超声检测信号多特征SVM-Bayes融合识别

分析了超声检测信号识别中存在的问题。研究了将支持向量机和贝叶斯推理相结合的多特征融合识别算法。阐述了支持向量机解决分类问题的原理以及贝叶斯推理原理。设计了基于最大后验概率准则的多缺陷类型多特征SVM-Bayes融合识别方法。介绍了四种不同的特征提取方法。分别将单特征SVM方法和SVM-Bayes融合方法应用于石油套管缺陷检测信号的识别。对比试验表明：SVM-Bayes融合识别方法能有效识别上述缺陷信号,其在识别率和泛化性方面都比单特征的SVM识别方法有优势。     

基于模糊神经网络的数据融合结构损伤识别方法

为了有效利用结构健康监测系统中的多源传感器数据信息,提高损伤检测与评估的识别正确率,该文通过构造模糊神经网络分类器,提出了一种基于模糊神经网络的数据融合损伤识别方法并将之应用于结构健康诊断中。它先通过数据预处理,提取原始响应信号中的特征参数,接着将之作为模糊神经网络的输入,构造模糊神经网络模型进行识别决策,最后运用数据融合算法,计算出数据融合后的决策结果。为了验证所提方法的有效性,通过一个7自由度的建筑模型,分别用单一模糊神经网络决策器和数据融合损伤识别方法进行了损伤识别和比较。研究结果表明:该文所提方法比单一决策结果更准确、可靠。     

基于图像特征融合与决策融合的多模式人脸识别方法

利用可见光图像和红外热图像进行图像融合是多模式人脸识别领域的一个新的研究方向．分别从特征级和决策级两个层次上研究了可见光图像和红外热图像的融合问题．在特征级上,引入遗传算法进行特征的优选,实现了两种图像的特征融合;在决策级上,提出利用Dempster-Shafer证据理论来实现决策的融合,并给出了具体的融合方案．分别采集了50人的红外热图像和可见光图像,每种各10张,共1000张图片进行了实验研究．实验结果表明,无论是对两种图像进行特征级融合还是决策级的融合,融合以后最终得到的识别准确率都大大提高,对于LDA和D_LDA方法达到了100％的准确率因此,可以认为基于遗传算法的特征融合方法和基于Dempster-Shafer证据理论的决策融合方法是实现多模式人脸识别的可行方法．     

基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究EI北大核心CSCD

针对焊缝缺陷检测信号信息丰富度低、深度网络架构人工依赖性强等问题,开展基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究。构建时域数据集并衍生至实数域与复数域中,丰富检测信号的特征表达;设计多域信息融合模型,充分融合特征域信息;提出面向卷积神经网络多维超参数自寻优的模型优化策略,提高模型的效率和性能。试验表明,所提方法对五类焊缝缺陷识别准确率为96.54%,能够在提升识别准确率同时保持较少的参数量和计算消耗,具有较强的实用性和泛化性。     

板状结构中基于Lamb波单模态的缺陷成像试验研究

Lamb波技术非常适于板类结构的各种缺陷检测。为了得到模态较为单一的Lamb波,使得接收信号更具有解释性,缺陷更容易识别,该文中在板上下表面的相同位置分别布置压电传感器阵列,采用同一位置上下表面的双压电片同相或反相激励,激励出单一S₀或A₀模态。运用这种单模态的Lamb波激励方式对板中缺陷进行检测,结合椭圆成像算法与数据融合方法对压电传感器阵列接收到的多组信号进行缺陷成像。该方法有效的实现了板中缺陷的二维成像定位,检测出人工缺陷,并提高了缺陷的可识别能力和定位精度。     

基于改进模糊支持向量机的磁记忆检测缺陷识别

针对磁记忆检测信号弱、缺陷区域无法有效识别的问题,提出了一种改进的模糊支持向量机(FSVM),并将其应用于磁记忆检测缺陷的识别。改进的FSVM一方面在传统确定模糊隶属度函数方法的基础上,通过构造k近邻离散度,减弱孤立点或噪声样本对分类的影响;另一方面通过对样本特征值进行加权处理,消弱冗余特征或弱特征对识别的影响。将改进FSVM应用于磁记忆检测缺陷识别。实验结果表明：该方法可以有效识别不同危险区域的缺陷信号,具有较好的鲁棒性和分类能力,是一种有效的磁记忆检测缺陷识别方法。     

基于数据融合和多重智能模型的目标识别和跟踪

考虑到单传感器的系统存在着局限性,提出了基于多传感器（雷达和红外）信号融合的目标识别和跟踪系统,以利用数据的互补和冗余。特征层融合能利用各传感器提供的特征为提高目标识别能力;对于点目标和面目标分别提出了智能规则推理和神经网分类器的目标识别方法。决策层融合能提高目标跟踪的精度并提高抗干扰性;提出了可信度决策的目标跟踪方法。     

