本文主要研究内容
作者高向东,郑俏俏,王春草（2019）在《旋转磁场下焊接缺陷磁光成像检测与强分类研究》一文中研究指出：焊接缺陷的准确检测与分类对保证焊接产品质量十分重要。研究一种旋转磁场激励下焊接缺陷的磁光成像无损检测方法。分析基于法拉第磁光效应的焊接缺陷磁光成像机理,使用有限元法对焊接缺陷的磁场分布进行数值模拟与分析,并获得磁光图像采集的最佳提离度。分析旋转磁场形成机理,使用交叉磁轭产生旋转磁场激励焊件,通过磁光成像传感器获取焊接缺陷磁光图像。采用主成分分析法(Principal component analysis, PCA)对采集的磁光图像列像素灰度特征进行提取与降维,使用AdaBoost算法结合误差反向传播(Back propagation, BP)神经网络建立BP-AdaBoost焊接缺陷强分类模型。试验结果表明,所提出的方法可有效提高45钢焊接缺陷(弧形裂纹、线形裂纹、凹坑、未熔透)的分类精度,焊接缺陷强分类模型的整体识别率达到98.88%,有效实现焊接缺陷的检测与分类。
Abstract
han jie que xian de zhun que jian ce yu fen lei dui bao zheng han jie chan pin zhi liang shi fen chong yao 。yan jiu yi chong xuan zhuai ci chang ji li xia han jie que xian de ci guang cheng xiang mo sun jian ce fang fa 。fen xi ji yu fa la di ci guang xiao ying de han jie que xian ci guang cheng xiang ji li ,shi yong you xian yuan fa dui han jie que xian de ci chang fen bu jin hang shu zhi mo ni yu fen xi ,bing huo de ci guang tu xiang cai ji de zui jia di li du 。fen xi xuan zhuai ci chang xing cheng ji li ,shi yong jiao cha ci e chan sheng xuan zhuai ci chang ji li han jian ,tong guo ci guang cheng xiang chuan gan qi huo qu han jie que xian ci guang tu xiang 。cai yong zhu cheng fen fen xi fa (Principal component analysis, PCA)dui cai ji de ci guang tu xiang lie xiang su hui du te zheng jin hang di qu yu jiang wei ,shi yong AdaBoostsuan fa jie ge wu cha fan xiang chuan bo (Back propagation, BP)shen jing wang lao jian li BP-AdaBoosthan jie que xian jiang fen lei mo xing 。shi yan jie guo biao ming ,suo di chu de fang fa ke you xiao di gao 45gang han jie que xian (hu xing lie wen 、xian xing lie wen 、ao keng 、wei rong tou )de fen lei jing du ,han jie que xian jiang fen lei mo xing de zheng ti shi bie lv da dao 98.88%,you xiao shi xian han jie que xian de jian ce yu fen lei 。
论文参考文献
论文详细介绍
论文作者分别是来自机械工程学报的高向东,郑俏俏,王春草，发表于刊物机械工程学报2019年17期论文，是一篇关于焊接缺陷论文,旋转磁场论文,磁光检测论文,有限元仿真论文,主成分分析论文,强分类器论文,机械工程学报2019年17期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自机械工程学报2019年17期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：焊接缺陷论文; 旋转磁场论文; 磁光检测论文; 有限元仿真论文; 主成分分析论文; 强分类器论文; 机械工程学报2019年17期论文;