基于FPGA及RBF神经网络的电磁无损检测技术

电磁无损检测技术是无损检测领域的一个研究重点,针对电磁无损检测技术中的超声波处理,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算法的聚类误差的数量级为10~(-12),传统K-means算法的聚类误差为10~(-13),改进后的K-means算法的聚类结果更准;参数优化后的RBF神经神级网络对具有1.02 mm缺陷长度的发动机涡轮叶片的缺陷长度预测结果为0.9~1.1 mm,传统的RBF神经网络的预测结果为0.7~1.2 mm,参数优化后的RBF神经网络的预测结果更准确。     

神经网络在钢铁件混料分选中的应用

本文针对钢铁件混料分选的问题，介绍了一种基于初始幅值磁导率法的电磁无损检测方法，针对原有识别系统和传统BP神经网络学习算法的不足，提出一种改进算法，提高了网络分类的可靠性。     

基于ARM的钢铁材料裂纹电磁无损检测电路设计

针对钢铁材料损伤检测问题,依据电磁无损检测原理,在ARM微处理器系统的基础上,优化设计了一套以S3C2440A控制芯片为核心的钢铁件裂纹检测电路.简单地讨论了初始磁导率法的检测原理,着重阐述了系统功能模块的电路设计.试验表明,该电路可以快速地检测出钢铁材料损伤的存在并且及时发出报警,同时能够对数据进行显示和存储.     

GARBF在网络入侵检测中的应用研究

研究网络安全问题,提高入侵检测效率,针对网络入侵检测传统采用RBF神经网络方法在网络入侵中由于初始权值设定不当导致检测入侵耗时长、正确检测率低,误报和漏报率记的难题,为了解决上述问题,提出了一种GARBF神经网络入侵检测模型.GARBF神经网络模型在网络入侵检测过程中,采用遗传算法对RBF神经网络初始权值进行优化,然后将网络入侵数据输入优化的RBF神经网络中进行学习和检测.结果表明,相比较传统网络入侵检测模型,网络入侵检测误报率、耗时都较低,证明提高网络入侵检测的正确性和效率.     

PSO算法和神经网络的入侵检测系统设计

针对入侵检测系统检测率低,整体性能不好的问题,在探讨入侵检测技术和人工神经网络理论的基础上,提出了一种基于PSO算法优化的径向基函数神经网络的入侵检测系统,采用具有全局寻优的功能PSO算法,该算法能够改进传统的RBF神经网络学习策略,弥补RBF神经网络参数设置的不足,采用了来自KDD CUP99的权威数据来进行网络学习和测试,在此基础之上,进行了入侵检测系统的设计与实现,实验结果表明,基于PSO和RBF神经网络的人侵检测系统有效地提高了入侵检测的效率.     

基于集成RBF神经网络的入侵检测研究

本文提出了一种基于集成RBF神经网络的入侵检测研究,通过对初始化聚类子算法的改进,从而提高了RBF神经网络的训练速度,采用集成理论对RBF神经网络的集成以提高检测率。实验结果表明,集成神经网络比RBF神经网络的检测率提高了1%,且降低了误报率和漏报率。     

基于Adaboost集成RBF神经网络的高速公路事件检测

提出一种基于Adaboost集成RBF神经网络的高速公路事件检测方法。首先对高速公路事件检测原理进行分析,进行了相关的参数选择,确定了RBF神经网络的结构,然后采用改进的Adaboost方法集成RBF神经网络进行高速公路事件检测并给出了事件检测算法的步骤,最后进行了仿真实验,实验结果表明,该方法可以明显提高RBF神经网络性能（高检测率、低误报率）,且具有较强的泛化能力,适宜高速公路事件检测。     

基于多传感器数据融合的漏磁信号采集与处理

漏磁检测以其高信噪比、高灵敏度和高检测效率,在无损检测中得到了广泛应用。随着科学技术的发展,传统的信号处理方法越来越不适应现代工业的需要,提出一种基于多传感器数据融合技术的漏磁信号处理方法。采用小波去噪的方法,并利用径向基函数(RBF)神经网络的数据融合技术对缺陷信号进行检测处理。仿真结果表明,采用这种方法可以有效提高系统的检测能力和信号精度。     

轴承质量自动化无损检测系统设计及智能评判方法研究

针对工业上轴承质量难以实现自动化在线检测和评判这一问题,文中首先建立了一种轴承质量自动化无损检测系统模型,并分别介绍了轴承各种质量信息的获取方法,然后建立了基于RBF神经网络质量评判模型,最后通过仿真及测试,验证了该系统及评判模型的正确性和可行性。     

基于IRBF的入侵检测系统的研究

入侵检测是一种积极、动态的网络安全防护技术,能够对网络内外攻击进行防御,在保障网络安全方面起着重要的作用。研究一种将基于克隆选择原理的免疫识别算法应用于RBF(Radial Basis Function)神经网络的学习算法。该算法将输入数据作为抗原,抗体作为RBF神经网络的隐层中心,采用最小二乘递推法确定权值,提高了RBF神经网络收敛速度和精度。该算法被成功地运用到入侵检测系统中。理论与实验表明该算法具有较好的检测能力,可以较好地提高入侵检测的效率,降低误报率。     