基于机器视觉的柔性包装袋喷码缺陷检测研究

目的 针对传统喷码检测方法计算量大、字符区域定位不显著、识别准确率较低等不足,提出一种基于机器视觉的柔性包装袋喷码缺陷检测方法。方法 以柔性包装袋上喷码图像为研究对象,以滤波抑噪、阈值处理等技术对图像进行预处理,运用YOLO-V3网络模型对字符区域进行定位,并采用阈值和非极大值抑制算法提高喷码区域定位的显著性,通过改进AlexNet网络结构、运用多特征融合运算等方法,获取更为丰富的图像卷积特征,实现字符串的整体识别,从而提高喷码缺陷识别的准确率。结果 将YOLO-V3联合改进AlexNet的检测方法与传统喷码检测方法进行对比,结果表明,所设计喷码缺陷检测方法的分类准确率达到99.39%。结论 基于机器视觉的柔性包装袋喷码缺陷检测方法在模型计算量、字符区域定位显著性和字符识别准确率都有一定的优势,并有效解决了字符串整体识别的问题。     

改进VMD钢质管道损伤信号提取算法研究

埋地钢质管道非开挖管体缺陷检测是管道检测领域中长期存在的一个难点,而实现对缺陷有效识别的前提是管道损伤信号的精准提取,针对管道缺陷信号特征提出一种改进的变分模态分解(VMD)算法。该算法采用近似熵噪声抑制方法提升VMD对特征信号的提取效果,进一步用尺度空间算法对VMD的设定参数进行优化并对其抗噪性能进行比较分析,最后通过能量梯度算子实现对缺陷信号的识别。结果表明:改进后的VMD算法可实现对管道损伤信号的有效提取,滤波性能和计算效率方面优于原VMD算法。该方法已经成功通过实验室验证,并成功应用于华北某油田的工程领域检测,为埋地钢质管道非开挖管体缺陷被动式检测提供一种有效途径。     

信息融合的飞机识别方法

以信息融合的理论为基础，利用从可见光图像序列和8-12μm长波红外图像序列中提取的信息对不同种类飞机进行识别。采用矩特征并结合BP神经网络的方法，分别在特征级和决策级两个不同层次上实现了信息融合。实验结果表明，通过信息融合进行飞机识别的准确率可达到90％以上。     

Partial discharge pattern classification using the fuzzy decision tree approach

Partial discharge (PD) measurement is a proven flaw detection technique for finding cavities that are defects in the insulating material. In this paper, a novel approach for the classification of cavity sizes, based on their maximum PD charge transfer-applied voltage (/spl Delta/Q-V) characteristics using a fuzzy decision tree system, is proposed. The (/spl Delta/Q-V) partial discharge patterns for different cavity sizes are represented by features extracted from their pulse shapes, and the classification rules are directly extracted from the data using the decision tree. The decision rules obtained from the decision tree are then converted to the fuzzy IF-then rules, and the back-propagation algorithm is utilized to tune the parameters of the membership functions employed in the fuzzy classifier. The neuro-fuzzy classification technique is shown to provide successful classification of void sizes in an easily interpretive fashion.     

模糊模式识别在轮箍超声横波探伤中的应用

轮箍是铁路机车运行的重要部件,在制造和使用过程中出现的各种危害性缺陷会严重威胁到列车的行驶安全.用超声无损检测缺陷,回波的识别易受轮箍标记、闸瓦、轮轨接触点及表面波等多种因素的干扰.在超声横波探伤基础上,可将模糊模式识别应用到机车轮箍的无损检测中.以内燃机车轮箍为实验检测对象,使用了多个标准人工伤模拟轮箍自然缺陷.通过提取缺陷回波频域相关特征建立典型缺陷的模糊子集,并运用基于贴近度的择近原则对未知缺陷进行分类识别.实验结果证明了该方法有效.对同一缺陷重复检测的正确识别率达92.5%.     

冲击回波信号的波形结构特征提取及分类研究

针对典型的非均质材料混凝土内部缺陷大小无损检测这一难题,利用人的听觉系统的生理学和心理学的研究成果,基于ＥＩＨ模型建立了进行时域波形结构特征提取的方法,并用结构自适应模糊聚类神经网络对提取的特征进行了分类试验,结果表明该特征提取方法能较好地解决从冲击反射时域信号来进行肃离缺陷大小识别问题。     

基于异类信息融合的齿轮健康评估方法

针对齿轮传统健康评估方法中特征描述单一,齿轮箱中多种参数信息未能有效利用的问题,为更准确地监测齿轮运行的健康状况,提出一种基于异类特征信息融合的齿轮健康评估方法。对前期正常状态运行的齿轮采集振动、油液、铁谱等多种信号并提取特征指标,建立各类特征的模糊C均值聚类中心;利用模糊理论输出待测信号对于正常状态信号的隶属度作为各类特征的健康评估指标;以隶属度构造基本概率赋值函数,应用D-S证据理论组合规则,在决策层进行异类信息融合,从而完成齿轮的健康评估。通过对齿轮全寿命试验的数据处理与对比分析,证明该方法能够有效地评估齿轮健康状况。     

