一种基于机器学习的涡流信号缺陷深度分析方法

    公开(公告)号:CN115308298B

    公开(公告)日:2025-05-13

    申请号:CN202210990461.2

    申请日:2022-08-18

    Abstract: 本发明具体涉及一种基于机器学习的涡流信号缺陷深度分析方法,包括如下步骤:(1)构建已知缺陷矩阵X;(2)构建已知缺陷相位行向量Y;(3)根据已知缺陷矩阵X和已知缺陷相位行向量Y生成径向基网络Net;(4)构建未知缺陷信号向量x;(5)将径向基网络Net和未知缺陷信号向量x输入仿真函数sim(),输出未知缺陷信号向量x对应的相位角θ;(6)将相位角θ与深度对应表写成一个长度为180的向量D;(7)根据向量D,查出步骤(5)得到的相位角θ查出对应的缺陷深度D(θ)%。本发明的基于机器学习的涡流信号缺陷深度分析方法,利用该人工神经网络预测未知缺陷的相位角,利用相位角与深度对应表给出缺陷深度。

    一种基于涡流信号差分技术的缺陷相位角的精确测量方法

    公开(公告)号:CN111351842A

    公开(公告)日:2020-06-30

    申请号:CN201811577420.0

    申请日:2018-12-20

    Abstract: 本发明涉及无损检测技术领域,具体公开了一种基于涡流信号差分技术的缺陷相位角的精确测量方法。该方法具体包括:1、获取缺陷段信号,并进行信号预处理;2、获得缺陷信号中每个点到原点的距离,并获得距离变化率;3、获得距离变化率中最大分量位置索引,并获得最大分量位置索引所对应点的相位角;3.1、求解获得距离变化率中的最大分量位置索引;3.2、获取最大分量位置索引所对应点的相位角。该方法可以利用差分方法求解距离变化率,从距离变化率极值求解位置索引,并由此寻求缺陷信号相位角;该方法所获得的缺陷信号相位角于真实值误差远远小于传统算法得到的误差,适用性强,可快速处理,实时性强。

    一种核电站水下光学定位系统

    公开(公告)号:CN209400699U

    公开(公告)日:2019-09-17

    申请号:CN201822145855.X

    申请日:2018-12-20

    Abstract: 本实用新型涉及水下定位技术领域,具体公开了一种核电站水下光学定位系统及方法。该系统包括激光器云台组件以及ROV组件,其中,激光器云台组件包括激光器准直镜、摄像机以及云台组件,激光器准直镜与摄像机上下平行布置在云台上,利用云台带同激光器准直镜与摄像机同步转动、同步俯仰运动;所述的ROV组件包括ROV本体及其上设置的PSD探测器和LED灯,其中,PSD探测器安装在LED灯的上方。该系统不论云台旋转还是俯仰,摄像机和激光器的准直镜中心连线保持与旋转云台垂直,ROV组件上LED灯在摄像机的视位置与PSD探测器在准直镜的视位置相同,因此,激光器可以直接用该参数进行激光点射PSD探测器靶面,可按照摄像机探得的视位置快速确定ROV上PSD探测器的精确位置。(ESM)同样的发明创造已同日申请发明专利

Patent Agency Ranking