光纤光谱技术对猕猴桃品质及成熟度的无损检测

猕猴桃可溶性固形物含量(SSC)和硬度是评价其品质的关键参数,同时也是判别其成熟度的重要指标。为探究基于光纤光谱技术预测猕猴桃SSC、硬度和成熟度的可行性并寻求最佳预测模型。首先,采用光纤光谱(200～1 000nm)采集系统获取不同成熟期"贵长"猕猴桃的反射光谱,并测定SSC和硬度的参考值。接着,基于全光谱和参考值构建偏最小二乘回归(PLSR)和主成分回归(PCR)预测模型。然后,应用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)选取特征波长,构建简化的多元线性回归(MLR)和误差反向传播(BP)网络预测模型。最后,通过偏最小二乘判别分析(PLS-DA)和简化的K近邻(SKNN)算法,构建预测猕猴桃成熟度检测模型。结果表明:CARS-BP模型对SSC的预测性能最优,其预测集决定系数R_P~2=0.90,预测集均方根误差(RMSEP)和剩余预测偏差(RPD)分别为0.64和3.22;CARS-MLR对硬度的预测性能相对最优,其R_P~2=0.83,RMSEP和RPD分别为1.67和2.47;PLS-DA模型对猕猴桃成熟度的检测性能最优,其正确识别率高达100%。该研究为水果品质和成熟度的无损检测提供重要指导。     

近红外高光谱成像技术快速鉴别国产咖啡豆品种

结合近红外高光谱成像技术和不同的判别分析模型对4种国产咖啡豆品种进行了快速无损判别。通过高光谱成像仪提取874~1 734nm波段内的光谱数据,去除首尾噪声波段后,分别基于925~1 680nm波段的全谱波段和通过连续投影算法(SPA)选择的特征波长,建立了偏最小二乘判别分析(PLS-DA)、随机森林(RF)、K最邻近算法(KNN)、支持向量机(SVM)模型和极限学习机(ELM)5种判别分析模型。基于上述判别模型对咖啡豆品种进行鉴别;然后通过准确率、命中率和否定率3个参数对鉴别结果进行了评价。实验显示,基于全谱和特征波段建立的模型均取得了较好的判别效果,其中ELM模型效果均为最优,每个品种建模集和预测集的准确率、命中率和否定率均在93.5%以上。研究结果表明,基于近红外高光谱成像技术结合模型判别分析方法可以实现对国产咖啡豆品种的识别,特征波长的选择减少了变量数,但判别效果与全谱相当。     

钢丝绳应力集中和疲劳损伤的电磁无损检测技术分析

随着钢丝绳在工业技术中应用的快速发展,钢丝绳运行安全和高效经济的问题日益引起人们的广泛关注。鉴于此,阐述了与钢丝拉索无损检测技术相关的基础问题,分析了钢丝绳无损检测技术在国内外的发展演变历程;研究评述了钢丝绳无损检测技术最新研究成果的优点和缺点;重点分析讨论了检测传感器设计、信号处理方法、定性分析和定量识别技术、寿命预测方法等方面的研究进展,并指出了钢丝绳电磁检测技术目前所面临的问题及今后的研究发展方向,为深入研究电磁无损检测技术应用于钢丝绳损伤检测和质量评价提供了借鉴。     

基于深度学习的花椒采摘器视觉识别

对于智能花椒采摘器中机器视觉部分在花椒枝干识别与采摘定位上的不足,本文通过将深度学习技术中的卷积神经网络模型与注意力机制这两种模型运用到智能花椒采摘器的机器视觉部分以提高采摘器的识别功效.结果 显示,经过优化后的卷积神经网络算法训练使采摘器对花椒簇的整体识别准确率由52.3％提高至96.7％,同时通过注意力机制算法提升了机器视觉对花椒树主枝干识别的抗干扰能力,帮助采摘器更加准确的判断出采摘点的位置.通过以上两种模型验证了深度学习技术在提高花椒采摘器机器视觉的算法准确性与抗干扰能力的有效性.     

基于声音信号的结构损伤识别方法

随着对设备可靠性要求的提高,在生产过程中需要对关键设备的重要零部件在主要工序之后全部进行结构损伤检测,在服役过程中需要对关键设备重要零部件定期在线进行无损检测。为了克服现有的结构损伤检测方法的不足,满足工程实际的迫切需要,利用基于声音信号的结构损伤检测具有非接触测量、高效、可在线检测等优点,构建了一种基于声音信号的结构损伤识别模型。该模型的核心包括信号降噪、特征提取、基于距离评估的损伤敏感特征选择以及基于支持向量机的状态识别。将该模型应用于实验悬臂梁和铁路转辙机动作杆的裂纹损伤识别,结果表明,识别准确率均为100%,且识别过程仅需几秒,验证了该模型的有效性和可行性     

