基于多向交流电位降技术的管道裂纹腐蚀检测方法

管道长期输送含有大量腐蚀成分的原油和天然气,会严重腐蚀管道内壁,产生裂纹缺陷,降低油气管道的工作性能。交流电位降技术可用于检测油气管道的内腐蚀缺陷。该方法的核心是根据交流电流在金属构件内的分布满足趋肤效应,不同的裂纹缺陷对渗透电流场分布存在不同影响,进而改变测量电压值,因此可以通过检测电压值的变化来检测腐蚀情况。但是目前交流电位降技术只能检测固定方向的裂纹缺陷,对位置随机的裂纹求解准确度低,尤其是电极连线方向与裂纹方向夹角小于45°的缺陷不能求解。为了提高随机裂纹的检测精度,提出了多向交流电位降法,即向被测管道施加不同方向的激励电流,使裂纹方向与电流极连线方向的夹角（余角）范围从0°～90.0°变为67.5°～90.0°。仿真和实验结果表明,裂纹方向与电流极连线方向的夹角越接近90°,测得的电压与原始电压的比值越大,此时的电压比值随裂纹深度变化越接近指数分布。所提出的多向交流电位降法能有效地扩大裂纹检测范围,提高随机裂纹的检测精度,为更好地监测输气管道状况,维护管道运输安全提供了新的技术手段。     

鲁棒的掌纹图像特征提取方法

提出了一种基于低分辨率彩色图像的鲁棒的掌纹图像特征提取方法.采用均值平移算法对彩色图像帧中像素进行聚类,应用Ostu二值化方法分割出手掌,并提取出有效掌纹区域.采用KLT角点检测算法提取出有效掌纹区域内的特征点,给每个特征点赋予方向,并根据局部区域特征构造方向不变的特征向量,所有特征点及其特征向量的集合构成了掌纹图像特征.在识别时只须在两个特征点集之间查找匹配对应,并通过随机采样一致性检验最大一致集中内点个数是否大于自适应域值来确定两个手掌是否匹配.利用该算法对网络摄像头采集的手掌样本进行了实验测试,获得了较高的识别精度与性能.该算法对手掌的距离、方向、姿势没有特殊要求,是一种鲁棒高效的掌纹图像特征提取方法.     

基于改进R-FCN框架的遥感影像飞机目标识别方法

遥感影像飞机目标识别是实现地面特定目标的精准打击、掌握机场军事价值的重要途径.针对飞机识别数据集未充分参照不同条件下飞机几何形态的问题,构建了飞机类型识别数据集,同时为进一步提高识别精度,基于区域全卷积网络(R-FCN)识别框架,提出飞机目标全卷积神经网络(AFFCN)识别方法.通过人工增强方法,扩增包含四种类型飞机影像的数量,构建了每种类型飞机识别数据集;基于深度残差网络能有效区分不同类型目标的性质,提出了飞机目标深度残差网络,并将此网络应用于R-FCN识别框架中,建立了AFFCN识别方法.仿真结果表明,该方法结合本文数据集可以准确地识别遥感影像中的飞机目标.     

基于小波变换与RBF网络的声发射信号识别

声发射检测技术不需开罐就能对储油罐安全性在线评估,声发射信号识别是储油罐腐蚀状况分析的基础,针对现有参数分析法的不足,提出一种基于小波变换特征提取与RBF神经网络识别的声发射信号识别方法。利用db2小波对声发射信号6层分解,将6层细节特征空间的能量作为声发射信号特征向量;结合声发射信号特点设计RBF神经网络,利用已知模式声发射信号训练RBF网络;用RBF神经网络对腐蚀、裂纹和冷凝声发射信号进行分类测试。实验结果表明,RBF网络的识别率达到93.3%,显示了RBF网络识别声发射信号的优越性。对储油罐安全状况的定量分析具有一定意义。     

