摘要
本发明公开了一种金属表面缺陷磁异常定量分析方法,该方法在无强磁干扰的环境下采集金属表面垂直方向磁信号并进行信号降噪处理,提取缺陷磁异常信号的特征值作为输入值,与特征值对应的缺陷的长度、宽度、深度作为输出值训练BP神经网络预测模型。采用基于Sine混沌映射的改进鲸鱼优化算法(IWOA)对BP神经网络的权值和阈值进行优化(IWOA-BP),利用优化后的参数搭建神经网络,从而提高缺陷尺寸值的预测精度。本发明首次将缺陷的特征值和神经网络预测模型相结合,提高了缺陷预测的精度与效率。
- 单位
本发明公开了一种金属表面缺陷磁异常定量分析方法,该方法在无强磁干扰的环境下采集金属表面垂直方向磁信号并进行信号降噪处理,提取缺陷磁异常信号的特征值作为输入值,与特征值对应的缺陷的长度、宽度、深度作为输出值训练BP神经网络预测模型。采用基于Sine混沌映射的改进鲸鱼优化算法(IWOA)对BP神经网络的权值和阈值进行优化(IWOA-BP),利用优化后的参数搭建神经网络,从而提高缺陷尺寸值的预测精度。本发明首次将缺陷的特征值和神经网络预测模型相结合,提高了缺陷预测的精度与效率。