基于置信规则和证据推理的超声检测缺陷识别

发布时间：2018-03-12 23:01

  本文选题：置信规则库　切入点：证据理论　出处：《中国测试》2017年04期 　论文类型：期刊论文

【摘要】：为解决超声检测缺陷精确识别问题,综合运用检测数据和专家知识,研究一种基于置信规则库(belief-rulebase,BRB)和证据推理(evidential reasoning,ER)进行超声检测缺陷识别的方法。提出一种融合多种特征信息的BRB-ER缺陷识别模型,利用最小均方误差算法进行模型初始参数的优化,从而提高缺陷识别的准确性。通过超声检测手段获取某航空材料的缺陷数据,并对所提出识别方法进行验证。试验结果显示:该方法能够准确地进行缺陷识别,并可根据已有的产品缺陷类型进行训练,建立更加准确的缺陷识别模型。
[Abstract]:In order to solve the problem of accurate identification of ultrasonic inspection defects, comprehensive use of testing data and expert knowledge, This paper studies a method of ultrasonic defect detection based on confidence rule base (BRBB) and evidence reasoning reasoning (ERB). A new BRB-ER defect recognition model based on multiple feature information is proposed, and the initial parameters of the model are optimized by using the minimum mean square error (MMSE) algorithm. In order to improve the accuracy of defect recognition, the defect data of a certain aeronautical material is obtained by ultrasonic detection, and the proposed identification method is verified. The experimental results show that the method can accurately identify the defects. According to the existing product defect type, we can train and establish a more accurate defect recognition model.
【作者单位】： 火箭军工程大学控制科学与工程系;西安理工大学自动化与信息工程学院;
【基金】：国家自然科学基金(61370031,60736026) 飞行器海上测量与控制联合实验室开放基金(FOM2014OF14)
【分类号】：TB559

【相似文献】

相关期刊论文 前8条

1 任海鹏;马展峰;;基于复杂网络特性的带钢表面缺陷识别[J];自动化学报;2011年11期

2 柳春图,陈卫江;缺陷识别反问题的研究状况与若干进展[J];力学进展;1998年03期

3 魏娜娣;;软件缺陷识别技术与缺陷级别的分析研究[J];科技信息;2014年13期

4 林乃昌;杨晓翔;林文剑;朱志彬;;基于改进的KPCA的TOFD图像缺陷识别方法[J];福州大学学报(自然科学版);2014年02期

5 吴东洋;业宁;徐波;尹佟明;;基于改进的Affnity Propagation聚类的木材缺陷识别[J];工程数学学报;2012年04期

6 ;射线探测技术与装置[J];中国光学与应用光学文摘;2000年04期

7 范春利;孙丰瑞;杨立;;二维不规则形状发热型缺陷的红外识别算法[J];计算物理;2009年06期

8 ;[J];;年期

相关会议论文 前7条

1 张毅刚;;结构缺陷识别的线性规划法[A];中国土木工程学会计算机应用分会第七届年会论文集[C];1999年

2 张毅刚;;结构缺陷识别的线性规划法[A];中国土木工程学会计算机应用分会第七届年会土木工程计算机应用文集[C];1999年

3 张毅刚;;结构缺陷识别的参数判定法[A];面向21世纪的科技进步与社会经济发展（下册）[C];1999年

4 尚钢;陈立耀;李卓球;王建平;;神经网络在梁体结构缺陷识别中的应用[A];第七届全国结构工程学术会议论文集（第Ⅰ卷）[C];1998年

5 张潜;高立群;王贞祥;;基于小波分析的板型缺陷识别方法[A];管理科学与系统科学研究新进展——第6届全国青年管理科学与系统科学学术会议暨中国科协第4届青年学术年会卫星会议论文集[C];2001年

6 戴飞虎;;特厚板AUT典型缺陷识别[A];2011年全国中厚板生产技术交流会论文集[C];2011年

7 原培新;孙丽娜;;基于图像处理的X射线胶片缺陷识别[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

相关博士学位论文 前1条

1 赵向阳;基于神经网络的钢板表面缺陷识别若干问题的研究[D];大连理工大学;2006年

相关硕士学位论文 前10条

1 田丹;基于电致发光与BP神经网络的太阳电池缺陷识别[D];河北大学;2015年

2 李佳;基于压缩感知的多模型木材图像缺陷识别[D];东北林业大学;2015年

3 张洁;输电线路缺陷在线监控系统设计与实现[D];电子科技大学;2015年

4 李梦园;深度学习算法在表面缺陷识别中的应用研究[D];浙江工业大学;2015年

5 赵亚丁;基于LBP的DR图像缺陷识别算法研究与软件设计[D];重庆大学;2015年

6 刘丹;BGA焊点缺陷在线自动识别方法研究[D];沈阳大学;2016年

7 马云修;黄青线管道内检测缺陷识别及定位技术研究[D];中国石油大学(华东);2014年

8 王亚圣;冷轧卷板板形在线监测与缺陷识别评价系统设计[D];燕山大学;2016年

9 周健;基于X射线实时成像的铝合金激光焊接缺陷识别技术研究[D];南京航空航天大学;2016年

10 李建文;磁粉探伤缺陷识别自动化系统设计与开发[D];南京理工大学;2012年

，

本文编号：1603681