小波神經(jīng)網(wǎng)絡(luò)在罐形容器缺陷檢測(cè)中的應(yīng)用研究.pdf

1、隨著罐形容器的普遍使用，其安全性能和缺陷檢測(cè)方法越來越受到社會(huì)各界的關(guān)注。研制開發(fā)一種高性能快速、可手持操作、便于進(jìn)行數(shù)據(jù)處理和實(shí)時(shí)檢測(cè)的罐形容器缺陷檢測(cè)系統(tǒng)，具有重要的現(xiàn)實(shí)意義和應(yīng)用價(jià)值。 目前罐形容器聲發(fā)射缺陷檢測(cè)通常采用“小波包-能量”作為神經(jīng)網(wǎng)絡(luò)的輸入特征向量。缺點(diǎn)是只能滿足對(duì)信號(hào)的高頻和低頻成分分別進(jìn)行分解，而不能按頻帶的自身特點(diǎn)進(jìn)行選擇性分解，特征提取方法也沒有充分利用小波包在時(shí)域上的局部分析能力，若能考慮小波包在時(shí)

2、間軸上的信息，將更有助于提取缺陷特征信號(hào)。 針對(duì)以上問題，本文提出了一種基于“區(qū)間小波包-能量矩”的聲發(fā)射特征提取方法，它能按信號(hào)能量集中的關(guān)鍵頻段進(jìn)行自適應(yīng)分解，提取特征充分利用了小波包的時(shí)域信息。同時(shí)針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)收斂速度慢，迭代時(shí)間長等問題，提出梯度優(yōu)化的神經(jīng)網(wǎng)絡(luò)算法，并對(duì)BP算法的激活函數(shù)進(jìn)行了改進(jìn)。研究結(jié)果表明，該方法大大簡化了算法的復(fù)雜度，提高了容器缺陷檢測(cè)的識(shí)別率，同時(shí)實(shí)現(xiàn)了缺陷信號(hào)的單傳感器定位，具有較好的