基于BP和NNRS模型的超聲缺陷信號(hào)識(shí)別研究.pdf

1、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

2、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

3、，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。
　　本研究主要內(nèi)容包括：⑴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

4、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。⑵闡述了神經(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

5、。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%。⑶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，