高光谱成像结合人工神经网络无损检测桃的硬度

为无损检测桃的内部品质,提出了结合高光谱成像技术和人工神经网络无损检测桃硬度的方法。采集了摘后贮藏了12d的140个桃在900~1 700nm的高光谱图像,以每个桃高光谱图像中40pixel×40pixel的感兴趣区域的平均光谱作为桃的原始反射光谱;利用Savitzky-Golay平滑和标准正态变量变换对光谱进行预处理;基于x-y共生距离算法划分样本,得到校正集样本105个和预测集样本35个。利用连续投影算法、无信息变量消除法和正自适应加权算法从全光谱的216个波长中分别提取了12个、103个和22个特征波长;分别建立了基于全光谱和提取的特征波长预测桃硬度的支持向量机模型和BP网络模型。结果表明,基于全光谱建立的BP网络模型具有最好的预测性能,其预测相关系数为0.856,预测均方根误差为0.931。本研究为基于桃内部品质的工业化分级提供了基础。     

基于导波的圆柱结构损伤识别方法

为实现基于导波的旋转圆柱结构的无损检测,提出一个圆柱模型和相应的损伤识别方法。当该圆柱模型处于无缺陷和有缺陷状态时,基于动态有限元方法定义并校对所感应的纵波的反射系数和残余系数。仿真结果表明残余系数可以作为一个有效的参数用于损伤识别。这种损伤识别方法在试验中得以验证。利用一个圆形的薄铝板模拟该圆柱模型的径向切片。两个圆形的压电应变片(Piezoelectric transducer,PZT)分别固定在铝板上下表面的圆心位置用于激励和采集导波信号。对比分析铝板在无缺陷(基准)状态下和有缺陷(检测)状态下从导波信号中所提取的第一阶基本模式分量(Intrinsic mode function,IMF),以校对基础阶对称(S0)模式的残余系数。试验结果和仿真结果的一致性验证了所提出的损伤识别方法的有效性,并且为实现旋转圆柱结构的无损检测奠定基础。     

基于模态分析的钢结构损伤识别方法研究

对钢结构损伤的准确识别是确保钢结构安全可靠的重要保证。本文提出了一种利用动力试验检测钢结构破损的方法。通过建立钢梁的有限元模型计算正常情况下梁的动力特性,利用现场采集试验数据、模态分析技术获得损坏梁的自振特性。将无损模型分段计算出自振特性,利用特征比的比较确定损伤位置。经实例分析证明该方法准确、简便、适用,提高了钢结构损伤识别的效率和精度。     

正面碰撞下后排乘员损伤预测研究

为完善车辆事故自动呼救(Automatic Crash Notification,ACN)系统对乘员的损伤预测,对后排乘员在正面碰撞下的各部位损伤进行了研究.首先根据实车50km/h下的正面碰撞试验建立正面碰撞下的仿真模型,并对模型进行验证;其次对模型设置不同的初速度,得到不同速度变化量下的后排乘员头部、胸部、颈部损伤...     

军工无损检测技术

无损检测技术是指在不损伤被检对象未来用途和功能的前提下,为探测、定位、测量和评定缺陷,评估完整性、性能和组成,而对原材料和零(部)件所进行的检查、测试或检验的技术。无损检测方法有几十种之多,我国军工行业制造领域常用的无损检测方法有11种,包括:超声波检测(UT)、射线检测(RT)、磁粉检测(MT)、渗透检测(PT)、涡流检测(ET)、     

论产品质量司法鉴定程序

产品质量司法鉴定是针对争议的产品进行检验、鉴别和判断并提供鉴定结论的活动。由于产品质量司法鉴定自身的特殊性,要求鉴定主体和鉴定程序都要合法。本文从委托、合同评审、受理、签订司法鉴定协议书、鉴定、出具司法鉴定报告书等环节探索了一个操作性较强的产品质量司法鉴定实施程序。结合鉴定实践和专业知识,对每一个环节出现的技术问题和应注意事项进行了探讨。     

智能故障诊断中的波形识别技术

在电子设备故障诊断中,波形识别是进行故障特征提取和故障诊断的重要依据。根据某型电子设备实时监测与诊断系统的需要,提出了两种波形识别方法：一种是波形相关分析识别方法,另一种是波形模糊识别方法。相关分析主要是计算相关系数,模糊识别主要是计算监测点波形的模糊隶属度。这两种方法都是以标准渡形为依据,能够实时在线对监测波形数据进行分析,实现动态时域波形的自动识别。     

一种具有时间和空间分辨的等离子体光谱测量系统(英文)