A Comparative Study of Different Segmentation Techniques for Detection of Flaws in NDE Weld Images

For detecting the flaws and their type in radiographic images (having different types of flaws), three segmentation techniques have been applied here. Every segmentation technique has its own advantages and disadvantages i.e. results obtained are of varying quality. Taking this into account, comparative study has been performed here to find the best segmentation technique for a particular type of flaw. These methodologies are compared and concluded to be effective for all possible nine types of weld flaws detection (Slag Inclusion, Worm Hole, Porosity Incomplete penetration, Under cuts, Cracks, Lack of fusion, Weaving fault Slag line), and feature extraction, after being successfully tested on more than 80 radiographic images obtained from EURECTEST, International scientific Association Brussels, Belgium, and 24 radiographs of ship weld provided by Technic Control Co. (Poland) were used, obtained from Ioannis Valavanis Greece, and 67 radiographs of actual weld test samples obtained from Bharat Heavy Electrical Limited (BHEL) India. The comparison with other NDT methods with application of image processing on the radiographic images of weld defects is aimed to detect the defects reliably and make accept/reject decision as per the international standard.     

Modeling and Experimental Studies on 3D-Magnetic Flux Leakage Testing for Enhanced Flaw Detection in Carbon Steel Plates

ABSTRACT

For enhanced detection of flaws in engineering components using magnetic flux leakage (MFL) technique, measurement of the leakage magnetic field components along the three perpendicular directions is beneficial. This article presents the three dimensional-magnetic flux leakage (3D-MFL) modeling and experimental studies carried out on carbon steel plates. Magnetic dipole model has been used for the prediction of MFL signals and images. Sensitivity of the MFL signals peak amplitudes of tangential (H_X), circumferential (H_Y), and normal (H_Z) components with respect to flaw length, width, depth and lift-off have been studied. A 3D-GMR sensor has been used for simultaneous measurement of all the three components of leakage magnetic fields from surface flaws in 12 mm thick carbon steel plates. The experimental MFL images have been compared with the model predicted MFL images. The sensor has shown the capability to detect and image 0.9 mm deep surface flaws with a signal to noise ratio of 8 dB. Principal component analysis (PCA)-based image fusion has been performed for fusion of the 3D-MFL images to obtain a geometrical profile of the flaws. Study reveals that 3D-GMR enhances the capability for detection of flaws having irregular geometries.     

基于线性判别分析的决策融合脑电意识动态分类

脑电信号的识别与分类是脑机接口技术的热点研究问题,单一分类器不能很好利用特征以及分类器的适应性,导致识别的准确率很难进一步提高,基于线性判别分析的分类决策级融合策略,可用于提高脑-机接口系统的分类准确率。首先,通过分离出两种分类器的假性试验特征,从这两种方法中选择更有可能正确决策提高分类准确性;其次为了测量每个决策的不确定性,使用与所对应分类器的最大和第二大相关系数提取特征向量。基于这一思想,提出了一种新的决策选择器,该方法通过整合两种基于线性判别分析的算法选择更有可能是准确的决策,从而达到提高脑电信号分类准确度。实验结果表明,该方法通过与精度相近的算法相结合在运动想象数据分类上获得了较好的分类准确率。     

模糊几何特征及其在人造目标检测中的应用

提出具有模糊测度的几何基元特征的人造目标检测方法。根据相交直线段所组合构成的几何基元夹角的模糊测度,将单纯的几何基元特征扩展为模糊几何特征。应用方向算子检测图像边缘,并把边缘拟合成直线段集合;直线段集合扩展成几何基元集合,并根据所定义的模糊隶属函数,用几何基元的夹角构造成基元线段的隶属度列表;通过判断每个子区域内所有线段隶属度之和的最大值定位人造目标。检测自然背景下人造目标的实验表明,该方法检测率高达97％,整个算法的时间复杂度为O（n^2）,并有很好的稳定性且易硬件实现。     

一种粗模糊神经分类器

介绍一种新的粗集编码模糊神经分类器。基于粗集理论的概念，讨论了知识编码、属性简化、分类系统简化的方法；并利用模糊隶属度函数将输入精确信息映射为模糊变量信息，解决分类中病态定义的数据问题和提高系统非线性映射的分类能力；提出了结合系统参数的重要性因子的网络的模糊推理方法和粗模糊神经分类器的网络结构以及有导师的最小平方误差学习训练算法。实现的粗集编码模糊神经分类器具有网络结构空间维数低、学习算法简单、网络训练时间短、非线性特性丰富等优点。