文献

J-GLOBAL ID：201202242674173360   整理番号：12A0596379

動径ウェーブレット基底関数ニューラルネットワーク繰返しモデルを用いてのMFLT信号からの3D欠陥形状の再構成

Reconstruction of 3D defect profiles from the MFLT signals by using a radial wavelet basis function neural network iterative model

著者 (5件)： XU Chao (Shijiazhuang Mechanical Engineering Coll., Hebei, CHN) ,  WANG Changlong (Shijiazhuang Mechanical Engineering Coll., Hebei, CHN) ,  ZUO Xianzhang (Shijiazhuang Mechanical Engineering Coll., Hebei, CHN) ,  YUAN Xichao (Shijiazhuang Mechanical Engineering Coll., Hebei, CHN) ,  JI Fengzhu (Shijiazhuang Mechanical Engineering Coll., Hebei, CHN)
資料名： Insight  (Insight)
巻： 54  号： 3  ページ： 138-143  発行年： 2012年03月 
JST資料番号： D0201C  ISSN： 1354-2575  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 磁束漏れMFL信号から三次元欠陥形状を再構成する高分解能近似を達成するために,フォワードモデルと平行動径ウェーブレット基底関数ニューラルネットワークに基づく逆モデルを含んだ動径ウェーブレット基底関数ニューラルネットワーク繰返しモデルを提案した。ループ内フォワードモデルはある欠陥パラメータについてMFL信号を求めるもので,逆モデルはMFL信号の測定値から形状を推定するのに使う。この方式ではMFL信号の測定値と推定値の間の誤差を減らすように逆ネットワークの重みを調整する。各種欠陥を再構成した結果から,他のニューラルネットワークベースの欠陥検査法よりも利点が大きいことが分かった。

シソーラス用語： ウェーブレット変換 ,  *動径基底関数ネットワーク ,  ニューラルネットワーク ,  *欠陥 ,  *画像再構成 ,  磁束 ,  漏れ ,  モデル ,  逐次分析
準シソーラス用語： 3D再構成 ,  逆モデル

分類 (1件)： 非破壊試験  (HB02030F)

タイトルに関連する用語 (8件)： 動径 ,  ウェーブレット ,  基底関数 ,  ニューラルネットワーク ,  モデル ,  3D ,  欠陥 ,  再構成