.1 ECP傳感器特性構造一個渦流探頭GMR傳感器特性,必須通過實驗評估。該GMR被放置在均勻磁場位于長螺線管的幾何特性的中央?yún)^(qū)域是:長度L = 210毫米,外徑Dex= 24毫米,內徑Din= 20毫米,圈數(shù)Nt = 579 。GMR NVE AA00

22、2,NVE系AA00x型號中最敏感的傳感器,使用在目前的工作。對于一個f得到實驗的傳遞函數(shù)= 100赫茲施加的磁場被呈現(xiàn)在圖7。圖7. AA002 GMR傳感器實驗傳遞函數(shù)(H - 施加的磁場強度,Vout的 - GMR輸出電壓)其特性是對稱的相對于空字段和呈現(xiàn)非線性區(qū)域為磁場強度高于1鑒1.滯后效應圖也突出。其中黑色和灰色特性對于所施加的磁場的正的和負的幅度變化獲得。作為本GMRS V形特征的使用正弦磁場(雙極磁場)意味著一個偏置場。在目前的工作有關的鋁鎳鈷型永磁(PM)與HC = 51鑒1和GMR敏感軸的N-S軸之間的最佳距離一個實用的方法進行。在PM的位置和GMR操作點之間的對應關系示于

23、圖。 8.該圖表明,如果GMR太靠近永久磁鐵的直流偏磁場可能過于接近飽和的區(qū)域。反之,如果該GMR是相隔太遠,直流偏置磁場變得太弱。的最佳位置,獲得當DC偏置磁場極化的GMR在兩個線性區(qū)域中的一個的中間。圖8. GMR特性偏置永久磁鐵對于不同的位置,并感測軸GMR之間的距離和PM的N-S軸的AA002響應用于施力以實驗方式確定的。結果示于圖9。圖9. GMR(AA002)響應用于AA002偏磁永磁體的不同位置為以設定的運轉點在傳輸特性良好的結果的線性區(qū)域的考慮永久磁鐵,當PM被以Y =20毫米GMR傳感器平面上的距離之內的固定在一個平行的平面獲得。這個位置,獲得所檢測的磁場的一個低失真。偏壓進

24、行有關ECP響應正弦激勵信號,有和沒有的比較研究。結果示于圖。 10,其中S1(t)和S 1'(t)的代表濾波和s2(t)和s2的之前的信號'(t)的代表濾波后的信號。這些結果表明,沒有一個直流偏置磁場的GMR輸出信號失真。帶有偏置字段是可能的增加信號振幅(增加勵磁電流)與較低的失真。 THE值約9.2和0.6,前偏后分別.圖10. ECP高通濾波輸出信號為鋁板無缺陷,a)無和b)與磁鐵施力另外一個數(shù)字式高通濾波(FC =100赫茲)被包括在內。4.2 缺陷檢測考慮2鋁板試樣加工缺陷如關于這些缺陷的檢測和分類的裂縫和孔數(shù)的結果進行。對于存在于被測鋁板的裂縫幾何特性列于表2中,其

25、中“L”表示裂紋長度,“W”表示的裂縫寬度和“D”表示裂縫深度。其他樣品具有直徑1.0,1.5,2.0,2.5和3mm該鉆1mm厚的鋁板的5圓孔。加工的裂紋和氣孔的延伸數(shù)由上的必要,以獲得訓練數(shù)據(jù)的人工神經(jīng)網(wǎng)絡分類器的缺陷,這需要一個訓練集,驗證集和測試集。因此,現(xiàn)有的數(shù)據(jù)被分成三組的特定功能。與鋁板的缺陷檢測相關聯(lián)的信號,獲得對于勵磁電流(IEX = 50-200毫安)注入在ECP勵磁線圈與頻率(500-7000赫茲)的不同值的不同幅度值??紤]到所考慮的使用有限元模型,歌劇院3D®的磁場對鋁板為引起的缺陷的分布進行了研究的幾何特性。該應用程序的輸入?yún)?shù)對應于交流磁場激勵特征在于激勵