自动化仪器钢结构无损检测方法研究

为了提高钢结构的无损检测能力,提出基于超声波射线波束集成的自动化仪器钢结构无损检测方法,采用频率20 kHz以上的超声波进行自动化仪器钢结构的静态密度和介质密度分析,根据钢结构的声扰动传播速度进行钢结构的裂缝纹理特征分析,计算钢结构的声阻抗率与介质特征阻抗等参数,当超声波以一定的倾斜角入射到自动化仪器钢结构的介质表面产生反射横波或纵波时,通过折射纵波和折射横波的分离特性进行自适应的超声波束集成处理,实现自动化仪器钢结构的无损检测优化。仿真结果表明,采用该方法进行自动化仪器钢结构损伤检测的准确性较高,定位精度较高,无损检测能力较好。     

基于X光检测的强力输送带故障定位方法

强力输送带的无损检测是工业生产中的重大问题,通过分析基于X光的强力输送带无损检测系统检测到的强力输送带图像的阅读、处理,特别是故障的定位,系统设置了能够真实反映输送带实际尺寸的垂直标尺和水平标尺;经理论分析和现场测试证实,不仅能够对检测到的强力输送带图像进行观察和处理,而且实现了准确估算输送带接头伸长尺寸、通过图像快捷准确地定位输送带上的故障,具有很高的实用价值。     

无损检测技术在特种车辆裂纹检测中的应用

无损检测技术是检测技术的重要组成部分,将其应用到特种车辆裂纹检测中,能有效提高其检测与诊断效果;根据现代无损检测技术的发展,介绍了超声检测法、涡流法、磁检测法和红外热成像、激光全息和微波检测等新技术在无损检测中的应用,并根据特种车辆裂纹检测和故障诊断特点设计了基于超声技术和漏磁技术的裂纹缺陷检测系统;该系统经过标准件和实装的严格测试,结果表明该系统测试精度高、性能稳定可靠,达到设计要求,满足装备需求。     

基于隧道磁电阻传感器的脉冲涡流无损检测

目前航空工业多采用铝合金部件,由于航空工业的量轻化等需求导致对铝合金件强度保持有较高的要求,因此对结构材料缺陷的检测尤为重要。为此文章设计了一种基于隧道磁电阻(Tunnel magnetoresistance, TMR)传感器的脉冲涡流无损检测系统方案,对铝合金缺陷参数与被测信号波形的关系进行了研究。首先使用有限元仿真软件COMSOL建模并获取仿真实验数据,证明了脉冲涡流无损检测应用于铝合金材料的可行性;其次,应用仿真结果指导探头设计,进而设计出检测系统,采取实物实验结果与仿真建模分析结果进行对比的方法,实验验证了检测系统的准确性、可靠性和在工程应用中的可行性;最后分析和讨论了缺陷宽度和缺陷深度的无损检测结果。为TMR传感器工程应用确立了实验基础。     

三种电磁无损检测方法综述

以材料电磁性能变化为依据,对材料及构件实施缺陷探测和性能测试的一类检测方法统称为电磁无损检测法,其基本原理是电磁场理论。对传统的涡流检测以及近年来发展起来的交流电磁场检测和电磁层析成像检测等三种方法的原理、系统结构、应用范围等进行了详细介绍,并分析了它们各自的特点,为综合应用和发展这几种电磁无损检测方法提供了一定的参考。     

基于ZYNQ的涡流无损检测系统的设计

涡流无损检测技术是以电磁理论为基础的非接触式的检测技术,具有结构简单、不受介质影响、抗干扰能力强等优点;根据涡流检测原理设计了一种基于Zynq—7020平台的可变频的检测系统;Zynq—7020为片上系统,该平台既能发挥FPGA并行运算的优势,同时具备了处理系统的灵活性,能够实现对数据的高速采集和实时处理;通过上位机可以改变激励信号的频率,适应不同厚度金属的检测;该系统从数字信号处理角度实现阻抗分解,能够显著地提取缺陷信号;并通过实验验证了系统的可行性,实验结果表明该系统可以检测0.2 mm大小的缺陷.     

支持向量机在超声无损检测中的应用

无损检测设备可以在不破坏对象结构的情况下,检测其内部缺陷,在文物、建筑、大型土木工程中应用广泛,对结构监测和修复起着重要作用。其中,超声无损检测由于其穿透力强、指向性好,在无损检测中占据重要地位。但对于超声无损检测设备,检测不同的材料和缺陷类型时判断规则并不通用,从而导致检测对象有限,或者检测精度太低。对此提出一种基于支持向量机原理的超声无损检测处理方法,该方法具有机器学习能力,通过有限的学习过程,理论上可以完成对任何类型材料及任何类型内部缺陷的的准确识别。针对该方法,搭建了超声无损检测试验台,通过实验验证了该信号处理方法的有效性。