基于BP神经网络的在役管线焊缝故障缺陷的分类识别
本文利用计算机辅助进行在役管线焊故障缝缺陷检测,在缺陷特征提取中提出圆形度、长宽比、填充度、尖部尖锐度、对称度、灰度比以及缺陷的重心坐标相对焊缝中心的位置等7个参数作为缺陷的特征值,可有效地分类识别不同故障缺陷。在缺陷分类的解决方案上,采用具有自组织、自适应的3层前馈式神经网络,运用改进的BP算法,以焊缝缺陷的特征参数作为神经网络的训练样本。本文还通过实验的方法,分析了初始权值、隐含层的神经元数量、动量系数、误差水平及学习速率对网络训练的影响。
在役管线、焊缝缺陷、BP神经网络、分类识别
21
TG115.28(金属学与热处理)
2012-07-09(万方平台首次上网日期,不代表论文的发表时间)
共10页
43-52