等离子体光谱分析技术和设备作为一种非介入式测量方法,不干扰等离子体本身,在近年来得到广泛应用。随着其工业应用的增加,能够实现空间和时间分辨的光谱检测方法和装置越来越重要。因此,本文提出了一种能实现空间和时间分辨的等离子体光谱检测方法。采用中空探针法实现空间分辨光谱诊断,可以获得等离子体能量分布、等离子体内温度测量等功能。同时,本方法采用多信息同步采集触发方法,将等离子体电信号和高速摄像信息作为时间标尺,实现对等离子体瞬时状态的时间分辨分析。工业应用表明本文的方法可以很好地应用于等离子体的在线诊断。     

Nonlinear System Identification Using Methods for Subspace

The identification of Wiener systems has been an active research topic for years. A Wiener system is a series connection of a linear dynamic system followed by a static nonlinearity. The difficulty in obtaining a representation of the Wiener model is the need to estimate the nonlinear function from the input and output data, without the intermediate signal availability. This paper presents a methodology for the nonlinear system identification of a Wiener type model, using methods for subspaces and polynomials of Chebyshev. The subspace methods used are MOESP （multivariable output-error state space） and N4SID （numerical algorithms for subspace state space system identification）. A simulated example is presented to compare the performance of these algorithms.     

RFID技术及其应用

RFID是一种非接触式的自动识别技术,它通过射频信号自动识别目标对象并获取相关数据,具有条形码所不具备的强大功能.该文通过对RFID识别原理、技术特点等问题的阐述,提出RFID技术有着广阔的市场应用前景.     

迟滞对象的辨识研究

主要针对暖通空调系统中常见而又难以控制的时滞对象，研究了神经网络用于系统辨识中的工作原理，提出了基于神经网络的时滞线性系统和时滞非线性系统的辨识方法，同时，使用MATLAB的辨识工具箱对暖通空调中常见的惯性迟延系统对象进行了辨识试验并给出了仿真结果。从比较的结果看，对非线性的辨识，神经网络具有明显的优势。     

基于 RP-EKF 的无人机动力系统参数辨识

针对无人机动力系统电池电压波动导致系统噪声大、辨识结果精度低的问题,本研究提出了一种基于反向预测-增广卡尔曼滤波(RP-EKF)的无人机动力系统参数辨识方法。首先构建增广参数矩阵,将压降噪声模型考虑入辨识环节,其次提出反向预测卡尔曼滤波算法,设定新息平方比阈值,计算原始预测新息平方与反向预测新息平方的比值,通过对比预测新息比与阈值完成过程噪声调整并实现估计模型修正。实验结果表明,本文提出的基于RP-EKF的参数辨识方法,平均误差为39.22 rpm,均方根误差为55.85 rpm,平均相对偏差为0.85%,相比于最小二乘算法与卡尔曼滤波算法,本文方法辨识结果平均误差分别提高41.51%和22.26%,均方根误差提高49.63%和13.0%,平均相对偏差提高41.7%和22.7%。本文提出的算法拥有更高的辨识精度。     

Algebraic identification of the first two natural frequencies of flexible-beam-like structures

The residual vibrations of highly resonant flexible structures can be usually composed of sinusoidal signals. The identification of the frequencies, amplitudes and/or phases of these sinusoidal signals may be of interest for health monitoring or to update controller parameters in active vibration control systems. This work considers a previously developed algebraic estimator of the frequencies, amplitudes and phases of two sinusoidal signals in order to identify the first two natural frequencies of flexible-beam-like structures. The influence of the unconsidered vibration modes on the estimation accuracy is studied by simulating a residual vibration formed by four sinusoidal components. It has been shown that the velocity and accuracy in the estimation of the first two natural frequencies depend on the distance between frequencies and the amplitudes of the first three vibration components. Finally, the beam parameters are related to the estimation performance.     

一种基于模糊神经网络的辩识方法

本文给出了一种五层的模糊神经网络。这种神经网络的特点是训练数据可以从网络的输入和输出两端馈入。网络的学习过程分为参数辨识和结构辨识两个阶段,这样可以减少网络参数调整过程中的相互影响,加快学习过程,仿真结果表明了该学习算法可以获得比其他学习算法更好的辨识效果。     

A framework for blind modal identification using joint approximate diagonalization

In this paper, a second-order statistical method employed in blind source separation (BSS) is adapted for use in modal parameter identification. Modal responses and mode shapes are estimated by the use of second-order blind identification (SOBI) on an expanded and pre-treated dataset. Frequency and damping can be obtained from the modal responses by simple single degree of freedom methods. Using this approach, a class of new non-parametric output-only modal identification algorithms is proposed and examples of its use are provided. It is demonstrated that the proposed methodology provides a novel and robust approach to modal identification. For the example shown, it is deduced that quality of the modal parameters produced by the method is competitive with the state of the art parametric methods.