基于多传感器数据融合的漏磁信号采集与处
点击数:7267 次 录入时间:03-04 11:49:50 整理:http://www.55dianzi.com 电工基础
实验仿真分析 本文采用MATLAB软件进行仿真实验,通过提供的40组人工裂缝的样本,对RBF神经网络系统进行训练学习和模式识别,并在学习初期对输入数据进行了预处理,通过样本训练逐渐生成最佳的RBF期网络[8]。另取10组测试样本数据作为输入,用MATLAB软件进行模拟仿真,同时利用RBF神经网络对其进行深度评估,并与常规BP神经网络进行对比,其实验仿真结果如表1所示。 仿真实验结果表明:利用RBF神经网络融合能比较精确地检测到信号缺陷深度,在学习能力和检测精度上,RBF神经网络均优于常规BP神经网络,该方法的平均绝对误差一般为2.69%,而常规BP神经网络的平均绝对误差为5.47%。可见,前者检测效果明显好于后者。 在漏磁缺陷信号中,利用小波降噪预处理可以在有效降低噪声影响的同时,最大程度上保留了缺陷的特征信息;采用漏磁传感器阵列,一定程度上克服了原有单传感器系统的检测误差;基于RBF神经网络的漏磁信号数据融合处理,可对裂纹深度检测的同时进行定量分析。实验结果表明,RBF 神经网络不仅具有很快的学习速度, 而且能够有效地提高检测的精度和准确率,消除信息的不确定性,提高传感器的可靠性。上一页 [1] [2] [3]
本文关键字:传感器 电工基础,电工技术 - 电工基础