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:CN115308298A

    公开(公告)日:2022-11-08

    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。

    一种核电厂役检计划自动生成与校验的方法

    公开(公告)号:CN108268984B

    公开(公告)日:2021-11-12

    申请号:CN201611256559.6

    申请日:2016-12-30

    Abstract: 本发明涉及核电厂在役检查技术领域,具体公开了一种核电厂役检计划自动生成与校验的方法。该方法包括:1、根据核电相关法规标准以及核电厂在役检测数据特点,建立核电厂役检计划模型;步骤2、通过役检计划服务器,完成役检长周期计划的自动编排;3、役检长周期计划手动调节后,由役检计划服务器完成自动校验。本发明所述的一种核电厂役检计划自动生成与校验的方法,可实现核电厂役检长周期计划的自动编制、手动调整后的自动检验,并能够通过字符串数组与键值对集合数据结构对核电厂役检长周期计划进行存储与处理,提高了计划数据存储、查找以及对比速度。

    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。

Patent Agency Ranking