进化神经网络及多目标进化算法在红外无损检测中的应用  

Application of Evolutionary Neural Networks and Multiple Objective Evolutionary Algorithms in Infrared Thermography

作　　者：汪子君[1] 戴景民[2] 李志强[1] 

机构地区：[1]电子科技大学 航空航天学院,成都611731 [2]哈尔滨工业大学 电气工程及自动化学院,哈尔滨150001

出　　处：《无损检测》2012年第7期24-27,共4页Nondestructive Testing

摘　　要：针对红外相位法无损检测缺陷定量化要求和试验参数的确定,提出采用进化神经网络及多目标进化算法进行分析,通过对含多缺陷信息的预埋试件进行试验,以试件表面像素点的时间-温度信息作为特征参数进行网络训练,结果表明,经过训练的网络误差在5%以内,试验证实多目标进化算法得到的参数与实际试验最优效果参数相符,可为工程应用提供参数参考。To satisfy quantifying evaluation and determine parameters, an evolutionary neural network（ENN） and a multiple objective evolutionary algorithm（MOEA） were presented for infrared thermography nondestructive testing. By means of the measurement of the temperature of specimen with artificial defects, the time against temperature signal was recorded as the network characteristic parameters. The errors of the defects depth were less than 5 %. The experimental results showed that the parameters determined by MOEA could satisfy the optimum parameters in the experiments, and it could provide parameters for project application.

关 键 词：红外无损检测 进化神经网络 多目标进化算法 

分 类 号：TG115.28[金属学及工艺—物理冶金] TN219[金属学及工艺—金属学]