粗晶材料超声检测信号的小波神经网络处理研究
本文首先对这些杂波的产生原因及避免方法进行了实验研究,然后对晶粒散射波主要特征进行了实验验证,用脉冲频谱合成方法,计算了发-收复合声场声轴上声压分布,据此对最大值的出现位置提出了一个新的物理解释,用短时傅立叶变换仔细分析了声波传播过程中晶粒散射波的频谱特性。获得了一些有用结果。 本文利用小波神经网络能够自适应降低噪声的特点,对超声检测信号进行了降噪处理,采用了gauss母小波和改进的梯度下降算法,并与采用不同小波基及普通梯度下降算法训练结果相比较,结果表明:小波神经网络应用于粗晶材料超声检测信号的消噪时,能够达到较理想的消噪效果;采用改进的梯度下降算法,训练速度快,网络训练21次后完成,误差达到0.001177;能有效地避免局部最小值的出现。这些特点对进一步识别有用信号、判断缺陷及实现检测的实时处理具有重要的意义。
- 作者:
- 宋玉玲
- 学位授予单位:
- 中国科学院武汉物理与数学研究所
- 专业名称:
- 声学
- 授予学位:
- 硕士
- 学位年度:
- 2005年
- 导师姓名:
- 程建政
- 中图分类号:
- TB553;TP183
- 关键词:
- 粗晶材料;小波神经网络;超声检测;散射波
- coarse-grained material;wavelet neural network;ultrasonic detection;scattered wave