一种基于DBN的网络入侵检测算法

针对传统BP神经网络在检测速度、精度、复杂度等方面的缺陷,提出了一种基于深度信念网（deepbeliefnets,DBN）的网络入侵检测算法,将数据通过双层RBM结构降维,再用BP神经网络反向微调结构参数,从而简化了数据复杂度,减少了BP神经网络的计算量．通过对KDD99数据集仿真实验表明,该算法对于大数据拟合快,检测精度较高．     

基于深度神经网络的车辆特征识别方法

提出了一种基于深度神经网络的车辆特征识别方法,通过车辆特征智能检测识别实现交通智能监控和管理.采用三维区域轮廓扫描方法进行车辆图像采集和几何形状判断,对采集的车辆图像进行边缘轮廓检测和信息增强处理,突出车辆的类别属性特征点,在仿射不变区域对车辆角点分布信息进行直方图均衡化处理,实现车辆像素特征点的提取.对提取的像素特征点采用深度神经网络进行分类训练,实现车辆特征的智能识别.选取大量交通视频图像进行实验,仿真结果表明采用该方法进行车辆特征识别的成功率较高,输出车辆特征点正确的像素总数较多,对目标车辆的准确检测定位性能较好.     

基于Efficient-Net的轮胎X光片缺陷检测技术研究

为解决传统深度学习网络模型在轮胎X光瑕疵图像检测上识别率低、准确性差的问题,基于特征金字塔网络FPN提出一种多级特征提取网络TWFPN并将其与Efficient-Net目标识别网络融合,得到高度融合语义和细节信息的瑕疵特征向量并改进检测算法流程;通过融合背景信息的检测算法对模型识别结果进行重新判定,得到最终的瑕疵类别和位置信息。对6种轮胎缺陷类型X光图片进行测试表明,改进检测算法显著提高了模型的识别精度,具有良好的应用前景。     

基于计算智能技术融合的故障识别方法

为了提高复杂系统故障识别的精度和降低误报率,利用粗糙集理论、遗传算法、神经网络等计算智能方法的优势,提出一种基于计算智能技术融合的故障识别方法.针对原始样本数据的不确定性和不完备性,利用粗糙集对原始样本数据进行数据归一化、离散化、属性约简等预处理,求得能够覆盖原始数据特征的具有最大完备度的最小规则集.利用具有全局搜索能力的遗传算法直接训练反向传播神经网络的权值,将规则集作为网络输入,形成优化网络模型.采用该模型对预处理的各种状态故障特征向量进行分类决策,实现故障识别.通过电机轴承故障识别实验表明,该方法能够优化网络结构,提高故障识别速度和准确率.     

基于ViBe的端到端铝带表面缺陷检测识别方法

针对铝带表面缺陷高精度检测要求以及传统算法识别率不佳的问题,提出端到端的表面缺陷检测与识别方法.从铝带表面初始图像序列中快速计算出平均图像,视为无缺陷背景图像,用于初始化ViBe算法的背景模型.采用ViBe算法从当前图像中分割出缺陷区域,对缺陷区域二值图像进行中值滤波和形态学运算,以去除噪声点和修补边缘,实现缺陷区域的准确提取.利用当前图像实时更新ViBe背景模型,以增加对光照变化的适应能力.提取缺陷外接矩形区域图像,归一化后输入到训练好的卷积神经网络中进行识别分类,得到分类结果.实验结果表明,提出方法的缺陷检出率为93.02%,缺陷识别率为99.86%,具有较好的应用价值.     

一种有效的SAR图像目标识别方法

根据不变矩特征提取和支撑矢量机分类的优势,提出了一种有效的SAR图像目标识别方法.首先对样本SAR图像进行预处理。然后提取目标区域的不变矩特征并计算灰度均值,将其组成特征向量训练SVM分类器,最后用训练好的SVM分类器对要识别的SAR图像进行目标识别.采用该方法对一些含有桥梁和坦克的SAR图像进行目标识别实验,取得了较好的识别结果.     

