您当前的位置:五五电子网电子知识电工技术电工基础基于多传感器数据融合的漏磁信号采集与处 正文
基于多传感器数据融合的漏磁信号采集与处

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