基于bp和nnrs模型的超声缺陷信号识别研究

基于bp和nnrs模型的超声缺陷信号识别研究

ID:35055799

大小:5.62 MB

页数:60页

时间:2019-03-17

基于bp和nnrs模型的超声缺陷信号识别研究_第1页
基于bp和nnrs模型的超声缺陷信号识别研究_第2页
基于bp和nnrs模型的超声缺陷信号识别研究_第3页
基于bp和nnrs模型的超声缺陷信号识别研究_第4页
基于bp和nnrs模型的超声缺陷信号识别研究_第5页
资源描述:

《基于bp和nnrs模型的超声缺陷信号识别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、'"(?1.-I■分樂号029VMil#;'学谱;别3瓣纖巧古V!帮Ih-:I、IjQljl和Northllnkersi巧OfChill級硕±学位论文基于BP和NNRS模型的超声缺陷信号识别研究t.賴f豁1气硕壬硏究生錄:陈C,::g;原创性声明本人郑重声明:所室交的学位论文,是本人在指导教师的巧导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的科研成果。对

2、本文的研究作出重要贡献的个人和集体。本声明的法律责任由本人,均S在文中从明确方式掠明承担。S论古作者絲名若':嘴施日期:W^关于学位论文使用权的说明本人完全了解中北大学有关保管:、使用学位论文的规定,其中包括①学校有权保管、并向有关部口送交学位论文的原件与复印件;②学校可a采用影印、缩印或其它复制手段复制并保存学位论文;③学校可允许学位论文被查巧或借婉;④学校可从学术交流为目的,复制赠送和交换学位论文;⑤学校可义公布学位论文的全部或部分内容(保密学位论文在解密后遵守此规定)。3i

3、又任日期:签名:1餐:日、[.导师签名期:j图书分类号_________________________________O29_密级_________________非密注1UDC_______________________________________________________________硕士学位论文基于BP和NNRS模型的超声缺陷信号识别研究陈红佳指导教师(姓名、职称)_______________________________________________白艳萍、教授申请学位级别______

4、______________________理学硕士专业名称_____________________________________________________________计算数学论文提交日期________2016年______4月______1日论文答辩日期________2016年______5月______28日学位授予日期________年______月______日论文评阅人___________________________________________________________黄迟、胡红萍答辩委

5、员会主席_______________________刘桂荣2016年06月01日中北大学学位论文基于BP和NNRS模型的超声缺陷信号识别研究摘要超声波无损检测技术作为五大常用无损检测方法之一,它具有可以检测不同种类材料的缺陷,对缺陷的深度容忍度高,可以准确的定位缺陷的位置,检测灵敏度较高;且该技术的成本较低,使用非常方便;检测缺陷的速度快,对人体无害,便于现场使用等特点,成为国内外应用最广泛、使用频率最高且发展较快的一种无损检测技术。超声波缺陷信号不稳定性和非线性特征使得对缺陷种类的判别需要高度的人工技术,如何利用先进的科学技术

6、对缺陷信息进行自动识别以及缺陷的定性评价,还需要更多的科研工作者贡献力量。人工神经网络是一个自适应、自学习和并行分布式的信息处理网络结构,自20世纪80年代以来,人们对人工神经网络的研究理论上取得了很大的进展,目前已经有上百种人工神经网络模型,它们的网络结构,性能,算法及应用领域各异,广泛地应用在信号处理、模式识别、图像处理、医学、气象、自动控制、金融预测等领域,在系统故障诊断识别中有优异的表现。本文利用实验获得的激光超声表面缺陷的反射波和透射波信号数据,提取能够表征超声缺陷信号的特征,利用神经网络人工智能技术,用BP神经网络模型

7、、改进BP神经网络模型和神经网络权转换模型(NeuralNetworkRegimeSwitching,简称NNRS)构建缺陷诊断系统,逐步提高缺陷诊断系统的准确率、稳定性和泛化能力,缩短算法的时间复杂度。本文主要研究内容包括:1.第三章中介绍了梅尔频率倒普系数法(MelFrequencyCepstralCoefficientmethod,简称MFCC)的基本原理,利用MFCC法提取激光超声表面缺陷的反射波和透射波信号的频域特征,将高维小样本信号数据转换成低维多样本高维特征数据,用归一化方法消除高频特征量纲,为神经网络模型输入数据提

8、供支持。2.在第四章中阐述神经网络技术的发展与基本原理,利用BP神经网络构建缺陷诊断系统,探讨了网络结构构造,特征参数选取等问题,并从BP的不足和局限性出发,I中北大学学位论文应用附加动量法改进BP模型,避免网络在修正权值时可能陷入局部极小值的问题

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。