基于BP神经网络的超声表面波定量表征金属表层裂纹深度研究

发布时间：2024-05-27 20:21

　　针对超声参量-目标特征经验拟合方法预测金属表层裂纹深度准确性不高的问题,提出一种基于差异性与最小集合原则优选特征并训练BP神经网络的金属表层裂纹深度的声表面波(SAW)定量表征技术。该技术运用有限元法模拟激光激发SAW过程,提取裂纹引起的反射与透射SAW峰值、平均值等多个特征训练BP神经网络用以预测裂纹深度,实现不锈钢表层深度0. 1～2. 0 mm的20组开口裂纹定量表征。模拟结果表明:裂纹深度预测结果相对误差在3%以内,与经验拟合曲线预测结果相比,准确率提高60%以上。实验采用5 MHz表面波探头采集不锈钢试样表层深度1. 0与1. 5 mm预加工裂纹各20个反射波信号,通过BP神经网络预测的裂纹深度相对误差在0. 1%以内,验证了定量表征技术的可行性与准确性。

【文章页数】：8 页

【文章目录】：
0 引言
2 基于BP神经网络检测表层裂纹深度原理
    2.1 表面波的传播与激励
    2.2 BP神经网络预测技术
    2.3 输入向量特征的提取与优选
3 数值模拟
    3.1 参数设置与模型建立
    3.2 表面波峰值经验拟合结果与分析
    3.3 BP神经网络优选特征定量表征结果与讨论
4 超声检测实验
5 结论



本文编号：3983054