基于神经网络的超声导波钢杆缺陷识别

利用基于BP神经网络的缺陷识别算法,从不同实验条件下获得的信号样本中抽取特征量,对钢杆中不同深度和位置的径向裂纹进行了识别.首先,采用频率为235kHz激励轴对称纵向模态导波对钢杆中的径向裂纹进行了检测.实验表明,在235kHz时获得的超声导波信号含较单一的L(0,2)模态,避免了用L(0,1)模态检测小尺寸缺陷时检测能力较弱的问题,又减少了用轴对称纵向高阶模态检测缺陷时模态较多不易分辨缺陷回波的现象.其次,利用算法对钢杆中的径向裂纹进行识别.结果表明,在已有实验样本数下,缺陷识别算法从整体上很好地识别不同深度和位置的裂纹,识别正确率稳定在87％.