蟻群神經網絡在渦流無損檢測中的應用

　　摘要：本文針對RBF神經網絡參數選取問題，提出蟻群智能算法優化RBF神經網絡，該算法利用正反饋機制迅速確定較優中心節點，同時利用其分布式計算特點避免算法過早的收斂。在渦流無損檢測中的應用表明：蟻群算法提高了中心節點的聚類質量，優化了RBF網絡結構，提高了識別的精度，應用效果良好。
　　關鍵詞：RBF神經網絡 蟻群算法 渦流無損檢測
　　中圖分類號：TB302文獻標識碼：A文章編號：1672-3791（2012）09（c）-0004-02
　　渦流無損檢測以電磁感應理論為基礎，通過渦流的變化檢測被檢材料近表面有無缺陷，并通過對缺陷信號的分析，判斷缺陷形狀甚至對其發展趨勢做出預測。目前，渦流無損檢測技術已經廣泛應用于壓力容器、核電站熱交換管道、飛機結構等導電材料近表面缺陷的檢測中。對缺陷信號的特征識別是檢測中的關鍵技術，也是制約渦流檢測技術發展的一大難題。近年來，神經網絡技術在特征識別方面得到了較多的應用[1]。徑向基函數（Radial Basis Function，RBF）神經網絡是一種前饋神經網路，因其具有結構簡單、計算量少、學習速度快、泛化能力強、訓練時間短等優點己被成功應用于無損檢測領域。決定RBF網絡性能的主要參數有兩個：一是徑向基函數中心利寬度；二是輸出權值，它們直接關系著輸出結果的精確度和收斂速度。一般來說，徑向基函數中心通常用聚類的方法獲得，但傳統算法受選擇的聚類中心、樣品幾何性質及排列次序影響極大，并且由于聚類數目無法確定導致網絡泛化能力不強?！?br>