基于RBF神经网络的渗碳层深度电磁无损检测  

ENDT for carburizing depth of steel parts based on RBF ANN

作　　者：贾健明[1] 陈剑鹤[1] 

机构地区：[1]常州信息职业技术学院机电工程系,常州213164

出　　处：《仪器仪表学报》2006年第12期1632-1635,共4页Chinese Journal of Scientific Instrument

基　　金：江苏省高校自然科学研究指导性计划(04KJD470014);江苏省高校高新技术产业发展指导性计划(JHZD04-046)资助项目

摘　　要：为了实现钢铁件渗碳层深度的实时在线电磁无损检测,本文利用了DWY-1型电磁无损检测仪,采用改进的Gram-Schmidt方法优化RBF人工神经网络进行实验。实验表明,渗碳层深度的检测精度、网络的收敛速度能满足生产实际的需要。In order to realize real-time online electromagnetic nondestructive testing （ENDT） for carburizing depth of steel part, a newly developed electromagnetic nondestructive measurement instrument （DWY-1） was used to carry out experiment on RBF （radial basis function） artificial neural network optimized by modified Gram-Schmidt method. The experimental result shows that the test accuracy of the carburizing depth and the convergence rate of the network can meet the requirement of production practice.

关 键 词：人工神经网络 在线检测 电磁无损检测 渗碳 

分 类 号：TG156.81[金属学及工艺—热处理]