基于BP神经网络和DS证据理论的超声波定量评估技术的研究
Kai Yao1, Xinglong Li2, Zhaoxu Lu2
1Department of Mechanics, School of Physical Science and Engineering, Beijing Jiaotong University, Beijing 100044, China; Tangshan Research Institute of Beijing Jiaotong University, Tangshan 063000, China.
Ultrasonics
|January 5, 2024
概括
这项研究引入了一种新的超声波测试方法,将BP神经网络和DS证据理论结合起来,以准确检测缺陷. 改进的技术改善了缺陷的定位和量化,实现了高相似系数和最小的面积误差.
科学领域:
- 非破坏性测试是指非破坏性测试.
- 超声波测试 超声波测试 超声波测试
- 信号处理 信号处理
背景情况:
- 超声波检测提供高灵敏度和透性,但与复杂的缺陷形状和低成像效率作斗争.
- 当前的超声波测试方法在精确定位和量化具有复杂几何形状的缺陷方面面临着挑战.
- 大量的数据需求和低效率阻碍了先进的超声波成像应用.
研究的目的:
- 开发一种改进的超声波测试方法,用于准确检测和量化缺陷.
- 为了解决传统超声波测试在处理复杂缺陷形状方面的局限性.
- 通过数据融合提高超声波缺陷成像的效率和准确性.
主要方法:
- 将反向传播 (BP) 神经网络与数据融合的Dempster-Shafer (D-S) 证据理论集成.
- 使用脉冲反射方法来检测和描述缺陷.
- 在不同尺寸的圆形和三角形缺陷上进行数值模拟和实验测试.
主要成果:
- 合并方法实现了高达0.96.96的缺陷相似系数.
- 缺陷量化的最小面积误差达到了1.2%.
- 中心位定位误差显著减少,平均x轴误差低于9.25%,y轴误差低于8.73%.
结论:
- 结合的BP神经网络和DS证据理论方法显著提高了超声波缺陷反转成像的准确性.
- 提出的方法有效地克服了复杂缺陷特征的传统超声波测试的局限性.
- 这种技术为各种工业应用中精确的非破坏性评估提供了有希望的解决方案.
更多相关视频
07:28Psychophysically-anchored, Robust Thresholding in Studying Pain-related Lateralization of Oscillatory Prestimulus Activity
Published on: January 21, 2017
7.0K
09:02Cortical Bone Assessment Using Ultrasonic Guided Waves: A Reproducibility Study in a Healthy Population
Published on: January 31, 2025
489
