作者:梁远远,杨生胜,文轩,银鸿,黄乐程 单位:中国仪器仪表学会 出版:《仪器仪表学报》2018年第11期 页数:9页  (PDF与DOC格式可能不同) PDF编号:PDFYQXB2018110100 DOC编号:DOCYQXB2018110109 下载格式:PDF + Word/doc 文字可复制、可编辑
《脉冲涡流无损检测技术综述》PDF+DOC2016年第08期 武新军,张卿,沈功田 《基于深度学习的航空传感器故障诊断方法》PDF+DOC2017年第07期 郑晓飞,郭创,姚斌,冯华鑫 《雷达多目标跟踪的神经网络方法》PDF+DOC1992年第04期 余少波,胡守仁,刘孟仁 《巨磁阻传感器在管道漏磁检测中的应用》PDF+DOC2005年第12期 李亮,阙沛文,陈亮 《基于集成霍尔传感器的脉冲涡流无损检测装置》PDF+DOC2004年第10期 杨宾峰,罗飞路 《基于脉冲漏磁检测原理的缺陷分类识别技术》PDF+DOC2012年第02期 张韬,左宪章,田贵云,张云,费俊 《无损检测技术在土木工程中的应用》PDF+DOC2009年第02期 孔秀珍,檀秋芬 《复合材料无损检测技术研究进展》PDF+DOC2009年第06期 葛邦,杨涛,高殿斌,李明 《基于主成分分析的腐蚀缺陷边缘识别研究》PDF+DOC2007年第10期 杨宾峰,罗飞路 《基于实Laplace小波的脉冲涡流检测系统特性分析》PDF+DOC2013年第11期 李建,武新军,孙鹏飞
  • 脉冲涡流检测广泛应用于工业设备的无损检测中,针对当前脉冲涡流无损检测中仍存在缺陷定量化难的问题,采用新一代磁阻传感器—隧道磁阻传感器设计阵列化脉冲涡流检测探头,对圆形缺陷开展了检测实验,并采用BP神经网络算法定量化评估圆形缺陷,最后验证了该定量化方法对非圆形缺陷的适用性。研究表明阵列化脉冲涡流检测探头差分信号峰值服从高斯分布,且高斯分布标准差与缺陷宽度之间以及差分信号峰值时间、上升时间与缺陷深度之间都存在一定的映射关系,因此可建立BP神经网络估计缺陷宽度和深度,且估计精度较高,这为更复杂缺陷的定量化检测研究提供了一定的参考。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。