漏磁检测是铁磁材料常用的无损检测方法，检测的重点是根据测量的漏磁信号重构缺陷轮廓。提出了分别利用径向基神经网络和广义回归神经网络，建立由缺陷漏磁信号到缺陷深度的非线性映射。训练样本为三维有限元仿真数据，而测试样本为经过平滑滤波、小波消噪预处理，后经过径向基神经网络精确插值的漏磁检测数据。用训练数据对这两种神经网络分别进行逼近训练，并用训练好的神经网络反演测试数据，重构缺陷。试验结果表明，两种神经网络都能够实现三维缺陷漏磁检测的成像化及可视化，其中广义回归神经网络要优于径向基神经网络。

所属栏目

科研成果与学术交流陕西省“13115”科技创新工程重大科技专项项目资助(2007ZDKG-36)；西北大学研究生创新基金资助项目(08YSY03)

收稿日期

2010/4/30

作者单位

单鹏:西北大学 物理学系，西安710069
刘恒大:西北大学 物理学系，西安710069
忽满利:西北大学 物理学系，西安710069

备注

单鹏(1985-)，男，硕士，研究方向为电磁无损检测。

引用该论文:

SHAN Peng,LIU Heng-Da,HU Man-Li.Magnetic Flux Leakage Signal Processing of Ferromagnetic Material and Defect Reconstruction[J].Nondestructive Testing,2011,33(3):9～13
单鹏,刘恒大,忽满利.铁磁材料漏磁信号处理与缺陷重构[J].无损检测,2011,33(3):9～13

参考文献

【1】

林俊明.漏磁检测技术及发展研究方向［J］.无损探伤,2006,30(1):1-5.

【2】

王庆国，潘华锦，郝爱.漏磁通无损检测中铁磁材料内部磁场分布的研究［J］.无损检测,2001,23(1):6-8.

【3】

金建华，康宜华，武新军.用集成霍尔元件定量检测缺陷漏磁场的特点［J］.无损检测,1998,20(2):34-38.

【4】

Haueisen Jens, Unger Ralf, Beuker Thomas, et al. Evaluation of the inverse algorithms in the analysis of magnetic flux leakage data[J]. Magnetics IEEE,2002,38(3):1481-1488.

【5】

刘国强，赵凌志，蒋继娅.Ansoft工程电磁场有限元分析［M］.北京：北京电子工业出版社,2005.

【6】

飞思科技产品研发中心编著.小波分析理论与MATLAB 7实现［M］.北京：北京工业出版社,2005.

【7】

Kaansa E, Hon Y C. Circumventing the ill-conditioning problem with multiquadric radial basis functions: Application to elliptic partial differertial equations［J］. Comput Math Appl,2000,39(7/8):123-137.

【8】

缪报通.径向基函数神经网络在散乱数据插值中的应用［J］.中国科学技术大学学报,2001,31(2):12-19.

【9】

陈允平.人工神经网络原理及其应用［M］.北京：中国电力出版社,2007.

【10】

靳世久，曲志刚，周琰，等.基于RBF网络的油气管道侵入事件识别方法研究［J］.中国科技论文在线,2006,3(1):182-185.

【11】

Choudhary Amit Kumar, Swarup Akhilesh. Performance of intrusion detection system using GRNN［J］. International Journal of Computer Science and Network Security,2009,12(9/12):219-222.欢迎网上投稿网址：www.mat-test.com