论文部分内容阅读
人工制作了疲劳裂纹试样，利用一种小波分析方法对采集的疲劳裂纹涡流检测（ECT）信号进行了去噪顸处理及信号特征提取，通过破坏性检测方法获得了裂纹的真实形状．在建立疲劳裂纹参数化模型的基础上，利用经过处理的裂纹ECT信号与裂纹形状参数样本库对径向基函数（RBF）神经网络进行训练．采用遗传算法，通过创建大量表示裂纹形状参数个体的初始种群，输入经过训练的神经网络，得到对应的ECT预测信号；然后运用改进的遗传策略进行迭代反演优化，对裂纹形状最优解进行搜索．重构结果表明该方法具有快速、精确的优点．