首页|基于粒子群优化BP神经网络的超声波缺陷位置预测

基于粒子群优化BP神经网络的超声波缺陷位置预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
海洋设备的无损检测对于保障设备安全使用至关重要,由于设备所处的海洋环境特殊,要实现对海洋设备缺陷位置的准确估计难度较大.论文提出了一种基于粒子群优化BP神经网络(PSO-BP)预测设备缺陷位置的方法.通过模拟了海洋检测环境,用钢板作为实验对象,用超声波探伤仪对缺陷钢板进行了数据采集,获取了水下钢板的实时数据.通过粒子群算法对BP网络进行优化后对数据进行分析,对比缺陷出现的实际位置和预测位置,证明了粒子群优化的BP神经网络对于超声波检测的缺陷出现位置具有较好的预测效果.
Ultrasonic Defect Location Prediction Based on Particle Swarm Optimization BP Neural Network

张岩、郑洲洲、邵钰奕

展开 >

青岛科技大学机电工程学院 青岛 266061

粒子群优化 BP神经网络 超声波检测 缺陷位置预测

2021

10.3969/j.issn.1672-9722.2021.06.028

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(6)
  • 2
  • 8