红外温度学和NN模型用于检测损坏的部件厚度
Chunming Ai1,2, Haichuan Lin3,4, Pingping Sun5
1College of Safety Science and Engineering, Liaoning Technical University, Huludao, 125000, China.
Scientific reports
|February 17, 2025
概括
这项研究证明了使用红外热学和BP神经网络快速检测金属元件损伤厚度. 这些发现验证了使用数值模拟和神经网络进行工程应用中高效,准确的厚度评估.
科学领域:
- 材料科学与工程 材料科学与工程
- 非破坏性测试 不破坏性测试
- 在工程领域的人工智能.
背景情况:
- 红外热图是用于非破坏性测试的宝贵工具.
- 准确评估金属元件的损伤厚度对于结构完整性至关重要.
- 现有的厚度检测方法可能耗时或不太精确.
研究的目的:
- 开发一种快速而准确的方法来检测金属元件的损伤厚度.
- 为了验证红外热谱与数字模拟和BP神经网络相结合的使用.
- 为在工程厚度检测中应用BP神经网络技术奠定基础.
主要方法:
- 热传递理论和图像理论的结合.
- 进行了理论分析,有限元数值模拟 (COMSOL) 和红外热图实验.
- 使用模拟和实验数据开发和训练BP神经网络预测模型.
主要成果:
- 实验温度上升曲线与模拟趋势保持一致,验证了数值模拟的准确性.
- 英国石油公司的神经网络的预测与实验数据密切匹配,证实了其用于厚度检测的可行性.
- 在不同的加热温度下证明了红外热波实验的有效性.
结论:
- 在这种情况下,数值模拟可以有效地替代物理实验.
- BP神经网络为快速检测金属元件损坏厚度提供了一种可行的方法.
- 该研究为基于神经网络的快速检测技术在工程领域的未来应用提供了坚实的基础.


