《一种基于极限学习机融合模型的实时亚表面缺陷深度检测算法》

技术简介：

为提高检测亚表面缺陷深度的速度与精度，提出了一种基于极限学习机融合模型的实时亚表面缺陷深度检测算法。首先，构造极限学习机模型将涡流传感器以及超声传感器探测数据转化为导体缺陷在不同深度的概率分布；然后，根据不同传感器采集特点对概率分布进行动态赋权，并采用D-S融合模型计算缺陷深度的概率分布；最后，基于最大概率原则对未知缺陷深度的导体进行分类。实验结果表明，相比单传感器检测方法和传统D-S证据等权融合理论，所提出的检测方法具有更高的精确度和稳定性。

研发人员：王章权;周莹;周煊勇;刘半藤;