文献类型：期刊文章

作　　者：王帅[1] 黄海鸿[1] 韩刚[1] 刘志峰[1]

机构地区：[1]合肥工业大学机械工程学院

出　　处：《电子测量与仪器学报》

基　　金：国家自然科学基金(51675155,51635010,51722502)资助项目

年　　份：2018

卷　　号：32

期　　号：10

起止页码：190-196

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2017_2018、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为实现磁记忆检测中对缺陷承受的拉伸载荷、宽度及深度进行识别,提取出缺陷处磁记忆信号切向分量的最大差值X1、峰值X2、曲线下围面积X3、梯度的峰谷值X4;法向分量的峰谷值X5、曲线下围面积X6、缺陷梯度X7以及梯度的峰峰宽X8等8个特征参数,采用主成分分析法（PCA）与遗传算法优化神经网络（GA-BP）法有机结合对数据处理,该算法可以有效地逼近力磁耦合作用下的复杂非线性关系,实现了对磁记忆信号的定量识别。该算法不仅降低了数据冗余度、提高了计算效率,还使得神经元的权值和阈值更加稳定,避免陷入局部最优解,解决了输出结果不稳定的缺点。其中法向分量所提取指标（X5,X6,X7）和切向分量提取的指标（X1,X4）对第1主成分影响较大,而指标（X2,X3,X8）对第2主成分影响较大,这些指标都可以反映缺陷的信息。检测实例表明,该算法对宽度的预测精度最低,而对深度的预测精度最高。

关 键 词：磁记忆 特征参数 主成分分析 GA-BP神经网络 定量识别  

分 类 号：TM271[材料类] TP183]