在超声检测中,粗晶材料由于较大的噪声背景,严重影响着有用信号的检测,为了提高信噪比,文章介绍了几种新的粗晶材料检测信号的处理技术,包括相关技术、专家系统、小波包去噪技术以及神经网络技术,给出了几种技术的原理及应用,这些技术将推动超声检测信号处理技术向着实时和高效的方向发展.
参考文献
[1] | 刘镇清;梁穗 .奥氏体不锈钢铸件的超声探伤信号处理与识别系统[J].无损检测,1996,18(10):271-273. |
[2] | 陈建忠,史耀武,史淑.粗晶材料超声检测信号处理[J].核动力工程,2000(02):183-187. |
[3] | Fugason E S;Newhouse V L .Application of Random Signal Correlation Techniques to Ultrasonic Flaw Detection[J].ULTRASONICS,1985,13(05):11-17. |
[4] | 李伟,罗雄彪.基于相关技术的超声检测信号处理[J].无损检测,2005(06):297-299. |
[5] | 付京孙;蔡自兴;徐光.人工智能及其应用[M].北京:清华大学出版社,1997 |
[6] | 殷国富.工程专家系统技术及其应用[M].成都:成都科技大学出版社,1993 |
[7] | 王雅萍.专家系统在超声无损检测中的应用[J].西南科技大学学报(自然科学版),2005(01):53-55,80. |
[8] | 范显峰,姜兴渭.基于小波包变换的信号去噪方法研究[J].哈尔滨工业大学学报,2003(07):809-811. |
[9] | 吴淼,张海燕,孙智,刘旭.超声检测缺陷分类的小波分析与神经网络方法[J].中国矿业大学学报,2000(03):239-273. |
[10] | 刘镇清,张海燕.人工神经网络及其在超声检测中的应用[J].无损检测,2001(05):221-225. |
[11] | 罗雄彪,陈铁群.基于神经网络的超声检测缺陷表征[J].华南理工大学学报(自然科学版),2005(04):5-9. |
[12] | 刘镇清;李成林 等.粗晶材料缺陷的超声检测信号识别[J].同济大学学报,1996,24(01):70-75. |
[13] | Unluturk M;Saniie J .Nueral Networks for Ultrasonic Grain Size Discrimination[J].IEEE Transactions on Ultrasonics Symposium,1996,1:669-672. |
[14] | Polikar R.;Udpa L. .Frequency invariant classification of ultrasonic weld inspection signals[J].IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control,1998(3):614-625. |
[15] | 谈文新;张新春 .便携式智能超声无损检测系统的研究[J].无损检测,1997,19(02):181-185. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分:
-
10%
-
20%
-
30%
-
40%
-
50%