一种基于SVM的刹车蹄块片摩擦块表面裂纹检测法

针对刹车片外观裂纹检测需求,通过构建刹车蹄块片图像采集系统,提出了一种基于支持向量机SVM的刹车蹄块片摩擦块表面裂纹检测法.该方法首先利用灰度图像的梯度模值信息,投影提取摩擦块所在区域; 然后以局部窗口子图像为单位,计算灰度共生矩阵并提取相关特征量; 最后采用分类样本对支持向量机分类模型进行训练,对摩擦块表面裂纹缺陷和正常区域进行分类预测.实验表明:该方法能较好地实现摩擦块表面裂纹缺陷和正常区域的分类,对表面裂纹缺陷存在与否的判定准确率可达98.33%.     

基于人工蜂群和SVM的基因表达数据分类

基因表达数据存在高维、小样本、高噪声等特性,使得相应的肿瘤分类诊断面临着一定的挑战。为了实现更加精确的分类准确率,利用人工蜂群(artificial bee colony, ABC)算法对支持向量机(support vector machine, SVM)的核函数参数和惩罚因子进行优化,采用准确率作为分类模型的适应度函数,提出一种基于ABC和SVM的基因表达数据分类方法ABC-SVM。在6种公开的肿瘤基因表达数据集上进行试验,并对比分析其他的分类方法。结果表明,在筛选得到的较少信息基因基础上,ABC-SVM可获得更高的肿瘤分类准确率,对肿瘤样本类型进行更有效的分类预测。     

基于模块化神经网络的轴承故障判断方法

提出了一种用于滚动轴承类故障识别的混合模块化神经网络方法．该方法将用于检测故障的过滤网络模块与用于分类的网络模块相组合．首先将不同故障类别轴承的振动信号形成的特征向量经过滤模块，用改进的BP算法判断有无故障，然后经分类网络模块确定其所属故障类型．分类模块中的网络结构则通过对每类故障独立训练形成．实验结果证明，与单一神经网络学习及判断结果相比较，本文提出的方法准确率更高，实用性更强．     

工业CT的高铁齿轮箱体材料缺陷识别

高铁齿轮箱是高速列车的重要部件,为保障高铁的安全、稳定运行,需要对高铁齿轮箱箱体出厂及检修时的铸件内部缺陷进行检验,并对箱体内部缺陷实现自动、准确的分类和识别.基于此利用三维工业CT技术,设计实验获取到高铁齿轮箱体材料的4种内部缺陷的三维体数据,根据齿轮箱体内部缺陷的物理背景知识,对三维体数据进行特征提取,设计Adaboost_BTSVM多分类算法,实现基于三维工业CT的箱体材料内部缺陷的自动分类识别,并使重点关注的收缩类缺陷的分类准确率达到85%以上、裂纹类缺陷的分类准确率达到100%,为实现高铁齿轮箱箱体材料的缺陷自动识别提供技术保障.     

基于模糊MARS的入侵检测系统

多元自适应样条回归是一种有效的针对高维数据回归建模方法,将该算法应用于入侵检测系统,根据入侵检测中存在的噪声数据和异常数据问题,提出了基于模糊算法的多元自适应样条回归方法。通过基于KDD1999数据集的训练和测试,与SVM在数据集上的测试结果进行对比,得出结论:该算法在入侵检测应用方面优于SVM算法。     

