典型文献
机器学习在磁记忆无损检测领域的应用及展望
文献摘要：
磁记忆检测作为一种新兴的无损检测技术,具有快速、便捷地检测应力集中和微观缺陷的优点,而机器学习具有强大的学习能力和自适应能力,适用于磁记忆检测产生的大量非线性数据的处理.主要综述了机器学习算法在磁记忆无损检测领域的应用现状,考虑将机器学习应用于桥梁内部钢筋损伤的磁记忆检测当中,最终展望了机器学习在此领域的发展趋势.结果表明:以支持向量机、神经网络、聚类算法为代表的各种机器学习算法目前在磁记忆检测中得到了广泛应用,主要用于各类钢试件缺陷的损伤等级评估和缺陷尺寸反演,在桥梁钢筋损伤的磁记忆检测中尚无相关应用;单一算法具有较大的局限性,多种算法结合可以提高预测准确率;要实现磁记忆在桥梁结构内部钢筋损伤检测中的突破发展,需进一步考虑复杂结构和检测环境,结合机器学习算法建立各类影响因素与磁信号之间的关系模型,机器学习中的回归算法也可进一步应用到缺陷程度的评估当中.
文献关键词：
桥梁工程;机器学习;磁记忆;无损检测;应用;展望
中图分类号：
作者姓名：
杨茂;张洪;周建庭;刘人铭;陈军
作者机构：
重庆交通大学土木工程学院,重庆400074;重庆三峡学院土木工程学院,重庆404100
文献出处：
引用格式：
[1]杨茂;张洪;周建庭;刘人铭;陈军-.机器学习在磁记忆无损检测领域的应用及展望)[J].重庆交通大学学报（自然科学版）,2022(08):58-66
A类：
B类：
检测领域,磁记忆检测,无损检测技术,应力集中,微观缺陷,自适应能力,测产,机器学习算法,学习应用,钢筋,聚类算法,试件,损伤等级,等级评估,缺陷尺寸,桥梁钢,无相,相关应用,一算,预测准确率,桥梁结构,损伤检测,破发,复杂结构,检测环境,磁信号,关系模型,回归算法,桥梁工程
AB值：
0.323244
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
