网络首发

激光与光电子学进展
ESCI,SCOPUS,CJCR,CSCD,北图
2021年第58卷第22期0页
基于优化BP神经网络激光超声表面缺陷识别研究
录用时间:2021-02-04
论文栏目
30
作者单位
1 上海工程技术大学
论文摘要
为了解决激光超声检测过程中表面缺陷深度定量识别困难的问题,提出了一种粒子群(PSO)优化BP神经网络表面矩形缺陷深度定量识别方法。基于热弹机制,利用有限元软件COMSOL建立了激光超声检测含有表面缺陷铝材料的有限元模型,得到了脉冲激光照射下不同深度缺陷对应的透射波信号,提取透射波信号的时域峰值、中心频率、频域上3dB带宽以及上限截止频率和下限截止频率等多个变量作为神经网络的特征向量,建立了PSO-BP神经网络缺陷深度定量识别模型,实现了0.1mm至3mm深度缺陷的定量识别。计算结果表明:经过粒子群算法优化后的BP神经网络能够准确地识别出金属表面缺陷的深度信息,识别相对误差在6%以内,证明了该神经网络模型对矩形缺陷深度的识别具有一定的可行性和准确性。
引用本文
陈超, 张兴媛, 陆思烨. 基于优化BP神经网络激光超声表面缺陷识别研究[J]. 激光与光电子学进展, 2021, 58(22): 0. 
DOI:10.3788/lop58.223000
PDF 全文:点击此处查看 

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!