摘要:电磁无损检测技术是无损检测领域的一个研究重点,本文针对电磁超声波的处理,提出了一种基于FPFA的参数优化的RBF神经网络。首先,通过FPGA编程实现对电磁超声波信号的采集,设计了放大电路将原始的电磁超声波进行放大处理已满足RBF神经网络的需求;提出一种采用K-means聚类算法来计算RBF中径向基函数的中心和宽度的参数优化RBF算法,K-means聚类算法的初始聚类中心难以确定会导致RBF算法的参数无法优化,提出KL散度,采用数据密度分析法来计算K-means算法的聚类中心。试验表明,改进后的K-means算法的聚类结果比传统K-means算法更准确,参数优化后的RBF神经神级网络对发动机涡轮叶片的缺陷预测比传统的RBF神经网络更准确。