文献类型：期刊文章

作　　者：董珍一[1] 林莉[1] 孙旭[1] 马志远[1]

Dong Zhenyi;Lin Li;Sun Xu;Ma Zhiyuan(NDT&E Laboratory,Dalian University of Technology,Dalian 116085,China)

机构地区：[1]大连理工大学无损检测研究所

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(51675083,51805072);中国博士后科学基金(2018M641689)资助项目

年　　份：2019

卷　　号：40

期　　号：8

起止页码：31-38

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对超声参量-目标特征经验拟合方法预测金属表层裂纹深度准确性不高的问题,提出一种基于差异性与最小集合原则优选特征并训练BP神经网络的金属表层裂纹深度的声表面波(SAW)定量表征技术。该技术运用有限元法模拟激光激发SAW过程,提取裂纹引起的反射与透射SAW峰值、平均值等多个特征训练BP神经网络用以预测裂纹深度,实现不锈钢表层深度0. 1~2. 0 mm的20组开口裂纹定量表征。模拟结果表明:裂纹深度预测结果相对误差在3%以内,与经验拟合曲线预测结果相比,准确率提高60%以上。实验采用5 MHz表面波探头采集不锈钢试样表层深度1. 0与1. 5 mm预加工裂纹各20个反射波信号,通过BP神经网络预测的裂纹深度相对误差在0. 1%以内,验证了定量表征技术的可行性与准确性。

关 键 词：声表面波 表层裂纹  BP神经网络

分 类 号：TG115.285] TP183]