基于BP神经网络训练的储罐底板声发射检测评价方法

详细信息

Evaluation method of tank floor acoustic emission testing based on BP neural network training

Special Equipment Safety Supervision Testing Institute of Jiangsu Province, Nantong 226011, China

摘要: 将能够表征储罐底板安全状态的声发射特征参数以及其他影响声发射检测结果的因素作为输入参数，通过大量的检测数据对其进行训练，建立适用于储罐底板声发射评价的神经网络专家系统，并最终通过多台储罐的实际检测结果测试该评价系统的准确性，进而提高储罐底板声发射检测评价的可靠度。
- 神经网络 /
- 声发射 /
- 评价
Abstract: In this paper, the acoustic emission characteristic parameters which can represent the safety state of the tank floor and other factors are used as input parameters. Through a large number of test data, the neural network expert system suitable for the acoustic emission evaluation of the tank floor is established. Finally, the accuracy of the evaluation system is verified by the actual field results of multiple tanks, and the reliability of the evaluation of the acoustic emission testing of the tank floor is improved.
- neural network /
- acoustic emission /
- evaluation

[1]	戴光, 李伟, 王娅莉, 等. 常压立式储罐腐蚀状态检测与评价技术的研究与应用[J]. 无损检测, 2012, 33(12):58-61.
[2]	戴光, 张明宇, 高果柱, 等. 常压立式储罐底板腐蚀过程声发射源特性分析及实验研究[J]. 化工机械, 2013, 39(6):704-708.
[3]	KWON J R, LYU G J, LEET H, et al. Acoustic emission testing of repaired storage tank[J]. International Journal of Pressure Vessels And Piping, 2001, 78(5):373-378.
[4]	康叶伟, 林明春, 王维斌, 等. 罐底板声发射在线检测影响因素与评价可靠性[J]. 油气储运, 2011, 30(5):343-346.
[5]	陈荣刚. 基于在线检测信息的储罐底板腐蚀状态智能评价方法研究[D].大庆:东北石油大学, 2011.
[6]	戴光, 邱枫, 陈荣刚, 等. 储罐底板腐蚀状态的人工神经网络智能评价方法[J]. 无损检测, 2012, 34(6):5-7.
[7]	唐绍辉, 唐海燕. 基于声发射参数的采场安全等级划分[J]. 中国有色金属学报, 1998, 8(2):749-751.
[8]	吴昌友. 神经网络的研究及应用[D].哈尔滨:东北农业大学,2007.
[9]	宋擒豹, 沈钧毅. 神经网络数据挖掘方法中的数据准备问题[J].计算机工程与应用,2000,29(6):61-63.
[10]	谢衍涛. 基于特征模糊化和神经网络的特征选择[D].武汉:华中科技大学,2005.