国内外耐候钢腐蚀疲劳试验技术发展

为了解耐候钢在腐蚀作用下的疲劳性能,并更好地用于桥梁建设,腐蚀疲劳试验是有效的研究途径.首先,介绍了环境腐蚀等级分类、均匀腐蚀和坑蚀,简述了腐蚀作用对钢材及其疲劳性能的影响.随后,回顾了3种疲劳试验的种类,总结和分析了国内外腐蚀作用对疲劳性能影响的试验研究结果.在此基础上,归纳了腐蚀疲劳试验包含的内容:试件设计、腐蚀试验和疲劳试验,研究了耐候钢腐蚀疲劳试验.最后,进行了20个加速腐蚀后HPS 485W和Q345CNH钢的疲劳试验,并与自然腐蚀后的耐候钢进行对比分析.结果表明:腐蚀环境能对钢材的腐蚀作用产生很大影响,坑蚀作用是导致疲劳裂纹萌生的重要因素;虽然有多种钢材的腐蚀疲劳试验方法,但需要有顺序有层次合理地展开相关试验研究;试件的设计应该在规范的基础上进行优化,并考虑疲劳过程中试件的能量耗散;在加速腐蚀试验需要合理控制环境条件,保证预期的试验结果;盐雾干/湿交替腐蚀后耐候钢的疲劳强度大幅降低,并且数据离散性更小.在自然腐蚀试验和加速腐蚀试验结合的基础上,逐步实现从腐蚀后疲劳试验到腐蚀-疲劳试验和从小试件到结构件的发展.     

Influence of coupled chemo-mechanical process on corrosion characteristics in reinforcing bars

We studied the corrosion characteristics of reinforcing bars in concrete under different corrosion conditions. The area-box (AB) value was used to classify the shape of pitting corrosion morphology in meso-scale, and fractographs of reinforcing bars with different corrosion morphology were discussed in micro- and macro-scales. The results show that the existence of the tensile stress affects the corrosion characteristics of reinforcing bars. The pitting morphology and fractograph of reinforcing bars exhibit a statistical fractal feature. The linear regression model fits the relationship between fractal dimensions of corrosion morphology and fractal dimension of fractograph fairly well. Using fractal dimension as the characterization parameter can not only reflect the characteristics of pitting corrosion morphology in reinforcing bars, but also reveal the fracture feature of corroded reinforcing bars.     

基于图像预处理分类分割的盲道分割算法

高准确分割率的盲道分割算法是实现高性能导盲系统的重要保障. 提出一种基于颜色直方图支持向量机方法,将盲道预分类为颜色盲道或纹理盲道,采用对HSV颜色空间的多参数融合的改善OTSU分割方法处理颜色盲道分割,采用基于纹理增强的K均值聚类方法处理纹理盲道分割. 通过有效的预处理分类,可以针对性地根据盲道的颜色或纹理特征进行识别,同时由于采用了改善的颜色和纹理分割算法,极大地改善了对不同种类和环境下的盲道的适应能力. 测试证明,该方法对于测试库图片平均分割准确率可达到90%以上.     

基于非下采样Contourlet域高斯混合模型的布匹瑕疵识别算法

针对经典瑕疵检测算法不能很好地描述瑕疵特征和不易区分相似类瑕疵类别的问题,提出了一种非下采样Contourlet域高斯混合模型的布匹瑕疵识别算法。首先利用非下采样Cont-ourlet变换(NSCT)得到图像的多方向、多尺度和平移不变表示,并通过代价函数挑选一个最优子带;由于子带瑕疵和非瑕疵区域系数差别较小,很难直接选取阈值,采用标准差法可以有效避免这个问题,获得比较准确的检测结果;然后计算瑕疵区域的统计特征得到特征向量;接着引入最小误分率函数,联合估计样本的高斯混合模型参数;最后采用贝叶斯分类器进行分类。在9类瑕疵上的实验结果表明,本文算法与几种经典算法相比得到更高的分类正确率。     

基于支持向量机与粗糙集理论的病例诊断

针对支持向量分类机在病例诊断中,训练样本大、诊断速度慢的不足,根据粗糙集理论的属性约简和支持向量机的分类机理,提出了一种混合分类算法,对病例进行诊断.应用粗糙集理论在不损失有效信息的情况下对属性进行预处理,从决策表中删除冗余的属性和冲突对象,降低支持向量机的维数和分类过程中的复杂度.然后利用支持向量机的分类机原理,对对象进行分类和预测,从而达到对病例进行诊断.实验证明在通过粗糙集对信息约简后,在合理降低准确率的情况下提高了诊断速度,从而解决了支持向量分类机在处理大量病例信息情况下,诊断速度慢的问题.