发明名称 |
基于三维有限元神经网络的缺陷识别和量化评价方法 |
摘要 |
一种基于三维有限元神经网络的缺陷识别和量化评价方法,用于对缺陷漏磁检测信号进行定量解释,属于无损检测技术领域。包括有如下三个基本步骤:1)根据缺陷漏磁场的三维有限元计算模型,构建三维有限元神经网络;2)测量并提取缺陷漏磁场特征值,设定缺陷漏磁场测量值与计算值间误差的阈值条件;3)给定缺陷特征参数的初始估计值,利用三维有限元神经网络进行迭代计算,通过比较缺陷漏磁场计算值与测量值间误差的大小来实现缺陷的特征识别和量化评价。有限元神经网络的权值不需事先进行训练,所以利用本发明进行缺陷量化评价,可以避免常规神经网络方法对训练样本的依赖性,有利于提高对各种不规则缺陷的识别能力和量化精度。 |
申请公布号 |
CN1963491A |
申请公布日期 |
2007.05.16 |
申请号 |
CN200610164923.6 |
申请日期 |
2006.12.08 |
申请人 |
清华大学 |
发明人 |
黄松岭;赵伟;宋小春;崔伟 |
分类号 |
G01N27/82(2006.01);G01M3/00(2006.01);F17D5/00(2006.01);G01R33/00(2006.01);G06N3/02(2006.01) |
主分类号 |
G01N27/82(2006.01) |
代理机构 |
|
代理人 |
|
主权项 |
1.一种基于三维有限元神经网络的缺陷识别和量化评价方法,其特征在于该方法包括如下步骤:1)根据缺陷漏磁场的三维有限元计算模型构建三维有限元神经网络:有限元神经网络包含三层:输入层、输出层和隐含层,如果缺陷漏磁场三维有限元计算模型包含M个网格单元、N个节点,而且每个单元有i个特征参数,那么神经网络结构的输入层就包含i×M个神经元,这些神经元分别乘以权值矩阵元素wij之后,作为隐含层的输入;隐含层包含N2个神经元,N个为一组,隐含层的输出再乘以相应节点的权值φ,就可以得到与该节点对应的输出值;输出层为N个神经元,代表N个节点处的输出值;2)测量缺陷漏磁场,提取缺陷漏磁场特征值,并设定缺陷漏磁场测量值A与神经网络计算值B间误差的阈值δ:根据缺陷漏磁场的分布特征,采用等空间采样法测量缺陷周围某一区域若干个点处的漏磁场强度;3)根据所测量缺陷漏磁场的大小,设定缺陷特征参数的初始估计值,利用步骤1)建立的三维有限元神经网络对其进行迭代计算:如果缺陷漏磁场的测量值A与计算值B间的误差A-B大于步骤2)所设定误差阈值δ,则需更新缺陷特征参数的估计值重新进行计算;当误差A-B小于阈值δ时,即认为用于有限元神经网络计算的缺陷特征参数估计值是所期望的缺陷特征参数。 |
地址 |
100084北京市100084信箱82分箱清华大学专利办公室 |