材料光学参数深度剖面重构的神经网络仿真与实验研究

研究材料光学参数剖面重构的人工神经网络方法,从仿真和实验两个方面验证了神经网络参数识别技术用于实际问题的可行性,运用统计方法和灵敏度分析研究了影响参数剖面重构质量的几个因素。此外,还提出了一种训练网络的新方法,即利用奇异值分解获得导热模型的特征向量,利用特征向量的随机组合生成样本训练网络,统计分析结果表明这种方法可有效地提高网络的识别能力。

一种热导率深度剖面重构的算法

一种热导率深度剖面重构的算法徐明华程建春张淑仪（南京大学声学研究所近代声学国家重点实验室南京·２１００９３）１引言在无损检测中，不均匀固体的深度剖面分析一直是人们十分关心的问题。近来，Ｍａｎｄｅｌｉｓ等［１］提出一种数值算法，利用自适应的方法来进行频...

基于粒子群优化的多层介质光热深度剖面重构

基于热波阻抗法建立了多层介质的一维光热模型,从样品表面调制光热信号出发,采用粒子群优化(PSO)算法和总变差(TV)正则化方法对多层介质的热物性予以深度剖面重构。该方法将多层介质离散成一系列厚度相同的虚拟层,并将待重构的热物性深度剖面以粒子表示,再让粒子在解空间进行优化搜索。数值模拟的结果证明了该方法的有效性和实用性,适合用来重构层数未知的多层介质的热导率和热扩散率剖面。对噪声背景下光热信号的重构结果亦证实了算法的稳定性和可靠性。此外,数值结果也表明上述方法可用于热导率和热扩散率深度剖面的同步重构。

基于光声光热检测的反演技术在热波成像及缺陷分析方面的应用

从样品表面光声光热信号出发,利用一种类似Newton迭代的反演算法和正则算法对内含缺陷的样品的热学参数予以深度剖面重构。引入一种简单且行之有效的数据处理方法对重构数据进行处理,最终实现对试样的热波成像和缺陷分析。数值模拟的结果证明了该方法的有效性及在噪声扰动下的稳定性和实用性。

双曲型热传导方程的热参数反演(英文)

考虑到非稳态热传导问题 ,从双曲型热传导方程和相应的边界条件出发 ,利用反演算法对深度不均匀固体样品的热学参数深度剖面予以重构、所采用的算法与过去处理稳态 (或准稳态 )的抛物型热传导方程的情况类似 ,不同的是通过求解双曲型热传导方程 ,在足够宽的调制频率范围内 ,获取样品的一组不同频率的表面温度 .为使数值更接近实际情况 ,同样也可以在模拟样品表面温度信号中混入一定比例的噪声 .利用本文的算法 ,反演不同类型的深度分布材料的热弛豫参数的深度剖面 .数值模拟的结果证明了算法的有效性和实用性 .本文的算法有两个特点 ,一是无需任何先验条件 。