本发明提供一种基于表面波和神经网络的轧辊损伤分类识别方法及装置,通过超声测量系统对样本轧辊表面的不同类型、不同程度的缺陷或损伤进行声学测量,并将分析得到的测量信号特征、对应的缺陷或损伤类型及程度作为训练样本,构建训练数据库,进而利用训练数据库中的数据对BP神经网络进行训练,得到能够对轧辊表面的缺陷和损伤进行智能识别的轧辊表面损伤分类识别模型。由于采用超声表面波对表面缺陷损伤进行检测,不破坏被测轧辊,因此本发明的方法是一种无损的检测方法;由于训练数据中涵盖了多种不同类型、不同程度的缺陷或损伤的数据,因此训练得到的模型能够很好地识别出被测轧辊表面的多种缺陷和损伤,并给出相应的程度信息。
声明:
“基于表面波和神经网络的轧辊损伤分类识别方法及装置” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)