《表1 缺陷分类识别效果:基于超声相控阵对焊缝缺陷的检测研究》
本文采用三层小波包进行特征提取,将不同缺陷的第三层各个节点的8个频带特征能量比例作为BP神经网络的特征输入参数,每种缺陷训练样本数30个,其中1代表气孔缺陷,2代表夹杂缺陷,3代表裂纹缺陷。三种缺陷总的训练集为90个样本,测试集为不同缺陷各10个测试样本,分别进行预测分类,网络层数为三层神经网络:输入层、隐含层、输出层。实验过程中的网络模型参数:其神经元类型为8-10-3,学习率设为0.01,训练误差设为0.001,最大迭代次数为1000次,以S型函数作为激活函数,其实验分类预测结果如图7及表1所示。
图表编号 | XD00137166100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.10 |
作者 | 马小东、张鹏林、徐桃萍、杨天雨 |
绘制单位 | 兰州理工大学省部共建有色金属先进加工与再利用国家重点试验室、兰州理工大学省部共建有色金属先进加工与再利用国家重点试验室、兰州理工大学省部共建有色金属先进加工与再利用国家重点试验室、兰州理工大学省部共建有色金属先进加工与再利用国家重点试验室 |
更多格式 | 高清、无水印(增值服务) |