1、“.....主要被用于缺陷的寻找和类型的分析。在这项工作中，人工神经网络用于识别类检测的信号。神经网络在这里工作就像在分析专家检测的信号。个检测专家分析信号及其相关特性，然后用他的知识和经验决定是否有或和在对后种情况下缺陷类型推断。阿神经网络，像个专家，从信号中提取信息，检查是否有或之后其中种类别的缺陷，但由于神经网络计算算法成立时，它更精确，其结果，能够看细节，而人眼专科不能。在这项工作中的非线性模式分类器的使用实施监督使用的误差反向传播算法和层，个隐含层和个输出层型人工神经网络。不同的人数，隐层神经元和观察的分类器的性能和在训练有可能获得这研究层神经元的最底足够数量的。的最佳配置，发现了在隐藏层神经元。在个模式分类的神经元的神经网络输出层数量相当于班数的研究。最初，在这项工作中......”。

2、“.....和唱片。通过这种方式，信号本身的检测，以点数字化，作为人工神经网络的输入，其中每个点对应的是使用该网络的输入，而输出显示的是类的缺陷类型，如图所示。对于每个级信号有缺陷与缺陷和阶级钕被用于培训的测试，和每个测试类信号。拟议的研究中，随机选择的个数据的神经网络评价套创建。成功率平均为培训和测试。最好的结果在测试阶段中取得了。训练集是投入和产出，只是训练的神经网络就业。该测试是另种已知的投入和使用，以确保结果的预测人工神经网络对应正确的，也就是说，这套是用来证明人工神经网络能够回答没有经历过的情测试设备与信号处理中的最好成绩是，钕的类不处理达和和之间的最好水平质量为倾向于不处理达到结论这项工作的结果表明了该自动为在管道缺陷与手动超声波和线，在所有情况下的检测概率，是对自动化的技术和更高的尺寸误差比较优势超声波技术检测为小内部缺陷。此外......”。

3、“.....超声波非破坏性技术并不是最为在管道缺陷检测切的建议。虽然，由于切表面缺陷，有缺陷，更便宜的技术，如磁性粒子或渗透检测，可以检测出相当高效率的方式。放射学，利用提出的测试配置，是不是有能力的技术检测管道斜壁缺损的融合缺乏焊接珠。脉冲回波技术，在手动和自动的方法，往往低估渗透长度不足的缺陷，而检测技术已经在上浆倾向于过大的唱片缺陷最小的。般来说，我们可以证明，对于唱片缺陷类，自动化技术提出的大小比手动测试小。此外，不同于手动脉冲回波测试，最大误差最小的高度与达成的缺陷对于切缺陷类，手动超声脉冲回波测试提出了在缺损长度平均误差大小自动技术比小而自动检测技术，已达最大的上限。这项工作表明，有可能分类之间的缺陷和非检测模式信号的缺陷，结果利用人工神经网络。也可以进行分类模式的缺陷信号缺乏渗透和融合缺乏高效率。信号预处理技术的采用并没有产生在神经网络的成功率的改善......”。

4、“.....没有提出任何情况下增加的检测缺陷或无缺陷，也不能进行分类的工作研究班，和。况下产出的独立集正确的训练阶段后缺陷的检测，这三个缺陷加州大学在这项工作中使用的类的分类削弱，缺乏渗透和融合缺乏进行了。对于每个信号的培训和测试的人中使用的类。在这分类中的人工神经网络的性能低，最高达的成功，在训练和在测试阶段取得成功。因此，决定只进行分类和，自从检测超声检测是不是为了削弱缺陷检测的理想，根据结果，在这项工作中找到。有了这个新的配置信号的训练和每个缺陷流的检测人使用。现在的分类的低频和唱片达成的培训和测试，的平均成功率，最好设置为达到成立的测试阶段，证实了超声检测测试不能用于市政类。信号处理为了提高他们的神经网络模式的缺陷，个检测超声波信号预处理歧视的表现顺利进行之前，作为神经网络的输入提供他们。预处理采用的是采用萨维茨奇戈莱过滤器，这简直是企图以降低信号......”。

5、“.....例如高频率的特点。萨维茨奇格雷平滑滤波器，也称为数字平滑滤波器或多项式最小二乘平滑滤波众所周知，通常用于平稳噪音和信号的频率间隔大。该过滤器是不敏感区间的宽度，因为新的问题，就是刚才的平滑信号点，获得由区间点由多项式和相邻点的简单平均数不调整，如发生，消除噪音的个高频信号的重要组成部分的内容与标准的移动平均滤波器，倾向于。这特点使得萨维茨奇格雷过滤器适用于薄峰信号的分析，提出改进的成果与移动平均滤波所得的。图神经网络用于测试为了利用萨维茨奇格雷筛选，有必要选择多项式函数的平滑程度，功能和使用的过滤器窗口大小。为了实现对信号的最佳处理，多项式函数的程度和窗口大小不同配置的测试的数据集已在试验台套最歧视缺陷处理，不从先前的研究的成功率最高。然而，在平滑的信号有可能的噪声中提取信息的歧视类神经网络的缺陷所必需的过程造成的损失。也许是对这种类型的信号有个神经网络分类的有关资料损失......”。

