仿真实验结果表明:利用rbf神经网络融合能比较精确地检测到信号缺陷深度,在学习能力和检测精度上,rbf神经网络均优于常规bp神经网络,该方法的平均绝对误差一般为2.69%,而常规bp神经网络的平均绝对误差为5.47%

式中,yi(xj)为隐含层第i个基函数的输出; 为连接权值ωi的更新值;η为学习步长,一般为在0.2～0.9之间选取[7]

式中,p(xj)为第j个训练样本的期望输出;y(xj)为网络实际输出,n为训练样本总数

在漏磁缺陷信号中,利用小波降噪预处理可以在有效降低噪声影响的同时,最大程度上保留了缺陷的特征信息;采用漏磁传感器阵列,一定程度上克服了原有单传感器系统的检测误差;基于r蒙语入门视频bf神经网络的漏磁信号数据融合处理,可对裂纹深度检测的同时进行定量分析实验结果表明,rbf 神经网络不仅具有很快的学习速度, 而且能够有效地提高检测的精度和准确率,消除信息的不确定性,提高传感器的可靠性

实验仿真分析

更多医疗电子信息请关注:21ic医疗电子

本文采用matlab软件进行仿真实验,通过提供的40组人工裂缝的样本,对rbf神经网络系统进行训练学习和模式识别,并在学习初期对输入数据进行了预处理,通过样本训练逐渐生成最佳的rbf期网络[8]另取10组测试样本数据作为输入,用matlab软件进行模拟仿真,同时利用rbf神经网络对其进行深度评估,并与常规bp神经网络进行对比

http:///fetch//_1_广联达软件下载5.jpg" width="309">