26、電流振幅IEX = 100 mA和頻率FEX = 7千赫。結果圖。圖11和圖12表示沿z方向上的鋁板和表2中定義的兩個不同的的crack11的磁通密度分量。圖。 11煎餅探針(ECP1)被橫向定位在距裂縫中心的距離為1毫米,而在圖12長探針(ECP2)被準確地定位在裂紋邊緣之一。請鍵入文字或網(wǎng)站地址,或者上傳文檔。圖11 磁通密度分量BZ,對鋁板ECP1圖12. 磁通密度分量BZ,對鋁板進行ECP2分析模擬結果,煎餅線圈,ECP1中,更好的性能可見一斑。為了達到強激發(fā)場的激勵電流必須盡可能地靠近到板。這與扁平線圈更好的成就。它也可以被觀察到,對于這種探針在鋁板的感應場分布很廣。因此,煎餅探頭預

27、期更好的表現(xiàn)??紤]到仿真結果參照所提ECP的能力,主要是進行使用包含扁平線圈和GMR AA002的ECP1實驗部分。參照對于激勵信號的不同頻率所獲得的SNR值所獲取的信號的數(shù)字濾波被表示于表3中。在表3中的最佳巴特沃斯,最好貝塞爾和最好的切比雪夫濾波器都與它允許實現(xiàn)對信噪比的最大值的順序。對于所考慮的情況下,“最佳巴特沃思”對應于第八階數(shù)字濾波器,“最佳切比雪夫”對應于6階數(shù)字濾波器和“最佳貝塞爾”對應的3階數(shù)字濾波器。使用xy運動系統(tǒng),具有裂縫和孔洞的區(qū)域進行掃描,以便獲得所述感應圖像輪廓。裂縫和洞的缺陷得到了一定的效果,列于圖。 13。圖13獲得在該鋁板加工缺陷的圖像:a)裂紋缺陷和b)孔

28、的缺陷裂縫圖像使用色彩頻譜映射,其中黑色對應于0.1 V的幅度和白色,以2.1 V通過ECP交付。注入信號頻率為500赫茲??讏D像使用色彩頻譜映射,其中黑色對應于0.1 V的幅度和紅色,以1.1 V通過ECP交付。注入信號頻率為500赫茲。為了裂紋和缺陷孔區(qū)分特征提取處理階段被列入。一維信號的幅度變化,可根據(jù)與在平板上的ECP位置,進行了審議。一維的信號輪廓被用來提取用于裂紋孔分類相應的功能。圖。 14呈現(xiàn)1D信號的一個裂縫的演變(圖14a),并用于空穴缺陷(圖14b)。圖14.輸出電壓的ECP的幅度Vout的:1)裂紋和b)孔的缺陷如可以觀察到的,ECP的輸出振幅分布為Y-Y'一步一步的運動用0.5mM增量的特征在于一個峰 - 谷 - 峰(P-V-P')的極端值的序列,其被用作神經(jīng)網(wǎng)絡分類器的輸入。因此,一個3-nhidden-2-人工神經(jīng)網(wǎng)絡體系結構的設計和實現(xiàn),其中,隱藏的表示的MLP-NN的隱藏神經(jīng)元的數(shù)目,有三個考慮特征和兩個缺陷類。的nhidden不同的值進行了測試。但是良好的結果,得到用于nhidden= 16的神經(jīng)元與日志乙狀結腸傳遞函數(shù)。通過裂縫和孔類分類正確的值表示的幾個結果列于表4。在所關注的神經(jīng)網(wǎng)絡,分類性能強烈依賴于訓練集。峰谷峰估計的低精度進行低裂洞分類的準確性。參照所檢測的裂紋的幾何特性和/或空穴數(shù)MLP-

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論