6、“.....准备中的车辆运动的通过串口和储存的数字化的信号。图金相部分地区的焊缝缺陷。箭头表示职位的缺陷对于检测技术的结果分析，是由个特定开发的程序软件来完成的，它的目的是为了读扫描和装配个扫描图像。这个程序允许沿焊缝的连续性检测，测量周围的管道周长长度和厚度垂直高度。校准后，所有发现的缺陷的大小可以确定的。结果最初,初步评价中的缺陷是由人为伽马线和几何学的单图像双墙检测技术。实验结果表明,未焊透和削弱引起的缺陷能够显示在放射性照片上,但缺乏融合的缺陷,尽管采用高分辨率细纹射线胶片用伽马和射线,甚至当采用单图像单壁技术进行检查，也是无法检测出来的。根据摩根等关于缺乏融合缺陷由外侧壁插入斜面焊接，因此这是个清晰明了的结果这类故障不能利用影像学技术进行检测。表角度和模拟缺陷投影高度图显示了通过中位数过滤器和经过数字化的含有高度约缺乏渗透的焊缝缺陷的光影像......”。

7、“.....此表表明，在检测过程中，缺乏渗透类缺陷概率至少为号检测结果，而检查结果和达到了的检测概率。这类缺陷平均大小在和之间。这些测试结果表明，随着缺陷高度的增加，的效率也随着提高但需要指出的是，当使用分贝超声检测方法时高度的增加和长度的正确大小两者之间没有直接关系。实验结果对于削弱缺陷显示表由号和号检测的概率分别是和。结果中的是由号检测机器人对高度减少的削弱缺陷进行无损检测得到的。尺寸误差的波动范围是到，但是随着高度的增加误差的概率而在增加，这与检测方法无关。从放射检测中，这些尺寸误差决定了缺陷的真实尺寸的价值。由于不可能使用射线技术来检测缺乏融合这种缺陷，所以这类缺陷的误差将无法得到。表缺陷等级评估技术的总结对于缺乏融合，缺损的误差概率在和之间变化，其效率随着缺陷高度的增加而趋于完善......”。

8、“.....表列出在每个测试技术的缺损长度大小的误差值。图影像技术测量的缺陷大小的和脉冲回波反应的相关性图显示的是由射线探测和超声回波技术产生的沿长度方向上误差大小的对比。考虑到所有的缺陷类，可以看出，对于长度不超过毫米的管道获得的静态值接近线影像给的真值。但是毫米以上的管道，检测到的尺寸往往比实际尺寸偏小。图给出的是射线技术给的缺陷长度的真值与自动超声回波检测给的真值之间的对比。考虑到所有类型的缺陷，可以证明通过射线检测得到的数据只在真值到的上下变动，没有太大的偏大或者偏小的趋势。而对于检测技术在图中可以看出也是在真值附近波动，但是由于受削弱缺陷的影响它有个较大的波动性。图影像自动脉波回波技术扫描缺陷长度尺寸的相关性大量的作品试图利用概率来检测尺寸误差进行可靠的超声检查。当前工作的这些研究是通过广泛的测试同时也受到很多人为因素的影响......”。

9、“.....模式识别与人工神经网络计算机技术创新的增长主要归功于与人工智能的结合，如人工神经网络，已在自动检测和分类系统的缺陷模式很大的发展。在这项工作中，模式分类器使用的人工神经网络识别从焊接接头超声检查检测信号。这些分类器能初步评估为缺陷和非缺陷和后来的三种焊接接头类型削弱缺陷，缺乏融合和缺乏渗透这是人为地在焊缝预处理技术采用萨维茨奇格雷过滤器被应用于网络输入信号以方便自动分类。个人工神经网络是个简单的数学模型，其宗旨是代表了人类大脑的不同情况下的行为。这个数学模型由个通用插值公式刺激组件系统人类神经细胞及其相关的响应函数。该方程中包含未知数突触激励，必须不断激励系数进行评估，根据已知的激发输入和响应输出为基础。在这种计算称为人工神经网络方面的训练。为了证明这个模型是否正常工作或没有其他已知的激与使用的焊接方法无关。使用自动超声脉冲回波探测技术......”。