基于小波分析—蚁群BP网络的木构件缺陷无损检测

系统仿真学报 ›› 2015, Vol. 27 ›› Issue (11): 2804-2810.

• 信息、控制、决策与仿真 • 上一篇下一篇

基于小波分析—蚁群BP网络的木构件缺陷无损检测

周国雄¹, 周先雁², 王解军², 黄特²

1.中南林业科技大学计算机信息工程与学院,长沙 410004;
2.中南林业科技大学土木工程与力学学院,长沙 410004

收稿日期:2014-05-02 修回日期:2014-06-23 出版日期:2015-11-08 发布日期:2020-08-05
作者简介:周国雄(1980-),男,湖南嘉禾,博士后,副教授,研究方向为无损检测和智能控制;周先雁(通讯作者1956-),男,湖南临湘,博士,教授,博导,研究方向为桥梁施工控制及损伤诊断。
基金资助:
国家林业公益性行业科研专项(201304504-3)

Wood Structure Nondestructive Detection Based on Wavelet Analysis Ant-colony BP Network

Zhou Guoxiong¹, Zhou Xianyan², Wang Jiejun², Huang Te²

1. School of electricity & information Engineering, Central South University of Forestry & Technology, Changsha 410004;
2. College of Civil Engineering and Mechanics, Central South University of Forestry and Technology, Changsha 410004, China

Received:2014-05-02 Revised:2014-06-23 Online:2015-11-08 Published:2020-08-05

摘要/Abstract

摘要： 针对木材构件的胶缝缺陷,提出一种基于小波分析—蚁群BP网络的木结构无损检测方法,首先采用超声波测试仪对木材试件进行测试,获取测试信号,为消除探伤时由于测试仪增益调节及缺陷尺寸、角度的变化对测试缺陷回波波高的影响,将缺陷信号幅值归一化。利用小波的频域带通特性,将木材构件超声探伤信号分解到不同的频率通道,考察这些分解信号的时频、能量等特性,从中提取出表征原始信号在不同频率通道下的特征参数,并采用蚁群神经网络对小波信号特征参数进行网络训练,检测木材构件胶缝位置。测试结果表明了该方法的有效性。

关键词: 木构件, 胶缝缺陷, 小波变换, 蚁群BP网络

Abstract: In view of the wood component glue line defect, a method of wood structure nondestructive detection was proposed based on ant colony BP neural network. The wood specimens was tested to obtain the test signal by ultrasonic testing instrument, in order to eliminate the testing effect of the tester gain control and defect size, angle variation on the test defect echo amplitude, the defect signal amplitude was needed to normalization. The wood component decomposition of ultrasonic signals was de-composite to different frequency channels by the domain band-pass characteristics of the wavelet frequency. By extract characteristic of the original signal in different frequency channels, the ant colony neural network could train the parameters and examine the position of the wood components with defection. The test results show the effectiveness of the proposed method.

Key words: wood structure, wood component glue line defect, wavelet transform, Ant-colony BP network

中图分类号:

TP229

周国雄, 周先雁, 王解军, 黄特. 基于小波分析—蚁群BP网络的木构件缺陷无损检测[J]. 系统仿真学报, 2015, 27(11): 2804-2810.

Zhou Guoxiong, Zhou Xianyan, Wang Jiejun, Huang Te. Wood Structure Nondestructive Detection Based on Wavelet Analysis Ant-colony BP Network[J]. Journal of System Simulation, 2015, 27(11): 2804-2810.

参考文献

[1] 王解军, 陈晓, 夏滴洋. 木材与胶合木构件弹性模量无损检测技术的研究进展[J]. 中南林业科技大学学报, 2013, 33(11): 150-153.
[2] 周先雁, 李旌豪, 张中凤. 我国现代木结构桥梁的发展现状及前景分析[J]. 中南林业科技大学学报, 2011, 31(4): 125-130.
[3] Kelley S S, Rials Timothy, Snell Rebecca, et al. Use of near infrared spectroscopy to measure the chemical and mechanical properties of solid wood[J]. Wood Science and Technology (S0043-7719), 2003, 23(17): 62-65.
[4] 殷亚方, 吕建雄, 倪春, 等. 横向振动方法评估大尺寸规格材静态抗弯弹性性质[J]. 北京林业大学学报, 2005, 27(5): 107-110.
[5] 张晓芳, 李华, 刘秀英. 木材阻力仪检测技术的应用[J]. 木材工业, 2007, 21(2): 41-45.
[6] M E Tiitta, F C Bell, J M Biemacki.Classification study for using acoustic -ultrasonics to detect internal decay in glulam beams[J]. Wood Science and Technology (S0043-7719), 2001, 35(12): 85-96.
[7] 孙建平, 王逢瑚, 于海鹏. 小波分析与人工神经网络在木质材料无损检测中的应用[J]. 木材工业, 2004, 18(5): 24-26.
[8] 朱晓冬, 曹军, 王逢瑚, 等. 基于振动模态分析的落叶松节子定位的无损检测[J]. 林业科学, 2009, 45(5): 169-172.
[9] 邹广平, 芦颉, 王微微. 电子剪切散斑技术在木材无损检测中的应用[J]. 哈尔滨工程大学学报, 2009, 30(4): 357-361.
[10] 孙建平, 王逢瑚, 王逢瑚. 基于智能技术的木材缺陷定量无损检测研究[J]. 仪器仪表学报, 2013, 34(9): 1955-1960.
[11] 王登, 苗夺谦, 王睿智. 一种新的基于小波包分解的EEG特征抽取与识别方法研究[J]. 电子学报, 2013, 41(1): 193-198.
[12] 周国雄, 莫晓山. 基于灰色预测和BP的集气管压力集成预测方法[J]. 仪器仪表学报, 2011, 32(7): 1648-1654.
[13] 郑啸, 罗军舟, 宋爱波. 基于Agent 和蚁群算法的分布式服务发现[J]. 软件学报, 2010, 21(8): 1795-1809.

基于小波分析—蚁群BP网络的木构件缺陷无损检测

Wood Structure Nondestructive Detection Based on Wavelet Analysis Ant-colony BP Network

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

编辑推荐

Metrics

本文评价

[1]	陈涛, 王艳, 纪志成. 基于经验小波变换的光伏功率组合预测模型[J]. 系统仿真学报, 2021, 33(11): 2627-2635.
[2]	黄升, 张涛, 黄崇君, 李玉梅, 邓虎, 张霞. 井下数据获取及粘滑特征分析[J]. 系统仿真学报, 2019, 31(11): 2517-2526.
[3]	王依人, 邓国庆, 夏营威, 张龙, 刘勇, 张文. 基于方向可调滤波器的血管图像增强算法[J]. 系统仿真学报, 2018, 30(6): 2095-2101.
[4]	闫国强, 周宁宁, 张少白. 基于MMTD与小波硬阈值的脑电信号去噪方法[J]. 系统仿真学报, 2018, 30(4): 1490-1495.
[5]	张鸿喜, 张洁. 小波变换在舷外有源诱饵仿真模型验证中的应用[J]. 系统仿真学报, 2018, 30(1): 318-324.
[6]	赵迪, 徐志胜. 基于多分辨率奇异熵的混凝土缺陷检测[J]. 系统仿真学报, 2017, 29(4): 761-766.
[7]	李豪, 李锐华, 胡波, 潘玲, 郭其一. 基于导波的大电机定子绝缘损伤定位仿真研究[J]. 系统仿真学报, 2015, 27(11): 2816-2821.