巴克豪森噪声应力检测的人工神经网络数据处理方法
The Artificial Neural Networks Data Processing Method for Stress Testing Based on Barkhausen Noise
摘 要
介绍了人工神经网络技术的原理、学习与训练方法等，以及如何建立巴克豪森噪声(BN)信号与应力间的关系。分析了实际测量结果，说明该数据处理方法能够在BN应力检测中很好地应用。
径向基函数
人工神经网络
Matlab软件
Barkhausen noise signal
Radial basis functions(RBF)
Artificial neural networks
Matlab
Abstract
The principle and algorithm of neural networks, and the way how to build the relationship between barkhausen noise(BN) and stress were introduced. It was found in practical testing and the result analysis that the data processing method could be used well on stress testing based on BN.
中图分类号 TG115.28
所属栏目 科研成果与学术交流
基金项目
收稿日期 2006/3/27
修改稿日期
网络出版日期
作者单位点击查看
备注郝爱云(1971-)，女，讲师，主要研究方向为机械设计及其自动化方面的教学和研究。
引用该论文: HAO Ai-yun,WANG Wen-jun,YANG Yu-min. The Artificial Neural Networks Data Processing Method for Stress Testing Based on Barkhausen Noise[J]. Nondestructive Testing, 2007, 29(10): 575～577
郝爱云,王文军,杨玉敏. 巴克豪森噪声应力检测的人工神经网络数据处理方法[J]. 无损检测, 2007, 29(10): 575～577
共有人对该论文发表了看法，其中：
人认为该论文很差
人认为该论文较差
人认为该论文一般
人认为该论文较好
人认为该论文很好
参考文献
【1】祁 欣.应力对磁、声Barkhausen噪讯频谱特征的影响[J].哈尔滨工程大学学报,1998,19(4):13-18.
【2】祁 欣. Relationship between magnetic Barkhausen noise and the stresses, the hardness and the phase content of ferromagnetic materials[J]. Journal of Harbin Institute of Technology,2005,12(1):67-70.
【3】倪友平.一种优化RBF神经网络训练算法及其在目标识别中的应用[J].现代电子技术,2005,(3):18-20.
【4】金建华.人工神经网络在电磁无损检测中的应用[J].无损检测,2003,25(12):638-640.
【5】曹玉波.基于人工神经网络的信号预测在Matlab中的研究与实现[J].吉林化工学院学报,2005,22(2):39.
【2】祁 欣. Relationship between magnetic Barkhausen noise and the stresses, the hardness and the phase content of ferromagnetic materials[J]. Journal of Harbin Institute of Technology,2005,12(1):67-70.
【3】倪友平.一种优化RBF神经网络训练算法及其在目标识别中的应用[J].现代电子技术,2005,(3):18-20.
【4】金建华.人工神经网络在电磁无损检测中的应用[J].无损检测,2003,25(12):638-640.
【5】曹玉波.基于人工神经网络的信号预测在Matlab中的研究与实现[J].吉林化工学院学报,2005,22(2):39.
相关信息
