来源：期刊VIP网 时间：
作者：武静;饶子玉;沈宇驰;廖斌;张伟伟;邹厚德;马宏伟;
单位：东莞理工学院机械工程学院;大冶有色设计研究院有限公司;青海大学土木工程学院;东莞市轨道交通有限公司;
摘要：近年来，超声导波技术广泛应用于管道的无损检测中。然而，不同微小缺陷类型(如裂纹、孔洞、凹陷变形等)引起的缺陷回波微弱且无明显不同，使得微小缺陷的识别和分类始终是检测难点。为识别不同微小缺陷的类型，利用对微弱周期信号敏感的Duffing系统，提出了基于Duffing系统的动力学指标分形维数和反向传播(Back Propagation, BP)神经网络相结合的信号特征分类方法。利用BP神经网络对输入参数进行训练。其中，输入参数分为两组。第一组输入参数为由小波能量值、时域参数、分形维数特征等组成的21维k_1向量。第二组作为对照组，其输入参数为波能量值、时域参数组成的18维k_2向量。上述两组均输出3维向量，即输出缺陷类型。数值模拟及实验验证均表明，在加入混沌指标分形维数后识别准确率明显提升。其中，数值模拟的准确率由86.35%提升至91.85%,实验中的准确率由83.16%提升至86.06%。数值模拟和实验都验证了利用分形维数和BP神经网络结合能够更好地完成管道缺陷的识别和分类。创新性地将分形维数作为BP神经网络的特征输入，有效提高了分类的准确率，实现了因管道中小缺陷实验数据不足或检测难度大的有效识别和精确分类。研究对于实际工程中管道缺陷分类，预防管道事故具有重要意义。
关键词：管道;;超声导波;;分形维数;;BP神经网络
基金资助：国家基金面上项目(11872261,12202103);; 广东省普通高校机器人与智能装备重点实验室(2017KSYS009);; 东莞理工学院机器人与智能装备创新中心(KCYCXPT2017006);; 广东省基础与应用基础研究基金委员会,区域联合基金-青年基金项目(2020A1515110666);; 广东省自然科学基金面上项目(2022A1515011324)资助~~
