Abstract
現行核電廠對渦電流檢測管路訊號的判讀仍採用人為判讀，但由於資料量龐大，時間短促，因此產生諸多的人為誤判，而解決之道只有建立渦電流訊號自動化量測分析系統來取代現行的方式。本文研究的重點在於應用樣型辨識技術來處理渦電流訊號之分類問題。文中使用六類人工缺陷和碳鋼環分別模擬核電廠中管路常見的缺陷和管路環境，以產生渦電流訊號，並以四種特徵抽取法則：分別為波形特徵、 Zahn 氏和 Roskies氏的傅立葉描述器、Granlund氏的傅立葉描述器及胡氏的動差恆定量；及兩種分類器：統計性樣型辨識中的貝氏分類器和類神經網路式樣型辨識，交互驗證比較彼此間的效果。經由實驗結果比較後，顯示以動差恆定量技術中正規化中央動差作為渦電流檢測訊號的樣型特徵，可以獲得最佳的鑑別率；而應用類神經網路式樣型辨識技術，由於網路具有學習的能力，因此較傳統的統計式樣型辨識技術更能達到良好的分類效果，其訓練組的鑑別率接近100﹪，測試組最佳的鑑別率亦接近95﹪。