排序方式: 共有6条查询结果,搜索用时 31 毫秒
1
1.
2.
提出一种基于RBF神经网络来提高漏磁检测对储油罐底板裂纹缺陷的量化能力的方法。首先利用有限元仿真计算了不同长度、宽度、深度和倾斜角度的槽型缺陷漏磁信号,分析漏磁信号分布规律并提取磁异常幅值和占宽作为磁信号特征量,探讨了磁信号特征量与缺陷尺寸之间的关系并组建样本集。其次,建立RBF神经网络与模拟退火算法相结合的量化模型,并使用样本集对RBF神经网络进行训练,预测缺陷大小及倾角。结果表明,磁异常特征量随缺陷尺寸及角度呈现不同变化规律,通过RBF神经网络建立复杂关系网,结合模拟退火算法可精确量化缺陷,样本集内缺陷平均量化正确率约为98.71%,样本集外缺陷平均量化正确率约为86.67%。因此,基于RBF神经网络并且结合模拟退火的方法可应用于漏磁检测对储油罐底板的缺陷量化,为储油罐的安全评估提供理论依据。 相似文献
3.
4.
光学原子钟是一类基于原子或离子中光频跃迁的新型原子钟,近年来已成为研究热点并获得了重大进展,其性能已优于最好的铯基准微波钟,可满足更高精度定位、导航与授时应用的需求。阐述了冷镱原子光钟的基本工作原理及构成,分析了系统不确定度和稳定度等性能指标,给出了目前世界范围内的发展现状,介绍了华东师范大学的研究进展,其中一台光钟的系统不确定度评估为1.7×10~(-16),稳定度为2.9×10~(-15)/τ~(1/2),在5000s平均后稳定度优于4×10~(-17)。最后简要对冷镱原子光钟的应用前景进行了展望。 相似文献
5.
6.
1